3。1。2 算法实现 11

3。1。3 测试结果及分析 11

3。1。4 算法改进措施 12

3。2 Tamura纹理分析法 13

3。2。1 Tamura纹理特征 13

3。2。2 测试结果及分析 15

3。3 局部二值模式（LBP） 15

3。3。1 LBP算法原理 16

3。3。2 算法实现 16

3。3。3 测试结果及分析 17

3。4 本章小结 18

第四章 基于频谱法的纹理特征提取方法 19

4。1 Gabor滤波法 19

4。1。1 原理 19

4。1。2 算法实现 20

4。1。3 测试结果及分析 21

4。2 本章小结 22

第五章 总结与展望 23

5。1 总结 23

5。2 展望 23

致 谢 24

参 考 文 献 25

附  录 26

第一章 绪论

1。1 研究背景和意义

早期的图像只是被用于记录信息，而缺乏有效的工具来开发和应用这些信息。而现在，如何充分的挖掘信息并提取出有效的信息已成研究的主流。图像作为信息的主要载体之一，必然成为了重点的研究对象。随着计算机的飞速发展，数字图像处理技术得以实现和应用。如今图像处理技术已经广泛的应用到众多领域，如基于人脸识别的安防系统、基于车牌识别的智能交通系统以及当前火热的虚拟现实技术等随处可见图像处理技术的应用。医学图像由于与人们的健康息息相关，因而医学图像处理一直是图像处理技术的重点研究领域。

 传统的医学图像处理多是基于X光、B超和CT等技术的应用，处理这些图像非常依赖医生的个人经验，费时费力，而且容易受到医生个人主观影响，效率不高。这使得传统的依靠医生的个人经验进行医学图像分析难以跟上时代的步伐。因此，以计算机为基础的数字图像处理技术在医学上的应用得到了人们的重视，这方面的研究成果也开始纷纷涌现。出现了如数字减影血管造影DSA、三维重建、图像存档与通讯系统PACS等应用。

当前，医学图像的一个主流应用是进行图像的分类和检索。凭借医生的个人经验对图像进行分析来诊断病情既耗费时间也难以保证准确率。通过建立庞大的医学图像资源库和图像检索系统，能充分实现医疗资源共享。这项应用能够极大的减轻医生的工作量，提高工作效率，减少病人的痛苦时间，使其获得更好的诊断方法。另外，通过运用图像处理技术能充分地挖掘医学图像中的有用信息，一方面这使得医生能够更加全面的掌握病人的病情，从而能过采用最合适的方法治疗。另一方面，这能使医生及早的的发现隐藏的病情，如早期癌症，这很符合医学的早发现早治疗原则。总之，医学图像处理是一项非常实用的技术，它是值得去研究的。

本文研究的重点是医学图像的纹理特征提取。提取的纹理特征提数据将作为医学图像分类与检索系统的数据库，是图像分类与检索的第一步，对后续的图像分类与检索的效果起着至关决定性的作用，而图像分类与检索则是对特征提取方法的效果验证和应用。 医学图像纹理特征提取+Matlab源程序(2):http://www.youerw.com/zidonghua/lunwen_100891.html