1、實(shí)現(xiàn)醫(yī)學(xué)圖像的有效識(shí)別是目前計(jì)算機(jī)科學(xué)和醫(yī)學(xué)交叉領(lǐng)域研究的熱點(diǎn)，而影響醫(yī)學(xué)圖像識(shí)別效果的主要因素涉及特征提取和識(shí)別方法兩個(gè)方面。 醫(yī)學(xué)圖像特征提取是醫(yī)學(xué)圖像識(shí)別的基礎(chǔ)性工作。本文在深入分析國(guó)內(nèi)外醫(yī)學(xué)圖像特征提取算法的基礎(chǔ)上，重點(diǎn)研究探索了基于Gabor小波的紋理特征提取方法。 針對(duì)提取多類(lèi)特征后，如何將之應(yīng)用于醫(yī)學(xué)圖像識(shí)別，以便取得令人滿意的識(shí)別率，本研究著重探索了多特征融合的醫(yī)學(xué)圖像識(shí)別問(wèn)題。 論文主要工作體現(xiàn)

2、在以下三方面： (1)系統(tǒng)總結(jié)和評(píng)價(jià)圖像的顏色特征、紋理特征、形狀特征和語(yǔ)義特征的提取方法。對(duì)各類(lèi)特征提取方法中的典型代表，如：灰度直方圖特征、灰度共生矩陣特征、不變矩特征、聚類(lèi)特征等，在MATLAB7.0環(huán)境下進(jìn)行詳細(xì)的分析和研究。 (2)研究并提出基于有效數(shù)據(jù)網(wǎng)格的Gabor小波紋理特征提取算法。針對(duì)Gabor小波紋理特征提取算法的特點(diǎn)，試圖讓提取的特征更好地表達(dá)醫(yī)學(xué)圖像內(nèi)容，運(yùn)用醫(yī)學(xué)圖像網(wǎng)格劃分的方法，提出基于有效

3、數(shù)據(jù)網(wǎng)格的Gabor小波紋理特征提取算法，并給出了算法流程、進(jìn)行了實(shí)驗(yàn)比較。 (3)研究并提出醫(yī)學(xué)圖像多特征融合的識(shí)別算法。針對(duì)任何一類(lèi)特征都不能很好地表達(dá)醫(yī)學(xué)圖像內(nèi)容的問(wèn)題，提出了一種基于特征級(jí)數(shù)據(jù)融合和決策級(jí)數(shù)據(jù)融合相結(jié)合的識(shí)別框架。研究結(jié)果表明，采用主元分析進(jìn)行特征級(jí)數(shù)據(jù)融合，既可以使融合后的特征較好的表達(dá)醫(yī)學(xué)圖像內(nèi)容，同時(shí)還達(dá)到了特征降維、去除特征間冗余的目的；采用多數(shù)投票法進(jìn)行決策級(jí)數(shù)據(jù)融合，可以充分利用不同分類(lèi)器之間