曲波和灰度共生阵的谱聚类超声图像分割方法开题报告

1. 研究目的与意义

研究了超声图像中病理区域分割问题，提出了一种新颖的基于曲波域和灰度共生矩阵的谱聚类超声图像分割方法。首先对超声图像进行连续分块，并对每个子块采用曲波域中的USFFT变换和灰度共生矩阵的方法得到一系列特征向量，包括如角二阶矩、对比度、相关度、熵、方差、均值和、逆差矩等；其次设计了小样本抽取率的方法来降低谱聚类算法的复杂度；最后以先验的分类信息作为指导，对剩余图像数据样本运用K-近邻思想归类，实现分割算法。实验结果表明该文的方法面向于超声图像病理区域的分割具有很强的准确性和有效性。

2. 国内外研究现状分析

薛琴等人^[1]针对小波不能有效捕捉图像轮廓的不足,提出一种基于第2代曲波变换的图像融合算法。近似分量计算采用加权平均融合规则,细节分量计算采用像素级多分辨率融合扩展框架和对比敏感带通函数融合规则。实验结果表明,该算法在保留源图像边缘轮廓、抑制噪声方面均优于小波,融合图像更符合人眼视觉特性。

李健等人^[2]为了管理和查询海量图像,迫切需要一个基于内容的高检索率的图像检索系统。本文提出了一种以曲波变换为基础,综合香农熵与频域子带能量特征的图像检索算法。该方法用香农熵进行预分类,用子带图像的能量特征进行相似度度量,并加入检索者的反馈信息,实现图像的精确检索。用于brodatz纹理图像库的检索实验结果表明,该系统有高的检索率和一定的实用价值。

王莹等人^[3]研究了曲波变换和颜色直方图在图像检索系统中的应用,在此基础之上提出了一种融合curvelet变换和颜色直方图的彩色图像检索的方法。该方法首先采用curvelet变换提取彩色图像中的纹理特征,再利用颜色直方图提取颜色特征,最后分别用manhattan距离和欧几里德距离进行纹理和颜色的相似性匹配。实验结果表明,融合曲波变换和颜色直方图的方法对图像检索非常有效。

3. 研究的基本内容与计划

首先对超声图像进行连续分块，并对每个子块采用曲波域中的usfft变换和灰度共生矩阵的方法得到一系列特征向量，包括如角二阶矩、对比度、相关度、熵、方差、均值和、逆差矩等；其次设计了小样本抽取率的方法来降低谱聚类算法的复杂度；最后以先验的分类信息作为指导，对剩余图像数据样本运用k-近邻思想归类，实现分割算法。

具体计划

2012年2月 完成开题报告，做好前期准备。

4. 研究创新点

研究了超声图像中病理区域分割问题，提出了一种新颖的基于曲波域和灰度共生矩阵的谱聚类超声图像分割方法。该方法面向于超声图像病理区域的分割具有很强的准确性和有效性。