5.2 结构法
结构分析方法是分析纹理图像的结构,从中获取结构特征。结构分析法首先将纹理看成是有许多纹理基元按照一定的位置规则组成的,然后分两个步骤处理（1）提取纹理基元；（2）推论纹理基元位置规律。目前主要用数学形态学方法处理纹理图像,该方法适合于规则和周期性纹理,但由于医学图像纹理通常不是很规则,因此该方法的应用也受到限制,实际中较少采用。
5.3 模型法
模型分析方法认为一个像素与其邻域像素存在某种相互关系,这种关系可以是线性的,也可以是符合某种概率关系的。模型法通常有自回归模型、马尔科夫随机场模型、Gibbs随机场模型、分形模型,这些方法都是用模型系数来表征纹理图像,其关键在于首先要对纹理图像的结构进行分析以选择到最适合的模型,其次为如何估计这些模型系数。如何通过求模型参数来提取纹理特征,进行纹理分析,这类方法存在着计算量大,自然纹理很难用单一模型表达的缺点。
5.4 频谱法
频谱分析方法主要基于滤波器理论，包括傅立叶变换法、Gabor变换法和小波变换法。
1973年Bajcsy使用傅立叶滤波器方法分析纹理。Indhal等利用2-D快速傅立叶变换对纹理图像进行频谱分析,从而获得纹理特征。该方法只能完成图像的频率分解,因而获得的信息不是很充分。1980年Laws对图像进行傅氏变换,得出图像的功率谱,从而提取纹理特征进行分析。
Gabor函数可以捕捉到相当多的纹理信息,且具有极佳的空间/频域联合分辨率,因此在实际中获得了较广泛的应用。小波变换法大体分金子塔形小波变换法和树形小波变换法(小波包法)。
小波变换在纹理分析中的应用是Mallat在1989年首先提出的,主要用二值小波变换(Discrete Wavelet Transform, DWT),之后各种小波变换被用于抽取纹理特征。传统的金字塔小波变换在各分解级仅对低频部分进行分解,所以利用金字塔小波变换进行纹理特征提取是仅利用了纹理图像低频子带的信息,但对某些纹理,其中高频子带仍含有有关纹理的重要特征信息(如对具有明显的不规则纹理的图像,即其高频子带仍含有有关纹理的重要特征)得不到利用。使用在每个分解级对所有的频率通道均进行分解的完全树结构小波变换提取特征,能够较全面地提取有关纹理特征。
由于医学图像及其纹理的复杂性，目前还不存在通用的适合各类医学图像进行纹理分析的方法，因而对于各类不同特点的医学图像就必须采取有针对性地最适合的纹理分析技术。另外，在应用某一种纹理分析方法对图像进行分析时，寻求最优的纹理特征与纹理参数也是目前医学图像纹理分析中的重点和难点。
6．总结
随着远程医疗技术的蓬勃发展，对医学图像处理提出的要求也越来越高。医学图像处理技术发展至今，各个学科的交叉渗透已是发展的必然趋势，其中还有很多亟待解决的问题。有效地提高医学图像处理技术的水平，与多学科理论的交叉融合、医务人员和理论技术人员之间的交流就显得越来越重要。多维、多参数以及多模式图像在临床诊断（包括病灶检测、定性，脏器功能评估，血流估计等）与治疗（包括三维定位、体积计算、外科手术规划等）中将发挥更大的作用。
[1] P. Suetens. Fundamentals of Medical Imaging[M]. Cambridge University Press，2002．
[2] 刘俊敏，黄忠全，王世耕，张颖. 医学图像处理技术的现状及发展方向[J]. 医疗卫生设备，2005，Vol26
（12）：25-26.
[3] 田娅，饶妮妮，蒲立新. 国内医学图像处理技术的最新动态[J]. 电子科技大学学报，2002，Vol31（5）：
485-489.
[4] 周刚慧，施鹏飞．磁共振图像的随机场分割方法[J]．上海交通大学学报，2001，Vol35（11）：1655．
[5] Zhang HM，Yuan ZJ，Cai ZM. Segmentation of MRI using hierarchical markov random field[J]. Journal of
Software，2002，Vol13（9）：1779.
[6] 林亚忠，陈武凡，杨丰. 基于混合金字塔吉布斯随机场模型的图像分割[J]. 中国生物医学工程学报，
2004，Vol23（1）：79.
[7] 聂生东，陈瑛，顾顺德．磁共振颅脑图像快速模糊聚类分割算法研究[J]．中国生物医学工程学报，2001，
Vol20（2）：104．
[8] 江宝钏，张钧良．基于BP 神经网络的MRI 分割[J]. 微机发展，2000，Vol1：67.
[9] Ahmed MN，Farag A. Two-stage neural network for volume segmentation of medical images[J]. Proceedings
of IEEE International Conference on Neural Networks，1997，Vol28（3）：1373.
[10] 黄永峰，岑康，司京玉等. 模糊神经网络在颅脑磁共振图像分割中的应用研究[J]. 中国生物医学工程
学报，2003，Vol22（6）：508.
[11] Costin H，Rotariu CR. Knowledge-based contour detection in medical imaging using fuzzy logic[J].
International Symposium on SCS’03，2003，1：273.
[12] 谢逢，罗立民，田雪琴. 基于知识的人脑三维医学图像分割显示方法[J]. 生物医学工程学杂志，1997，
Vol14（2）：124.
[13] 王蓓，张立明. 利用图像先验知识与Snake 结合对心脏序列图像的分割[J]. 复旦大学学报（自然科学
版），2003，Vol42（1）：81.
[14] Raquel VC，Veronica MB，Oscar YS. Coupling of radial-basis network and active contour model for multi
spectral brain MRI segmentation[J]. IEEE Transactions on Biomedical Engineering，2004，Vol51（3）：459.
[15] Luo XP，Tian J，Lin Y. An algorithm for segmentation of medical image series based on active contour
model[J]. Journal of Software，2002，Vol13（6）：1050.
[16] Hallpike L，Hawkes DJ. Medical image registration: An overview[J]. Br Institute Radiol，2004，Vol14（6）：
455-463.
[17] Petra A，Elsen V. Medical Image maching: A review with classification[J]. IEEE Trans Med Image，1993，
Vol12（3）：26-39.
[18] Luo Shuo-qian，Li Xiang. Implementation of mutual information based multi-modality medical image
registration[A]. Eng Med Bill Soc Proc 22nd Ann Int Conf IEEE[C]. Navy Pier Convention Center Chicago，信捷职称论文写作发表网，
Illinois，USA：The Institute of Electrical and Electrical and Electronics Engineers，Ind，2000，2：1447-1450.
[19] Sharman R，Tyler JM，Pianykh OL，et al. A fast and accurate to method to register medical images using
wavelet modulus maxima[J]. Patt Recog Lett，2000，21：447-462.
[20] Lester H，Arridge SR. A Survey of hierarchicl non-linear medical image registration[J]. Pattern Recognition，
1999，32：129-149.
[21] 卢健，胡志忠，杨如乃. 医学图像融合技术的研究[J]. 上海生物医学工程，2006，Vol27（3）：163-167.
[22] 王新成. 高级图像处理技术[M]. 北京：中国科学技术出版社，2001.
[23] R Voracek，H P McAdams，C E Floyd. Computer Aided Diagnosis of Interstitial Lung Disease: a Texture
Feature Extraction and Classification Approach[J]. Proc of SPIE，1998，3338：1502-1509.
[24] U Indhal. Evaluation of alternative spectral feature extraction Methods of textural images for multivariate
modeling[J]. Journal of Chemometrics，1998，Vol12（4）：261-278.
