1.醫學圖像處理的基本流程：圖像預處理、特征提取、分類。其算法的設計關鍵為特征提取和分類兩部分。
2.疾病的診斷取決于對醫學圖像的獲取和醫學圖像的解釋。
3.主要研究工作為利用圖像處理技術，通過形狀、顏色、紋理以及與周圍組織的關系等數據信息的處理，來對圖像進行準確的分析，以此區別出正常和異常的醫學圖像
4.研究目的及意義：不同模式的圖像信息因其成像原理不同具有各自的特點，存在對比度和分辨率的差異；成像設備、患者體位移動、形狀的復雜性和易變性使得醫學圖像不明確、不連續，數據量大。
5.特征提取：對研究對象固有的、本質的及重要的特征屬性進行測量并將結果數值化，或將對象分解并符號化，形成特征矢量或符號串、關系圖的過程。
6.圖像特征：形狀：利用提取圖像對象的邊緣信息來獲取，主要方法為Roberts、Prewitt、Sobel算子、Laplacian邊緣檢測算子以及Cannv算子等。
7.紋理特征：紋理是目標圖像的重要特征，可以認為是灰度或顏色在空間分布的規律所形成的圖案
8.醫學圖像的特點：1多模態性（解剖圖像；不同功能活動狀況的功能圖像）
? ? ? ? ? ? ? ? ?2灰度上的模糊性（內部因素，牙齒和股骨的灰度值在密度上的區別；外部因素：噪聲的干擾）
? ? ? ? ? ? ? ? ?3既有局部效應
? ? ? ? ? ? ? ? ?4不確定性特點
9.醫學圖像的特征提取：顏色、紋理、形狀
10.形狀特征：基于邊界利用形狀的外部邊緣（傅里葉描述子、鏈碼、邊界矩、邊近界似）、基于區域利用形狀的全部區域（矩不變量，還有區域的面積、形狀的縱橫比、形狀矩、幾何矩） ?
基于邊界的特征提取：一階微分Robert、Prewitt、Sobel算子
? ? ? ? ? ? ? ? ? ? ? ?二階微分Laplacian邊緣檢測算子
? ? ? ? ? ? ? ? ? ? ? ?基于最優方法算子Canny
基于區域的特征提取：似圓度（C=P^2/4∏A目標物體的周長平方和其面積之比，描述物體的形狀和圓的近似度，C值越大，目標物體的形狀越復雜）
? ? ? ? ? ? ? ? ? ? ? ?轉動慣量NMI
? ? ? ? ? ? ? ? ? ? ? ?幾何矩(利用目標所占區域的矩作為形狀描述參數)
11.紋理特征：紋理能夠對視覺圖像中不同區域的結構、方向、粒度和規則性的差異進行有效的描述，符合人類的視覺特性。紋理不僅包含了物體表面性質或特征，還在一定程度上反映他們和環境的關系，因此，紋理特征在表述灰度統計信息之余，還能夠體現出結構信息和空間分布。
紋理可以分為兩類：a反復出現，方向性明確的結構性紋理，這種紋理的基元排列比較規則
? ? ? ? ? ? ? ? ? B隨機性紋理，通過統計特征給出。
方法：統計(一階統計量一階灰度直方圖，在實際應用中，取整個直方圖作為紋理特征是沒有必要的，通常提取幾個重要特征，主要包括關于原點的r階矩、關于均值的r階中心矩、扭曲度、峰度、熵；二階統計量灰度共生矩陣,是考慮處于幾何位置的一對對像素的灰度相關性并以這一對對像素出像某種灰度的條件概率來表征紋理，可以定量的描述特征，能量、熵、慣性矩、相關、局部平穩)和結構
灰度共生矩陣和小波變換

總結

以上是生活随笔為你收集整理的医学图像的特征提取的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。