基于支持向量机的X线图像分割技术研究
【摘要】:骨科X线图像是骨骼诊断的主要依据,但是一直以来X线图像都是通过人工方法来判读的,判断结果常由于人为主观原因造成诊断错误。随着图像处理技术和计算机技术的发展,人们提出利用计算机辅助判读X线图像,在一定程度上能够提高诊断的效率和准确率。从肌肉组织中分割出骨骼组织是计算机辅助判读的基础,本文主要针对X线图像研究如何正确地从X线图像中提取出骨骼组织。
由于X线图像的区域灰度不均匀和对比度比较低,很难从X线图像中分割出骨骼组织。本文提出基于梯度的X线图像分割方法和基于支持向量机(SVM)的X线图像分割方法两种方式来完成图像的分割。
基于梯度的X线图像分割方法中,利用目标边界梯度较大的特点,仅仅对边界像素进行处理。通过寻找梯度图像中的最大梯度点作为搜索梯度图的起始点,根据目标的个数确定跟踪的次数,每分割出一个目标,对分割出的目标边界像素的八邻域进行置零处理。通过三轮跟踪,实现了X线图像的分割。这种方法对初始点和跟踪方向特别敏感。
基于支持向量机的X线图像分割中,设计了一种基于支持向量机的预处理方法,包括图像增强和目标区域定位两部分。然后针对支持向量机的三个问题:样本选择、特征提取、核函数选择和参数调整进行了讨论,并计算了不同情况下的分割错误率。最终采用模糊C均值聚类的方式自动选择训练样本,提取九维邻域灰度值作为特征向量,实现了X线图像骨骼组织的分割。