【摘要】：胃鏡檢查是當前胃癌檢測主要手段,計算機輔助胃鏡圖像分析有助于提高胃鏡檢查的準確率。本文主要針對電子胃鏡圖像分析方法進行研究。首先設計了電子胃鏡影像數(shù)據(jù)庫,在此基礎上,對胃鏡圖像在RGB、HSV、YCbCr顏色空間分布,利用直方圖進行分析。發(fā)現(xiàn)RGB顏色空間的分布最為均勻分散,較為適合圖像分割;YCbCr顏色空間分布較為聚集,有利于在圖像特征提取時降低特征向量維數(shù)。然后進行預處理,選擇固定模板提取胃鏡圖像感興趣區(qū)域(Region of Interest, ROI)和HSV顏色空間閾值方法初步消除反光區(qū)域。接著,采用全自動的Mean Shift分割算法,對胃鏡圖像進行初步分割。在此形成的區(qū)域上提取YCbCr三維直方圖作為顏色特征向量。同時,根據(jù)胃鏡圖像多尺度、旋轉(zhuǎn)不變、內(nèi)容復雜的特點,選擇了Color Wavelet Covariance(CWC)方法作為紋理特征提取的算法。針對CWC算法計算灰度共生矩陣(Gray Level Co-occurrence Matrix, GLCM)步驟時間消耗較大的問題,利用Mean Shift思想對灰度共生矩陣計算進行改進,提出了基于Mean Shift的灰度共生矩陣計算算法(Mean Shift-Gray Level Co-occurrence Matrix, MS-GLCM),從計算時間、調(diào)用次數(shù)、信息冗余等方面提高了灰度共生矩陣計算的性能,并在CWC算法中得到應用和檢驗。最后,經(jīng)過感知器算法和Adaboost算法的比較試驗后,采用Adaboost算法將得到的各特征向量經(jīng)過訓練構(gòu)造檢測胃鏡圖像異常區(qū)域的強分類器。對全局圖像和Mean Shift分割后區(qū)域、顏色和紋理特征向量、感知器算法和Adaboost算法進行了比較試驗結(jié)果表明,本文算法的假陽(FP)18.89%,假陰(FN)36.91%,平均錯誤率為23.50%。

【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2010

相關知識

基于時序巡航圖像的茶樹生長監(jiān)測研究
鏡像療法對腦卒中偏癱患者肢體功能康復的研究進展
《大健康數(shù)據(jù)智能分析關鍵方法研究》
運動對大學生心理健康的影響研究——基于citespace知識圖譜分析
中國健康醫(yī)療大數(shù)據(jù)研究綜述——基于期刊論文的分析
基于家庭功能理論的慢性病患者健康行為改善的路徑分析
健康大數(shù)據(jù)的分析方法與應用研究
基于布設障礙的人流控制方法對人群行走步頻的影響研究
人參果的營養(yǎng)成分分析研究
基于嬰幼兒成長特點分析的學步車設計研究

網(wǎng)址: 基于Mean Shift的胃鏡圖像分析方法研究 http://m.u1s5d6.cn/newsview681405.html