胃脘痛(胃痛)是一种上腹近心窝处发生疼痛的疾患,是临床中的多发病。胃镜检查是诊断胃病最常见、最准确的方法,胃脘痛胃镜下表现呈多态性。因此,本文基于胃镜图像对胃脘痛特征进行数据分析,进而实现计算机的辅助诊断。胃粘膜纹理的变化与胃脘痛病程密切相关,是胃脘痛病症的主要识别特征。但无论是基于统计的方法还是基于模型和频谱的方法,经典的纹理特征提取算法原型都无法合理而准确地表达原始图像的模式和特征。本文在基于区域特征的图像处理方法应用于胃镜图像的研究基础上,鉴于Haar特征能简单有效地统计局部特征,将其引入LBP中以增强纹理特征提取的性能。对图像进行纹理特征提取后,用支持向量机对图像进行训练和识别。提取Haar型LBP算法处理后的图像纹理直方图,将其作为特征向量输入SVM,通过这些特征向量进行最终判别。实验表明,在解决本文胃镜内窥图像样本少,可提取的特征少的情况下,HLBP算法提取纹理特征后的胃镜图像对于SVM有较好的分类效果。另外,为了提高分类的准确性,考虑到临床中胃镜的采集方式,将舌部、胃小弯、角切迹、幽门4处特定位置的胃镜图像结合起来采用投票原则进行综合判别。通过对比实验表明,HLBP算法在胃脘痛良恶性识别中,相比传统LBP纹理分析方法,能将图像识别正确率与识别效率达到平衡,具有较强的识别能力,识别准确率高达95.8%。