基于颜色特征向量的无线胶囊内窥镜图像出血检测研究

发布时间：2017-09-08 01:16

  本文关键词：基于颜色特征向量的无线胶囊内窥镜图像出血检测研究

  更多相关文章： 出血检测 无线胶囊内窥镜 维纳滤波 支持向量机 LAB颜色模型 CMYK颜色模型

【摘要】：无线胶囊内窥镜主要针对的是消化道疾病检测,是一种全新的革命性的检测手段。与传统的检测方式相比,胶囊内镜系统能使医生直接观测人的肠胃图像,获取详细的,直观的信息。近年来,由于胶囊内镜具有使用简单、检查方便、无痛苦、检查小肠等优点已成为国内外医疗器械领域研究的热点之一。然而,无线胶囊内窥镜会产生大量的图片。这些图片必须由医生来进行人工判读的话,工作量巨大,花费大量的时间。本文研究的算法主要是用计算机智能辅助技术对出血的胶囊图像进行检测,来减轻医生的工作量。本文研究的核心算法是基于颜色特征向量的胶囊图像的出血检测问题。该算法是以监督学习的方式,基于支持向量机分类器进行分类的。在图像预处理阶段首先根据胶囊图像的特点提取感兴趣区域,接着消除胶囊图像的噪声,通过CLAHE对胶囊图像进行对比度拉伸,在彩色信息分离的理论上对其进行彩色校正。根据几种常见的颜色空间的理论和出血胶囊图像的自身特点,本文采用色彩均匀的LAB颜色模型和适合印刷色彩的CMYK颜色模型,对于红色特征识别方面具有优势的A分量和M分量,将这两个分量结合,提出了两种不同的颜色特征向量构造方法。第一种颜色特征提取算法是一个两阶段的显著特征提取算法,第一阶段是由这两种通道混合来提取二值化特征向量,找到胶囊图像中的出血区域,第二阶段是根据这个出血区域结合RGB获得显著对比,建立一个六维向量特征,设置阈值,归一化处理。这个模型能够观察到出血区域的分布特点,但是构造的维数太大并且依赖于出血区域的大小。第二种颜色特征算法是使用这两种通道混合进行建模,提取二维二值色度信息,相比于第一种算法比较对比度的方法,该特征能够更好地通过去除非必要的颜色区域和使用非等量间隔降维的方式。为了防止特征向量依赖于胶囊图像中出血区域的大小,将该特征向量进行二值化处理。和第一种算法中的全部的彩色空间相比,这个方法不仅效果更好,计算速度更快,是第一种算法的改进。文章结合这两种特征向量与另外一个根据HSV空间进行二值特征向量,金子塔模型,进行了实验结果对比。在文章的结尾处,提出了算法需要改进和提升的地方。
【关键词】：出血检测 无线胶囊内窥镜 维纳滤波 支持向量机 LAB颜色模型 CMYK颜色模型
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;R57
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-15
• 1.1 研究背景8-12
• 1.1.1 胶囊内窥镜的发展及国内外研究现状8-10
• 1.1.2 基于无线胶囊内窥镜图像出血检测技术的国内外现状10-12
• 1.2 课题研究意义12
• 1.3 完成工作和贡献12-13
• 1.4 论文主要工作与结构13-15
• 2 分类检测算法15-22
• 2.1 机器学习理论15-16
• 2.1.1 学习的类型16
• 2.2 经典的监督式学习方法的介绍16-21
• 2.2.1 线性判别分析16-18
• 2.2.2 K近邻18
• 2.2.3 支持向量机18-21
• 2.3 本章小结21-22
• 3 无线胶囊内窥镜图像的预处理22-35
• 3.1 ROI提取23-25
• 3.2 去噪处理25-28
• 3.2.1 均值滤波25-26
• 3.2.2 中值滤波26-27
• 3.2.3 维纳滤波27-28
• 3.3 对比度增强28-32
• 3.3.1 HE图像增强28-30
• 3.3.2 CLAHE图像增强30-32
• 3.4 直方图彩色校正和实验结果32-34
• 3.5 本章小结34-35
• 4 无线胶囊内窥镜图像的特征提取35-55
• 4.1 彩色空间35-41
• 4.1.1 CIELAB彩色空间36-38
• 4.1.2 HSI彩色空间38-40
• 4.1.3 CMYK彩色空间40-41
• 4.2 灰度变换增强41-45
• 4.3 基于颜色直方图向量特征提取45-48
• 4.3.1 第一阶段二值化显著区域特征提取45-46
• 4.3.2 第二阶段六维向量特征提取和归一化处理46-47
• 4.3.3 支持向量机的设计47
• 4.3.4 实验结果47-48
• 4.4 基于二值向量颜色特征快速提取48-54
• 4.4.1 二值向量的由来48-49
• 4.4.2 二值特征向量提取49-51
• 4.4.3 支持向量机的设计51-52
• 4.4.4 实验结果52-54
• 4.5 本章小结54-55
• 5 总结55-57
• 5.1 论文总结55-57
• 致谢57-58
• 参考文献58-62
• 附录62
• A. 作者在攻读学位期间发表的论文目录62

【参考文献】

中国期刊全文数据库 前10条

1 熊亚军;廖晓农;李梓铭;张小玲;孙兆彬;赵秀娟;赵普生;马小会;蒲维维;;KNN数据挖掘算法在北京地区霾等级预报中的应用[J];气象;2015年01期

2 杨骥;杨亚东;梅雪;袁晓龙;袁宇浩;;基于改进的限制对比度自适应直方图的视频快速去雾算法[J];计算机工程与设计;2015年01期

3 孙刘杰;李孟涛;;基于CMYK颜色空间的光全息水印算法研究[J];包装工程;2012年09期

4 张璞;王英;王苏苏;;基于CLAHE变换的低对比度图像增强改进算法[J];青岛大学学报(工程技术版);2011年04期

5 赵高长;张磊;武风波;;改进的中值滤波算法在图像去噪中的应用[J];应用光学;2011年04期

6 张小波;张顺利;;引入修正因子的局部维纳滤波图像去噪[J];计算机与数字工程;2011年05期

7 李楠;刘永强;韩国华;;直方图均衡化在数字图像处理中的应用[J];甘肃科技;2010年18期

8 宋寅卯;李晓娟;刘磊;;图像噪声滤波的研究方法及进展[J];电脑开发与应用;2010年04期

9 王科俊;熊新炎;任桢;;高效均值滤波算法[J];计算机应用研究;2010年02期

10 郝秀兰;陶晓鹏;徐和祥;胡运发;;kNN文本分类器类偏斜问题的一种处理对策[J];计算机研究与发展;2009年01期

中国硕士学位论文全文数据库 前2条

1 燕雪萍;基于颜色识别的肠道出血智能施药胶囊研究[D];重庆大学;2012年

2 王海珍;基于LDA的人脸识别技术研究[D];西安电子科技大学;2010年

，

本文编号：811013