算法分析
与质
基于图像去噪的胃部病灶检测及分类算法研究
何颖尹慧平张耀楠
(西安思源学院陕西西安710038)
摘要:由于胃部病灶种类较多,利用计算机辅助诊断提取特征的方法大多针对正常与否分类,而对于多种肾部疾病分类同题的精确度较低。文中采用先分割病灶区域再分类的方法，首先对图像进行预处理,再对内宽统图像分割出病灶区或,通过基于提取较理与额色特征相结合的方法进行特征优化,选取神经网络对图像进行分类，提高分类准确度：
关键词：内宽镜图像胃部病灶图像去噪特征优化
中图分类号：TP311.52
文献标识码:A
文章编号：1007-9416(2016)10-0132-02
Abstract:Gastric cancer is one of the most common maligmant tumor in the wodld scope. Due to gastric lesions sort is more, but the research methodk of extracting characteristics of gastric cancer, mostly foe clasification of nomal or not, and for the accuracy of the various stomach disease classification problem is low. In this paper, we adopt the method of segmentation lesion area first, then classification, first of all, the image preprocessing, and then the focal zone of endoscope image segmentation, based on LBP extraction method combined with color features, texture features optimization, selection of neural network to classify the image, improve the classification acct
Key Words:Endoscopic images; Gastric lesions; Image denoising,; Characteristics of the optimization
1引言
文中采用计算机辅助诊断方法，通过对胃镜图像的数学分析，是目前早期胃瘤诊断研究的一个方向。计算机辅助诊断主要是用于图像识别方面，即首先提取胃部内窥镜图像的相关特征，如颜色、纹理、形状等，然后根据特征进行分类，最终标记出相应的病灶区域，辅助医生诊断治疗。目前采用计算机算法进行识别中现有的特征描述方法如颜色特征描述较少，纹理描述方法复杂，计算量大，般研究方法所选取的特征提取方法较为单一，导致分类效果粗籍准确率较低。为了提高效率，如何对胃部病灶进行自动化检测及快
速准确的分类疾病类型是一项有意义且跟难的工作(2。 2检测及分类方法
2.1图像预处理实现图像分割
图1预处理过的胃溃疡图片
收移日期：2016-08-20
图像预处理的主要目的是消除图像中无关信息，恢复有用信
息，增强有关信息的可检测性和最大限度地简化数据。由于图像光源照射不均勾，很容易影响像区域亮度不同。首先需对图像进行去噪，并对图像使用增强方法，改善图像的视觉效果。通过转换图像颜色空间为Lab空闻，通过明亮度L，设置阔值分割图像，预处理过的胃溃疡图片如图1所示。
图像经过去噪处理就可以对病灶图像进行分割了。由于胃镜图像的颜色特征较为明显，通过聚类方法可以基于色彩空间对彩色图像分割，然后对每个分割出来的区域进行特征的提取。常用的彩色图像分割聚类方法有，K均值，模糊C均值和分层聚类方法4。运用K 均值聚类图像分割技术，提取出病灶区域。K均值聚类算法原理简单，实现灵活，算法效率高。病灶分割后的胃溃病图片如图2所示。
2.2运用多种算法提取特征选择最优算法
图2病灶分割后的胃溃疡图片
基金项目：陕西省教育厅自然科学资助项目(16JK2147);西安恩源学院重大科研项目(XASY-B1601)
作者简介：何额(1983一),女，汉族，陕西渭南人,工学项士学住，讲师，研究方向：信号与信息处理、图像图形处理。万方数据