1、隨著計算機視覺與各種先進(jìn)醫(yī)療成像設(shè)備的不斷發(fā)展,醫(yī)學(xué)圖像包含的信息也越加豐富。這對自動化臨床醫(yī)療診斷有著十分重大的意義。利用單一的圖像特征很難全面、精確地表達(dá)醫(yī)學(xué)圖像的內(nèi)容,多特征融合已成為提取醫(yī)學(xué)圖像有效特征的必然途徑。它綜合利用醫(yī)學(xué)圖像的各種信息可以對其有更快速和準(zhǔn)確的理解。
　　信息融合由低到高分為三個層次,特征級融合在盡量保留原始信息的基礎(chǔ)上,又克服了原始數(shù)據(jù)量大而不穩(wěn)定的特點,提取的融合特征可以有效地用于醫(yī)學(xué)圖像識別。<

2、br>　　本文首先對灰度直方圖特征、顏色矩特征、灰度共生矩陣特征、離散小波變換特征和不變矩特征進(jìn)行了詳細(xì)的研究與實現(xiàn),這是特征融合的基礎(chǔ)。其次研究了基于多元統(tǒng)計分析的主成分分析(PCA)方法在特征級融合中的應(yīng)用,并利用采集到的肝臟B超圖像進(jìn)行識別,對識別結(jié)果進(jìn)行了分析與比較。最后通過對提取的肝臟圖像特征分析與研究,初始特征在有些維上存在明顯的相關(guān)性,提取的高維特征直接應(yīng)用于融合中,增加了后期處理過程中的時間復(fù)雜度。提出利用模糊方法進(jìn)行特

3、征粗選擇,再結(jié)合PCA進(jìn)行融合,并應(yīng)用在肝臟B超圖像識別中,對識別效果從平均正確率和識別時間性能兩方面進(jìn)行分析與比較。
　　實驗結(jié)果表明,融合特征對醫(yī)學(xué)圖像信息表達(dá)更完全更有效,可以帶來更好的識別效果。對不同樣本圖像下的特征選擇結(jié)果進(jìn)行分析與比較,結(jié)果表明模糊方法進(jìn)行特征選擇是穩(wěn)定和有效的。通過與直接PCA融合應(yīng)用結(jié)果比較,特征選擇后的識別效果更好,不僅提高了識別平均正確率,還降低了識別過程的時間復(fù)雜度,實時性能更優(yōu),更能有效地用