随着各种模态的医学影像设备大量出现,特别是256排CT和高场强MR的临床应用,医学图像的复杂性和重要性需要高效的图像检索与管理方法。传统的基于文本关键字的图像检索方法已不能满足对大型医学图像数据库检索的需要,基于内容的图像检索(Content-Based Image Retrieval,CBIR)技术于是应运而生。基于内容的图像检索是从图像本身的内容出发,由计算机提取图像本身所包含的颜色、纹理、形状等信息,通过检索这些信息对图像数据库进行检索。CBIR是利用图像的低级特征来检索相似性图像,在医学图像数据库检索中有着广泛的需求,而医学图像除了图像的内容信息外还包含大量的文本或语义的信息,高级语义和低级特征的“语义鸿沟”是影响检索效果的重要原因。因此,本文提出了联合DICOM高级特征和图像内容低级特征的方法来检索相似的医学图像,达到减少“语义鸿沟”的目的,从而提高检索效果。本文首先介绍了影像图像的特点、医生检索习惯和图像数据库的建立,提取了图像DICOM的信息头的信息,选取了部分与实验相关的头信息进行存储;接着论述了CBIR系统纹理和形状特征提取及特征比较方法,实验选用DT-CWT小波变换和Canny算子分别提取图像的纹理特征和形状特征;然后根据医学图像的特点,选取DICOM头信息对图像进行预筛选,再提取经预筛选后的图像和样本图像的纹理特征和形状特征,相比较得到相似图像。PACS中图像检索的方法是基于文本的,CBIR中图像检索的方法是基于图像内容的,这两者的有机结合正是放射科医生所需的,基于此目的,本文最后提出了CBIR系统无缝集成到PACS中的平台模型。以本文的算法为基础实现了一个基于内容的图像检索实验系统,对于实验系统的测试和实验也证明了联合高级语义(DICOM特征)和低级特征(纹理、形状)的方法能提高检索的效能。
