图像特征提取与分析复习资料.docx
- 文档编号:28552471
- 上传时间:2023-07-18
- 格式:DOCX
- 页数:5
- 大小:20.91KB
图像特征提取与分析复习资料.docx
《图像特征提取与分析复习资料.docx》由会员分享,可在线阅读,更多相关《图像特征提取与分析复习资料.docx(5页珍藏版)》请在冰豆网上搜索。
图像特征提取与分析复习资料
图像分割概念:
图像分割就是把图像分成各特性的区域并提取出感兴趣目标的技术和过程。
这些区域互相不交叉,每一个区域都满足特定区域的一致性。
医学图像的特点:
成像设备的局限性、组织的蠕动-----伪影和噪声局部体效应------组织边缘模糊病变组织---------病变边缘不明确不均匀的组织器官-------灰度不均匀模糊、不均匀、个体差异、复杂多样医学图像分割方法的特点1、分割算法一般面向具体的分割任务,没有通用的方法2、重视多种分割算法的有效结合3、需要利用医学中大量领域的知识4、交互式分割方法受到日益重视图像分割算法基于区域的分割方法基于边缘的分割方法基于数学形态学的分割方法灰度阈值法:
灰度值域法是把图像的灰度分成不同的等级,然后用设置灰度阈值的方法确定有意义的区域或分割物体的边界.令f(x,y)原始图像f(x,y)T1g(x,y)f(x,y)T0f(x,y)T1g(x,y)f(x,y)T0阈值的选取:
1直方图法(极小值点阈值)2最小误差阈值3迭代阈值分割4最大方差阈值分割边缘检测(EdgeDetection):
基本思想是先检测图像中的边缘点,再按照某种策略将边缘沿点连接成轮廓,从而构成分割区域。
边缘:
指图像局部亮度变化显著的部分.边缘的检测方法:
最简单的边缘检测方法是并行微分算子法。
利用相邻区域的像素值不连续的性质,采用一阶或二阶导数来检测边缘点。
一阶导数求极值点,二阶导数求过零点。
一阶梯度算子:
Roberts交叉算子Sobel算子Priwitt算子二阶拉普拉斯算子:
在此基础上LoG算子Canny算子:
推导了最优边缘检测算子区域生长(regiongrowing)基本思想:
将具有相似性质的像素集合起来构成区域。
具体步骤:
先对每个需要分割的区域找一个种子象素作为生长的起点,然后将种子象素周围邻域中与种子象素具有相同或相似性质的像素(根据某种事先确定的生长或相似准则来判定)合并到种子象素所在的区域中。
将这些新象素当作新的种子象素继续进行上面的过程,直到在没有满足条件的像素可被包括进来。
这样一个区域就生长了。
解决的问题:
①如何选择一组能正确代表所需区域的种子象素;
②如何确定在生长过程中能将相邻象素包括近来的准则;③如何确定生长终止的条件或规则例如:
每一步所接受的邻近点的灰度级与先前物体的平均灰度级相差小于2。
起始第二步第三步558655865586489748974897228322832283333333333333分裂合并(splittingandmerging)基本思想:
从整幅图像开始通过不断分裂得到各个区域.具体步骤:
先把图像分成任意大小且不重叠的区域,然后再合并或分裂这些区域以满足分割的要求.图象四叉树迭代分裂算法R1R2R41R42R3R43R44哈夫(Hough)变换是一种检测、定位直线和解析曲线的有效方法。
是把二值图变换到Hough参数空间,在参数空间用极值点的检测来完成目标的检测。
主要用于检测二值图像中的直线或者曲线。
点-线的对偶性(duality):
在图像空间XY中,所有过某点(x,y)的直线都满足方程ypxqP为斜率,q为截距。
上式也可写成qpxy如果我们将x,y看成参数,它代表参数空间PQ中过点(p,q)的一条直线。
图像空间中同一条直线上的点对应在参数空间里是相交的直线。
反过来,在参数空间中相交于同一点的所有直线,在图象空间里都有共线的点与之对应。
这就是点线的对偶性。
数学形态学(MathematicsMorphology)基本思想:
用具有一定形态结构的结构元素去量度和提取图像中的对应形态以达到对图像分析和识别的目的。
数学形态学的数学基础和所用语言是集合论。
结构元素:
被形象的称作刷子,是膨胀和腐蚀操作的最基本组成部分,用于测试输入图像。
ˆ)AAbx|[(B膨胀xAbx|(B)A腐蚀x开启:
使用同一个结构元素对图像先进行腐蚀运算然后在进行膨胀的运算称为开启。
用来消除小对象物、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其体积。
闭合:
先进行膨胀运算然后在进行腐蚀的运算称为闭合。
它具有填充图像物体内部细小孔洞、连接邻近的物体,在不明显改变物体的面积和形状的情况下平滑其边界的作用。
形态运算举例:
(1)噪声滤除
(2)边界提取(3)骨架化在某些应用中,针对一幅图像,希望将图像中的所有对象简化为线条,但不修改图像的基本结构,保留图像的基本轮廓,这个过程就是所谓的骨架化。
图像描述:
用一组数量或符号(也称描述子)来表达图像物体的某些特征。
特征提取:
原始特征的数量很大,或者说原始样本处于一个高维空间中,通过映射或变换的方法可以将高维空间中的特征描述用低维空间的特征来描述,这个过程就叫特征提取。
图像特征:
指图像的原始特性或属性。
常用的图像特征有颜色特征、形状特征、幅度特征、纹理特征、变换系数特征、空间特征。
在所有的图像特征中,最基本的是图像的幅度特征。
可以在某一像素点或其邻域内做出幅度的测量,例如在区域N×N内的平均幅度,即:
NN1f(x,y)f(i,j)2Ni0j0边界描述:
为了描述目标物的二维形状,通常采用的方法是利用目标物的边界来表示物体,即所谓的边界描述。
链码描述4向链码8向链码2(90)1(90)3(135)1(45)2(180)0(0)4(180)0(0)5(225)7(315)6(270)3(270)对任一像素点P,考虑它的8个邻近像素,指向符共有8个方向,分别用0、1….7表示链码表示就是从某一起点开始沿曲线观察每一段的走向并用相应的指向符来表示,结果形一个数列。
可以用链码来描述任意曲线或者闭合的边界。
例0000001771073622B35702152252444253622530173A6210BAa)原链码方向b)逆时针旋转90°图a曲线的链码为:
01122233100000765556706
其差分链码为:
1010010670000777001116图b曲线的链码为:
23344455322222107770120其差分链码为:
1010010670000777001116差分链码可用相邻两个方向数按反方向相减(后一个减去前一个),并对结果作模8运算得到。
例曲线的链码是:
6022222021013444444454577012其差分链码是:
220000627712100000017120111区域面积:
图像中的区域面积用同一标记的区域内像素的个数总和来表示。
m1n1Af(x,y)x0y0按上述表示法区域R的面积S=41。
距离1)欧几里德距离(Euclidean)22d(P,Q)(xu)(yv)ed(P,Q)xuyv2)4-邻域距离(City-block城区距离)4d(P,Q)max(xu,yv)3)8-邻域距离(Chessboard棋盘距离)8
纹理:
是指人们所观察到的图像像素(或子区域)的灰度变化规律。
习惯上把图像中这种局部不规则而宏观有规律的特性称为纹理。
灰度共生矩阵(GrayLevelCo-occurrenceMatrix)是由Haralick提出的一种用来分析图像纹理特征的重要方法,是常用的纹理统计分析方法之一,它能较精确地反映纹理粗糙程度和重复方向。
设f(x,y)为一幅N×N的灰度图像,d=(dx,dy)是一个位移矢量,其中dx是行方向上的位移,dy是列方向上的位移,L为图像的最大灰度级数。
灰度共生矩阵定义为从f(x,y)的灰度为i的像素出发,统计与距离为δ=(dx2+dy2)1/2,灰度为j的像素同时出现的概率P(i,j|d,θ)xf(x,y)=idxiθdyδjf(x+dx,y+dy)=jyP(i,j|d,){(x,y)|f(x,y)i,f(xdx,ydy)j}灰度共生矩阵的第i行第j列元素表示图像上两个相距为δ、方向为θ、分别具有灰度级i和j的像素点对出现的次数。
(x,y)是图像中的像素坐标,x,y的取值范围为[0,N-1],i,j的取值范围为[0,L-1],一般θ取0°,45°,90°,135°。
(课本P142)012301例:
123012230123设图像矩阵为A=301230012301123012p(0,0)p(0,1)p(0,2)p(0,3)0807p(1,0)p(1,1)p(1,2)p(1,3)8080P(Dx1,Dy0)Ap(2,0)p(2,1)p(2,2)p(2,3)08070°p(3,0)p(3,1)p(3,2)p(3,3)70704*4
0120001400P(Dx1,Dy1)A0012045°00012灰度共生矩阵的特征量:
(1)对比度(Contrast,CON)
(2)能量(角二阶矩Angularsecondmoment,ASM)(3)熵(Entropy,ENT)(4)相关性(Correlation,COR)(5)方差和(Sumvariance,SV)(6)反差分矩(Inversedifferencemoment,IDM)(7)中值
(10)差异性
指对于一幅医学图像寻求一种(或一系列)空间变换,使它与另一幅医学图像上的对应点达到空间上的一致。
多模(multimodality)医学图像配准:
指待配准的两幅图像来源于不同的成像设备。
医学图像配准方法可分为前瞻性和回顾性两种。
如果在成像前,在病人的颅骨附近固定标志点或定位框架,成像后通过对齐标志点使两幅图像配准,称为前瞻性配准算法。
如果成像时不采取任何措施,在成像后应用某种算法寻找两幅图像的空间对应关系,则称为回顾性配准。
医学图像基本变换
(1)刚体变换(Rigidbodytransformation)
(2)仿射变换(Affinetransformation)(3)透视或投影变换(PerspectiveorProjectivetransformation)(4)非线性变换(Nonlineartransformation)刚体:
指物体内部任意两点间的距离保持不变。
图像配准常用的评估方法1、体模(Phantom)2、准标(fiducialmarks)3、图谱(atlas)4、目测检验(VisualInspection)医学图像融合:
指将两幅(或两幅以上)来自不同成像设备或不同时刻获取的已配准的图像,采用某种算法,把各个图像的优点或互补性有机结合起来,获得信息量更丰富的新图像的技术。
常用的图像融合方法一、基于空域的图像融合1、图像像素灰度值极大(小)融合法2、图像像素灰度值加权融合法二、基于变换域的图像融合1、图像的二维小波分解1、小波分解;2、融合:
针对小波分解系数的特性,对各个不同分辨率上的小波分解得到的频率分量采用不同的融合规则分别进行融合处理;
3、逆变换:
对融合后系数进行小波逆变换,得到融合图像。
图像融合客观评价1、熵2、交叉熵CE3、交互信息量MI4、图像均值模式识别(PatternRecognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。
模式识别又常称作模式分类.模式识别的方法:
有监督的模式识别和无监督的模式识别.模式识别系统框图利用输入设备将根据信息需求图像文字声音等设计特征提取算子输入计算机数据数据特征决策结果预处理提取分类输出获取优化统计指标根据目标集合的不同为特征提取作准备性质进行分类良好的特征的特点1、可区别性2、可靠性3、独立性4、数量少计算机辅助诊断(computer-aideddiagnosis/detection,CAD)
图像预处理技术主要是为后续处理提供高质量的图像。
图像预处理主要是增强图像特征,包括增强对比度和去除背景噪声,以便于后续的图像分割和特征提取。
图像分割就是将各个具有不一致性的区域分割出来,使它们互不相交,从而为感兴趣区的提取、定性、定量分析提供基础。
特征提取技术:
对分割出的病灶进行特征参数计算,用来作为分类的依据,即判别分割出的病灶是良性还是恶性的依据。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 特征 提取 分析 复习资料
![提示](https://static.bdocx.com/images/bang_tan.gif)