基于模糊增強的醫(yī)學超聲圖像分割.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)學圖像診斷手段。然而，醫(yī)學超聲圖像因對比度較低、形成過程產(chǎn)生的獨有的斑點噪聲等影響了手動與計算機輔助分析的效果，尤其是影響了計算機定量測量的效果。為了使超聲圖像便于進行手動與計算機輔助分析，本文對超聲圖像進行模糊增強，作為臨床醫(yī)生診斷與計算機分析的一個預處理。 圖像增強技術是數(shù)字圖像處理中的一項基本技術，是圖像處理系統(tǒng)中預處理部分的重要一環(huán)。數(shù)字圖像增強的結果

2、直接影響到圖像的高級處理和解釋。本文在分析、總結現(xiàn)有的圖像增強技術的基礎上，根據(jù)人眼的視覺特性，提出了一種新的圖像增強算法：模糊增強算法。普通的圖像增強技術往往會損失圖像中的一些有用細節(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)，有利于實現(xiàn)優(yōu)化處理，可以對超聲圖像

3、的對比度顯著增強。 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，通過對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果。圖像分割主要是指將圖像劃分并標記成各具特性的不同區(qū)域并提取出感興趣目標的技術，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，構成了圖像分割所面臨的主要困難。 與CT和MRI等醫(yī)學圖像相比，超聲圖像的圖像質(zhì)量較差，相對難以進行圖像分割。研

4、究超聲圖像的增強算法，并以此為基礎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噪聲，影響了手動與計算機輔助分析的效果，尤其是影響了基于閾值的圖像分割的效果。當體內(nèi)存在著大量散射體時，斑點的統(tǒng)計特性服從Rayleigh分布。超聲圖像由于其斑點噪聲與紋理的存在，而使基于閾值的分割方法難以獲得滿意的效果，往往分割出來的結果內(nèi)部存在著大量的孤立點。本文引入馬爾可夫隨機場和Gibbs隨機場作為先驗模型后，使對圖像全局相關信息的

5、利用與求解就可以轉化為簡單的局部問題來處理，使貝葉斯分割算法更具有實用性。引入相鄰象素間的空間約束信息，可以有效地抑制斑點噪聲的影響，消除分割結果中的雜散孤立點。 本文圍繞著圖像增強與圖像分割這兩個中心問題進行了研究，提出了醫(yī)學超聲圖像的模糊增強算法，可以增強醫(yī)學超聲圖像的對比度。并根據(jù)超聲圖像中斑點的統(tǒng)計特性，將斑點亮度建模為高斯分布，并運用馬爾可夫隨機場與最大后驗估計算法，對模糊增強后的醫(yī)學超聲圖像進行了成功分割，實驗結果證