基于改進歸一化割的甲狀腺腫瘤B超圖像分割.pdf

1、現(xiàn)在甲狀腺結(jié)節(jié)的發(fā)病率很高，這可能預示著甲狀腺癌的出現(xiàn)。因此，準確判斷出甲狀腺結(jié)節(jié)位置以及正確判別甲狀腺結(jié)節(jié)是良性的還是惡性的是非常必要的。超聲診斷甲狀腺結(jié)節(jié)的準確率不斷提高，已成為甲狀腺結(jié)節(jié)性疾病的首選輔助檢查，但是超聲的回聲、陰影、反射等特性也會使超聲圖像的質(zhì)量退化，這就很難將其邊緣精確地分割出。
　　基于圖論的圖像分割技術是目前的研究熱點，它通過定義一個采用圖像某種割值來表示目標函數(shù)，通過求解目標函數(shù)的極值實現(xiàn)分割。歸一化割

2、(Ncut)是其中的一種，它主要是通過方向能量模型得到不同尺度子圖像的邊緣方向能量，進而得到干涉輪廓模型的相似度，結(jié)合根據(jù)紋理基元得到圖像紋理特征相似度，進而可以建立圖像像素之間的相似度，形成基于圖像像素點的權(quán)值矩陣，構(gòu)造無向加權(quán)圖，最后運用特征值和特征向量對圖像進行分割。
　　針對甲狀腺腫瘤的 B超圖像在形成過程中產(chǎn)生的斑點噪聲使圖像質(zhì)量變差的特點以及歸一化割(Ncut)方法對噪聲敏感和計算復雜度高的缺點，本文將各向異性擴散模型