基于双树复数小波和最大似然规则的MR图像检索
王文辉① 郑小云①
①中山大学附属第六医院，510655，广州市天河区员村二横路19 号
摘 要 基于内容的医学图像检索具有重要的临床意义，本文基于最大似然规则，推导出基
于概率密度和K-L 测度的图像检索方法，以此为指导，采用双树复小波对图像进行二阶分解，
对所得的12 个子带图的小波系数的直方图进行广义高斯密度模型的参数估计，以得到的12
组参数作为图像的纹理特征，用K-L 距离作为相似性测度进行图像检索。实验证明本文算法
能较好的检索出相似疾病的MR 图像。
关键词 图像检索 双树复小波 最大似然规则 纹理特征 K-L距离
1 引言
医学图像如CT、MRI、SPECT、PET 等包含了丰富的信息，为临床诊断提供
了重要的依据，是重要的诊断信息资源。在对未确诊临床图像进行诊断和在教学
浏览研究中,若能通过检索技术找出和该图像内容基本相同的各种模态已诊断图
像，将大大提高临床诊断的可靠性。因为医生的诊治知识源于临床和教学，对于
一个新病例，如能及时提供过往其他同类病人的不同影像信息以佐诊断与治疗，
显然意义深远。
目前广泛研究并部分应用的医学图像归档与通信系统(PACS)已成为放射信
息系统(RIS)和医学信息系统(HIS)的核心部分。目前PACS 系统的功能主要集中
在医学影像数据的存档、传输、共享及压缩方面，而PACS 的信息搜寻方式较为
落后，基本上采用图像加注关键字串的模式。这种搜寻方式在医生的回溯诊断中，
即医生在患者治疗一段时间后，需要找出患者治疗前的同类影像资料以供分析
时，应是简易可行的。虽然这部分关键字信息通常已经包含在DICOM 文件头中，
并且现在很多设备已经是遵从DICOM 标准，但是仍然存在许多问题。DICOM 文件
头已经证明会包含相当高的错误率，以其解剖区域字段为例，据报道存在16%的
错误率。
因而，随着医学成像技术的迅猛发展和PACS 系统的普及，基于内容的图像
检索(CBIR)将作为PACS 系统的重要功能发展，势必将成为从海量医学图像数据
库中检索图像的一种重要手段。
2 基于最大似然规则的图像检索
在CBIR中,从具有M 个图像的数据库中选择N ( N << M )个与查询图像最相
近的图像可表达为为一个多重假设问题。查询图像q I 在前处理（特征提取）阶段
被表示为数据集1 2 ( , , ) L x = x x Lx , 在数据库中的每一个候选图像i I ，i =1,2LM ，
被赋于一个可能相似的假设i H 。CBIR 的目标就是从M 个可能的假设
1 2 { , , , } M H H L H 中选择N 个与x最相近的图像。选择N 个最相近的图像，可采用
递归法。即先从M 个假设中选择最好的一个，再从剩下的(M -1)个假设中选择
最好的一个，如此递归N 次。最初每个图像被赋于相同的先验概率，在每次递
归中，以最小可能错误准则，选择具有最大似然估计的假设图像。
即最大似然选择规则。表示为公式为：
1 2
( | ) ( | ) ( | ) ( | ) ( 1,2 )
k k kN i j p x H ³ p x H ³Lp x H ³ p x H i ¹ k j = LN (1)
然而，在M 个图像中递归N 次如此大的计算代价使得该方法不切实际。则
采用一种近似方法，用概率密度函数(PDF) ( | ) i p x q 来近似模型条件概率密度函数
( | ) i p x H ， i
q 表示模型参数。有了这样的设置，被估计的模型参数ˆ
i q
即为图像i I
抽取的特征。考虑查询数据1 2 ( , , ) L x = x x Lx 为独立同分布(i.i.d)的。对于具有
较大数量的图像的数据库，则最大似然查询规则等价 |
|
资源大小：636.26 KB 
