论文部分内容阅读
随着信息和医学技术的发展,CT. MRI等数字化医疗设备在临床工作和辅助诊断中得以日益广泛的应用。这些设备使得医疗机构产生了大量的医学图像数据,在现代临床诊断和医学研究中,医学图像已经成为了不可缺少的工具。如何快速、有效地从这些海量的医学图像中检索出需要的图像成为一个日趋迫切的问题。基于内容图像检索技术的发展和应用一方面大大减轻了医生的工作负担,提高了效率；另一方面,使得医学图像的诊断更加客观化,增加了诊断的准确性。目前基于内容的医学图像检索提取的特征维数一般都很高,从图像提取的特征往往需要占用计算机大量内存,导致图像检索的效率较低,并且图像的相似度计算比较复杂,致使图像检索的速度不高。图像感知哈希技术是在传统哈希技术基础上提出来的一种新的图像处理技术,图像感知哈希的鲁棒性以及良好的压缩性为医学图像的检索提供了准确高效的技术支撑。图像感知哈希技术可以将提取的特征压缩为一个几十或者几百比特的二值序列,并利用汉明距离进行相似度计算,这极大的减少了医学图像特征的存储量,同时相似度计算的复杂度也大大降低了。本文将图像感知哈希技术应用于医学图像检索,提出了两种新的基于感知哈希的医学图像检索算法。(1)提出了一种基于DCT和LBP感知哈希的检索算法。该算法首先将医学图像进行分块处理,针对每个图像块,将频域特征用离散余弦变换后的低频系数表示,得到频域特征,然后对每个图像块提取LBP特征,两者进行融合,利用主成份分析法进行压缩量化,最终得到二值化特征序列,利用汉明距离进行相似度计算。(2)提出了一种基于NMF和Zernike矩的感知哈希医学图像检索算法。该算法将医学图像进行NMF分解,得到图像的局部特征,同时计算图像的Zernike矩,得到医学图像的全局特征,将这两种特征进行融合,最终得到二值化特征序列,利用汉明距离进行相似度计算。实验表明,本文提出的这两种算法具有良好的检索效果。