改進(jìn)的主動輪廓超聲圖像分割算法研究.pdf

1、超聲成像技術(shù)由于其獨(dú)具的實(shí)時性、無損性、廉價性、可重復(fù)性好和靈敏度高等優(yōu)點(diǎn)使其成為臨床診斷的首選影像方法。然而由于超聲成像機(jī)制導(dǎo)致了醫(yī)學(xué)超聲圖像質(zhì)量低下，從而使得用人工判讀的方式具有很大的主觀性。因此，如何通過計(jì)算機(jī)對超聲圖像進(jìn)行圖像處理以提高圖像質(zhì)量，分離感興趣目標(biāo)、提取組織特征和根據(jù)這些特征為醫(yī)生提供較客觀的輔助診斷成為臨床急需解決的問題。為此，本文將重點(diǎn)圍繞超聲圖像分割進(jìn)行深入研究，取得的具體研究成果包括：
　　1、針對超聲

2、圖像的特征提取方法進(jìn)行了研究。圖像像素的兩個主要屬性為灰度值和紋理值，本文選擇目前醫(yī)學(xué)超聲圖像的紋理特征的提取的兩種主要方法：基于統(tǒng)計(jì)的灰度共生矩陣和Laws能量濾波模板，對超聲圖像的每個像素提取灰度值和對應(yīng)的紋理值作為脈沖耦合神經(jīng)網(wǎng)絡(luò)的輸入。
　　2、利用脈沖耦合神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)超聲圖像的初始輪廓提取。脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)，通過模擬哺乳動物的視覺特性對圖像進(jìn)行處理和分析，能夠取得較好的結(jié)果。但是，PCNN數(shù)學(xué)模型中種門限系數(shù)