基于模糊增強(qiáng)的醫(yī)學(xué)超聲圖像分割.pdf

1、超聲圖像診斷是與X線CT、同位素掃描、核磁共振(MRI)等一樣重要的醫(yī)學(xué)圖像診斷手段。然而，醫(yī)學(xué)超聲圖像因?qū)Ρ榷容^低、形成過程產(chǎn)生的獨(dú)有的斑點(diǎn)噪聲等影響了手動(dòng)與計(jì)算機(jī)輔助分析的效果，尤其是影響了計(jì)算機(jī)定量測(cè)量的效果。為了使超聲圖像便于進(jìn)行手動(dòng)與計(jì)算機(jī)輔助分析，本文對(duì)超聲圖像進(jìn)行模糊增強(qiáng)，作為臨床醫(yī)生診斷與計(jì)算機(jī)分析的一個(gè)預(yù)處理。 圖像增強(qiáng)技術(shù)是數(shù)字圖像處理中的一項(xiàng)基本技術(shù)，是圖像處理系統(tǒng)中預(yù)處理部分的重要一環(huán)。數(shù)字圖像增強(qiáng)的結(jié)果

2、直接影響到圖像的高級(jí)處理和解釋。本文在分析、總結(jié)現(xiàn)有的圖像增強(qiáng)技術(shù)的基礎(chǔ)上，根據(jù)人眼的視覺特性，提出了一種新的圖像增強(qiáng)算法：模糊增強(qiáng)算法。普通的圖像增強(qiáng)技術(shù)往往會(huì)損失圖像中的一些有用細(xì)節(jié)，而且又事先不能精確地知道想要的直方圖分布。模糊集合理論為解決由不確定因素所造成的復(fù)雜系統(tǒng)及其決策過程提供了理論背景。該方法利用模糊集合理論作為理論背景，將圖像看作是一個(gè)模糊集合，引入過程控制參數(shù)，通過改變過程控制參數(shù)，有利于實(shí)現(xiàn)優(yōu)化處理，可以對(duì)超聲圖像

3、的對(duì)比度顯著增強(qiáng)。 從超聲圖像中有效分割出感興趣區(qū)，是超聲圖像診斷的重要前提與基礎(chǔ)，通過對(duì)器官的邊界和邊界內(nèi)部變化情況的分析，可以得出疾病診斷結(jié)果。圖像分割主要是指將圖像劃分并標(biāo)記成各具特性的不同區(qū)域并提取出感興趣目標(biāo)的技術(shù)，其研究多年以來一直受到人們的高度重視。由于待分割圖像的可變性比較大，再加上噪聲的存在，構(gòu)成了圖像分割所面臨的主要困難。 與CT和MRI等醫(yī)學(xué)圖像相比，超聲圖像的圖像質(zhì)量較差，相對(duì)難以進(jìn)行圖像分割。研

4、究超聲圖像的增強(qiáng)算法，并以此為基礎(chǔ)建立超聲圖像的分割算法，是必要的。然而超聲圖像中存在的特殊的斑點(diǎn)噪聲，影響了手動(dòng)與計(jì)算機(jī)輔助分析的效果，尤其是影響了基于閾值的圖像分割的效果。當(dāng)體內(nèi)存在著大量散射體時(shí)，斑點(diǎn)的統(tǒng)計(jì)特性服從Rayleigh分布。超聲圖像由于其斑點(diǎn)噪聲與紋理的存在，而使基于閾值的分割方法難以獲得滿意的效果，往往分割出來的結(jié)果內(nèi)部存在著大量的孤立點(diǎn)。本文引入馬爾可夫隨機(jī)場(chǎng)和Gibbs隨機(jī)場(chǎng)作為先驗(yàn)?zāi)Ｐ秃?，使?duì)圖像全局相關(guān)信息的

5、利用與求解就可以轉(zhuǎn)化為簡(jiǎn)單的局部問題來處理，使貝葉斯分割算法更具有實(shí)用性。引入相鄰象素間的空間約束信息，可以有效地抑制斑點(diǎn)噪聲的影響，消除分割結(jié)果中的雜散孤立點(diǎn)。 本文圍繞著圖像增強(qiáng)與圖像分割這兩個(gè)中心問題進(jìn)行了研究，提出了醫(yī)學(xué)超聲圖像的模糊增強(qiáng)算法，可以增強(qiáng)醫(yī)學(xué)超聲圖像的對(duì)比度。并根據(jù)超聲圖像中斑點(diǎn)的統(tǒng)計(jì)特性，將斑點(diǎn)亮度建模為高斯分布，并運(yùn)用馬爾可夫隨機(jī)場(chǎng)與最大后驗(yàn)估計(jì)算法，對(duì)模糊增強(qiáng)后的醫(yī)學(xué)超聲圖像進(jìn)行了成功分割，實(shí)驗(yàn)結(jié)果證