基于提升小波和形態(tài)學(xué)的醫(yī)學(xué)圖像邊緣檢測.pdf

1、醫(yī)學(xué)影像已逐漸成為臨床診斷、病理分析及治療的重要依據(jù)和手段，醫(yī)學(xué)圖像處理為醫(yī)學(xué)科研及臨床診治提供了重要的幫助。由于醫(yī)學(xué)影像顯示了非常豐富的人體內(nèi)部信息，能夠以更直觀和清晰的方式向人們呈現(xiàn)人體內(nèi)部的病變部位。邊緣檢測在醫(yī)學(xué)圖像處理中是至關(guān)重要的一個環(huán)節(jié)，檢測的好壞會直接影響到后續(xù)的治療。
　　 醫(yī)學(xué)圖像邊緣檢測主要是從醫(yī)學(xué)圖像中提取出病灶部位的邊界。目前常用的邊緣檢測方法大多是利用局部圖像的微分來提取圖像邊緣的，例如梯度算子、拉普

2、拉斯-高斯算子等。但利用微分提取邊緣的方法對噪聲敏感，使提取的邊緣變得模糊。
　　 提升小波和數(shù)學(xué)形態(tài)學(xué)是近年新興的方法。提升小波不僅繼承了傳統(tǒng)小波的時頻局域化特性及多尺度分析能力，同時具有計算速度快、占用內(nèi)存少等優(yōu)點，非常適合于圖像處理;數(shù)學(xué)形態(tài)學(xué)采用構(gòu)造的形態(tài)學(xué)算子去度量圖像中與選取的結(jié)構(gòu)元素相符的形狀達到對圖像分析和識別的目的，這使得形態(tài)學(xué)邊緣檢測算法能夠很好地保留圖像細節(jié)邊緣和有效地去除噪聲，同時還具有運算簡單、可并行處

3、理和易于硬件實現(xiàn)等優(yōu)點。
　　 本課題將結(jié)合提升小波變換和數(shù)學(xué)形態(tài)學(xué)的優(yōu)點，對它們進行改造，提出新的邊緣檢測算法用于醫(yī)學(xué)圖像邊緣檢測。新的邊緣檢測算法將能有效地提取完整、定位準(zhǔn)確的醫(yī)學(xué)圖像邊緣。
　　 本文主要的工作有:
　　 (1)對經(jīng)典的微分邊緣檢測算子Robert算子、Sobel算子、Prewitt算子、拉普拉斯算子等逐一進行醫(yī)學(xué)圖像邊緣檢測，并分析和比較它們的優(yōu)劣。
　　 (2)對提升小波變換和數(shù)