基于波原子變換的超聲圖像紋理特征分類

李紅衛，杜 銳，胡銀偉

（1.中部戰區總醫院（漢口院區）醫學工程科，武漢 430010；2.中部戰區總醫院（漢口院區）超聲影像科，武漢 430010）

0 引言

2007年Demanet和Ying提出了一種新的、多尺度的圖像分析工具[1-2]，即波原子變換。波原子變換可被認為是小波變換和Gabor原子變換的插值分析與計算，是一種特殊二維波包的變體，在很大程度上滿足拋物線尺度關系，即波長約等于支撐尺寸的平方，并且其支撐區間具有各向同性的特點。文獻[3]指出灰度直方圖紋理特征過于單一；文獻[4]指出小波對于曲線不具備稀疏表示的能力，脊波冗余高、運算速度慢、精度低，曲波離散化困難等。與傳統小波和曲波等相比，波原子能為振蕩紋理圖像提供更為稀疏的表示，能夠捕獲高維奇異特征和紋理信息。

目前，對醫學圖像紋理特征進行分類所采用的提取方法主要有灰度共生矩陣（gray-level co-occurrence matrix，GLCM）[5]、Gabor小波變換[6]、小波變換[7]等。付燕等[5]把灰度直方圖、灰度共生矩陣、傅里葉變換和小波變換對應的紋理特征進行了對比，用單一特征對肝臟圖像進行分類的準確率分別為73.33%、86.67%、81.69%和90.00%。國內對波原子變換的研究主要集中在圖像和信號濾波去噪處理方面[8-9]，如圖1所示。本文提出了波原子變換的一種新應用，分析其在超聲圖像紋理特征分類上的性能，用波原子變換提取肝臟組織、血管組織和遠場陰影的紋理特征，再利用奇異值分解（singular value decomposition，SVD）優化波原子系數，選取合適的特征值，最后利用支持向量機（support vector machine，SVM）進行分類，實驗結果表明，該方法對于超聲圖像組織紋理分類有較高的穩定性和分類率。……