基于NSCT和SVM的脑MRI医学图像识别

徐楠楠　葛玉荣　王佳奕

摘 要： 利用NSCT变换具有多尺度和平移不变性，能够稀疏地表示纹理图像的特点，将具有丰富纹理信息的人体脑部核磁共振（MR）图像，从空间域变换到频率域表示。提取变换后表征图像特性的低频子带均值、方差及高频16个方向子带能量作为特征向量，输入SVM分类器进行分类识别。实验结果表明该方法对非病变脑部MR图像识别准确率达到100%，病变脑部MR图像的识别率达到90.90%，综合识别率达到95.45%。且该方法提取的特征维数少，识别速度快，识别率高，能够快速区分病变与非病变脑部MR图像。

关键词： NSCT； 脑部MR图像； 纹理特征； 支持向量机

中图分类号： TN919?34； TP391.41 文献标识码： A 文章编号： 1004?373X（2014）12?0063?04

Abstract： Using the characteristics of multi?scale selection and shift invariance of nonsubsampled contourlet transform （NSCT）， the features of texture images can be depicted sparsely， and the magnetic resonance （MR） brain images with plenty of texture information can be converted from spatial domain to frequency domain. The mean value and variance of low?frequency subband， and energy of high frequency sixteen direction subbands that can feature the image characters are extracted as feature vectors， and sent into the classifier of support vector machine for classification and identification. The experimental results show that the method's recognition accuracy rate of normal and abnormal brain MR images is 100% and 90.90% respectively， and the mean recognition rate is up to 95.45%. This method can distinguish the normal and abnormal brain MR images quickly with less feature dimensions.

Keywords： NSCT； MR brain images； texture feature； support vector machine

0 引 言

图像纹理反映了图像基元的灰度分布规律，它描述了图像局部无规则而宏观有规则的特征。将空间域的纹理图像变换到频率域，能在更精细的尺度上分析纹理，且符合人类的视觉特征，因此得到了广泛的应用。在医学上，通过分析病变组织和器官医学图像的纹理结构特征，可以为医生在临床诊断和制定治疗方案以及观察疗后恢复情况等方面获得科学的依据[1?2]。近年来，针对医学图像在变换域提取纹理特征进行病变图像的识别，研究者做了大量的尝试。Semler和Dettori使用从小波子带中提取的平均值、方差、共生矩阵等统计特征作为纹理特征[3]，对5种CT图像进行了分类研究，宋余庆等人用Gabor小波变换技术和SVM对医学CT图像进行纹理特征分类，两者使用特征向量维数较多，计算复杂且用时较长，识别的准确率不高[4]；……