● 摘要
骨龄是以人体骨骼的发育水平为依据的人体发育程度的理论年龄。骨龄评价是通过对骨骼发育特征进行识别以获得对人体发育程度的定量性评价，在预防医学、临床医学、体育科学和司法等领域中有着广泛的应用。传统的骨龄识别是由专家根据标准模板对被测者的X光图像作出主观评价，不利于骨龄的准确判读，同时人工判读时间较长，对专业知识要求较高，以上诸多问题决定了骨龄评价自动化的迫切性。近十多年来，随着计算机技术发展，计算机辅助骨龄评估是目前骨龄评价的发展趋势。 本文以体育运动选材为背景，提出了基于手腕骨X光图像骨龄自动评价算法，并设计和实现了一个骨龄评估系统。主要内容包括如下几个部分： 1．研究和实现了一套基于手腕骨X光图像的骨龄特征提取算法。自动评估的关键问题是自动准确地提取骨龄特征，本文依据我国常用的骨龄评价方法CHN法，选择提取骨骺区域相关特征参数作为骨龄特征参数，在大量实验的基础上，提出了一套骨龄特征提取算法。算法的流程是：首先通过图像预处理，改善图像质量；采用图像分割的方法分割出四根感兴趣的手指；之后识别每根指骨的两个骨骺区；对每个骨骺区，提取一组特征点，计算特征参数；最后，将提取的四根指骨8个骨骺区共16个特征参数作为骨龄特征数据，构成特征向量。 2．研究和实现了基于SVM的骨龄评估算法。结合模式识别和分类的原理，根据骨龄分类模式问题的自身特点，本文采用基于SVM算法的分类器对提取出的特征信息进行判定和骨龄评估。在现有样本数据的基础上，验证了手腕骨X光图像的特征提取和分类算法的可行性和正确性。 3．设计和实现了一个骨龄评价系统。本系统采用我国常用的CHN法作为骨龄评价的标准，提取手腕骨X光图像的骨骺特征作为骨龄特征参数，运用SVM方法进行骨龄评估。系统具有全自动评估、可视化的特点，同时允许用户在评估过程中对骨骺特征点位置进行可视化交互调整。 试验表明，本文提出的骨龄特征提取算法和骨龄评估算法，在识别率上满足实际应用的要求。设计和实现的骨龄评价系统已成功应用于体育运动选材。