医学图像的特征提取

1.医学图像处理的基本流程：图像预处理、特征提取、分类。其算法的设计关键为特征提取和分类两部分。
2.疾病的诊断取决于对医学图像的获取和医学图像的解释。
3.主要研究工作为利用图像处理技术，通过形状、颜色、纹理以及与周围组织的关系等数据信息的处理，来对图像进行准确的分析，以此区别出正常和异常的医学图像
4.研究目的及意义：不同模式的图像信息因其成像原理不同具有各自的特点，存在对比度和分辨率的差异；成像设备、患者体位移动、形状的复杂性和易变性使得医学图像不明确、不连续，数据量大。
5.特征提取：对研究对象固有的、本质的及重要的特征属性进行测量并将结果数值化，或将对象分解并符号化，形成特征矢量或符号串、关系图的过程。
6.图像特征：形状：利用提取图像对象的边缘信息来获取，主要方法为Roberts、Prewitt、Sobel算子、Laplacian边缘检测算子以及Cannv算子等。
7.纹理特征：纹理是目标图像的重要特征，可以认为是灰度或颜色在空间分布的规律所形成的图案
8.医学图像的特点：1多模态性（解剖图像；不同功能活动状况的功能图像）
                 2灰度上的模糊性（内部因素，牙齿和股骨的灰度值在密度上的区别；外部因素：噪声的干扰）
                 3既有局部效应
                 4不确定性特点
9.医学图像的特征提取：颜色、纹理、形状
10.形状特征：基于边界利用形状的外部边缘（傅里叶描述子、链码、边界矩、边近界似）、基于区域利用形状的全部区域（矩不变量，还有区域的面积、形状的纵横比、形状矩、几何矩）  
基于边界的特征提取：一阶微分Robert、Prewitt、Sobel算子
                       二阶微分Laplacian边缘检测算子
                       基于最优方法算子Canny
基于区域的特征提取：似圆度（C=P^2/4∏A目标物体的周长平方和其面积之比，描述物体的形状和圆的近似度，C值越大，目标物体的形状越复杂）
                       转动惯量NMI
                       几何矩(利用目标所占区域的矩作为形状描述参数)
11.纹理特征：纹理能够对视觉图像中不同区域的结构、方向、粒度和规则性的差异进行有效的描述，符合人类的视觉特性。纹理不仅包含了物体表面性质或特征，还在一定程度上反映他们和环境的关系，因此，纹理特征在表述灰度统计信息之余，还能够体现出结构信息和空间分布。
纹理可以分为两类：a反复出现，方向性明确的结构性纹理，这种纹理的基元排列比较规则
                  B随机性纹理，通过统计特征给出。
方法：统计(一阶统计量一阶灰度直方图，在实际应用中，取整个直方图作为纹理特征是没有必要的，通常提取几个重要特征，主要包括关于原点的r阶矩、关于均值的r阶中心矩、扭曲度、峰度、熵；二阶统计量灰度共生矩阵,是考虑处于几何位置的一对对像素的灰度相关性并以这一对对像素出像某种灰度的条件概率来表征纹理，可以定量的描述特征，能量、熵、惯性矩、相关、局部平稳)和结构
灰度共生矩阵和小波变换