论文部分内容阅读
乳腺癌作为女性的特殊疾病,严重威胁着女性的健康和生命。然而,由于乳腺癌的致病机理仍然未知,早期的诊断和治疗成了降低死亡率的关键措施。而超声成像检查作为乳腺癌检测的重要手段,依赖于医生的肉眼观察和主观判断,使得诊断结果具有较大的主观性和不确定性,因此,计算机辅助诊断(CAD)随着计算机技术和图像处理技术的发展应运而生。而图像分割作为基于乳腺超声图像的CAD系统中一个非常重要的组成部分,起到承上启下的作用,分割结果的好坏直接影响到诊断结果的准确性和可靠性。因此,对乳腺超声图像分割技术的研究具有非常重要的意义。然而,超声图像所具有的高噪声、低对比度、弱边界、不均匀性等特性,极大增加了超声图像分割的困难度。由于基于图论的图像分割算法具有简单的结构和丰富的理论支持,最近几年成为了图像处理领域的研究热点。RGB算法作为一种先进的基于图论的图像分割算法,能对乳腺超声图像实现很好的分割效果,然而,RGB算法中有两个重要参数需要人工预先设定,对于不同的乳腺超声图像可能需要设定不同的参数值才能得到理想的分割效果,这严重限制了RGB算法的临床应用。因此,为了使RGB算法能够根据不同的乳腺超声图像自动选取优秀的参数值,本文采用粒子群优化(PSO)算法对RGB算法的参数进行多目标优化,提出了多目标优化的RGB(MOORGB)图像分割算法。MOORGB算法的主要步骤包括:截取TCI子图像、图像去噪、对比度增强、均匀性改善、RGB分割、目标函数计算、PSO优化、边缘平滑等。其主要创新之处包括:(1)针对乳腺超声图像的高噪声、低对比度、不均匀性等特性,在图像预处理部分增加了对比度增强和均匀性改善;(2)提出了两个新的具有针对性的优化目标函数;(3)基于聚集函数法的思路,提出了两种处理多个优化目标函数的方法;(4)为了提高算法的性能和效率,对参数设置和结束条件进行了改进;(5)增加了图像后处理部分,用于改善分割结果的边缘平滑性。为了验证MOORGB算法的可行性和有效性,本文采用了一个较大的乳腺超声图像数据集(100幅临床乳腺肿瘤超声图像)对其进行实验,并与另外三种近几年的图像分割算法进行定性和定量的对比,实验结果表明:本文所提出的MOORGB算法取得了明显的改进,更好地避免了过分割和欠分割的发生,对乳腺肿瘤超声图像实现了更准确的分割。