边缘检测算法在医学超声液性病变图像中的应用边缘检测算法在医学超声液性病变图像中的应用
医学超声液性病变图像多见数个无回声区,呈“蜂窝状”,边界不清晰,为了清晰地提取医学超声液性病变图像的
边缘,进一步为临床诊断提供可靠依据,在此将几种不同的边缘检测算法应用于医学超声液态病变图像中,经
实验结果得出,经典的边缘检测算法不能很好地提取图像的边缘,而基于Snake模型的边缘检测算法,人为设定
边缘控制点,智能动态调整曲线,获得了很好的边缘提取效果,具有很高的临床应用价值。
医学
0 引言
鉴于医学图像可以看到人体组织的局部器官病变,所以医学成像成为疾病检查的重要手段,但由于设备、技术等原因,得到的
医学图片边缘往往模糊不清,因此医学图像边缘检测是医学图像处理和分析的一个非常重要的分支。目前医学成像方法主要
有:X光成像、核磁共振成像、超声成像以及正电子发射断层成像,其中,超声成像从成像成本、成像时间以及对病人的伤害
等方面都显示出了它的优势,本文就以医学超声图像为例,对超声诊断中常见的液性病变图像进行边缘提取算法分析。
经典的边缘检测算子利用边缘处一阶或二阶导数来检测梯度变化情况,基本的微分检测算子有Roberts算子、Sobel算子、拉
普拉斯算子和Canny算子等。近年来,随着数学理论和人工智能的发展,又出现了许多新的边缘检测方法,比如基于分数阶微
分法、小波变换法、Snake模型法、模糊检测法、数学形态学法、神经网络法等。这些边缘检测方法最终目的都是检测出图像
的边缘信息,但在解决特定特征图像时也显现出各自的优势和不足之处。所以,如何采用合适的技术对医学图像进行边缘提
取,为临床医生提供更准确的病人数据是目前研究的一个热点。
本文首先对几种边缘检测方法进行分析,然后将其应用于超声液性病变图像的边缘提取中,得出不同的提取效果,与采用改进
的Snake模型边缘提取算法进行比较,实验表明,基于Snake模型的边缘提取算法边缘提取效果较好。
1 边缘检测算法
边缘检测目的是要检测出图像中灰度变化的不连续区域,确定它们在图像中的精确位置,为后期的图像分析和处理提供信息,
图像的边缘包含了物体形状的重要信息,主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间,是图像分
割、纹理特征和形状特征等图像分析的重要基础。图像边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界
线。
1.1 基于一阶微分的边缘检测算法
图像中的边缘通常与图像强度或图像强度的一阶导数的不连续性有关。图像强度的不连续可分为:
(1)阶跃不连续,即图像强度在不连续处的两边的像素灰度值有着显著的差异;
(2)线条不连续,即图像强度突然从一个值变化到另一个值,保持一个较小的行程后又返回到原来的值。
在一维情况下,阶跃边缘同图像的一阶导数局部峰值有关。梯度是函数变化的一种度量,而一幅图像可以看作是图像强度连续
函数的取样点阵列。因此,图像灰度值的显著变化可用梯度的离散逼近函数来检测。
梯度是一阶导数的二维等效式,定义为向量:
有2个重要的性质与梯度有关:
(1)向量G(x,y)的方向就是函数f(x,y)增大时的最大变化率方向;
(2)梯度的幅值由下式给出:
评论0
最新资源