基于紋理信息的醫(yī)學(xué)超聲圖像Mean Shift分割算法研究.pdf

1、本文結(jié)合超聲圖像的紋理信息研究基于Mean Shift算法的超聲圖像分割方法，主要研究內(nèi)容如下：
　　（1）紋理是圖像的一個重要特征，通過區(qū)分不同的紋理，最后就能達(dá)到對圖像進(jìn)行識別和分類的目的。超聲圖像具有豐富的紋理信息，為紋理的提取利用提供了可行性。許多文獻(xiàn)提出了很多不同的紋理分析方法，其中Gabor變換紋理分析方法是近年來應(yīng)用研究比較廣泛的一種紋理分析提取方法。本文主要通過介紹Gabor變換紋理分析方法的應(yīng)用和發(fā)展，提出了針對

2、超聲圖像的Gabor濾波器組提取紋理的改進(jìn)方法。實(shí)驗(yàn)表明，本文改進(jìn)的Gabor濾波器組提取紋理特征后的超聲圖像，具有良好的分割準(zhǔn)確性和辨識性。
　?。?）Mean Shift是一種自適應(yīng)搜索峰值的方法，具有計算簡單、收斂速度快的特點(diǎn)，但其針對超聲圖像的分割容易產(chǎn)生錯誤的分割邊界和部分信息細(xì)節(jié)丟失。本文采用綜合紋理信息的自動閾值計算和自匹配帶寬分割法的改進(jìn)思路，通過對圖像進(jìn)行分割前的平滑濾波和分割后的簡單閾值合并，使得Mean Sh