论文部分内容阅读
数字图像处理技术近几十年来得到了飞速发展,其在各行各业中也发挥了重要作用。在医学诊疗中,通过数字图像处理技术的应用,越来越多的疾病得以在术前被发现,从而为患者带来了希望,为医生减轻了负担,推动了医学成像技术的发展。医学超声成像技术相比其他医学成像技术,具有低成本、无辐射、实时性、可重复性好等优点,被誉为“现代四大医学成像技术”之一,目前已在乳腺、血管、肿瘤和产前诊断方面得到广泛应用。然而,由于医学超声成像过程中会产生大量斑点噪声,不仅将妨碍医生对图像中病灶性质的诊断,而且也会对后期的图像分割处理产生负面的影响。针对这一现状,本文在深入调研超声成像机制以及当前医学超声图像去噪和分割的研究现状基础上,提出和改进了适用于医学超声图像去噪和分割方法,并对所提出的方法进行了实验验证。 本文首先对课题背景和意义、医学超声成像和本文组织结构进行了概述。针对现有的医学超声成像去噪和分割方法进行了现状介绍,然后提出了一种去噪模型和两种改进型的C-V模型,主要内容如下: 1、针对现有的医学超声图像去噪模型,深入分析了其各自特性,在此基础上提出了一种自适应SUSAN扩散去噪方法。该方法引入了SUSAN算子进行图像边缘检测,并利用K-means算法自适应地得到图像的全斑点噪声区域和相关参数,最后结合非线性扩散理论对医学超声图像进行迭代去噪。实验结果证明提出方法与PM模型、SRAD模型、NCD模型等在去噪程度和边缘保留方面具有更好的效果。 2、首先介绍了传统活动轮廓模型和水平集方法,然后重点介绍了Chan-Vese(C-V)模型,并分析了它的优缺点。从分析中可以看出该模型方法在对灰度不均匀图像的分割方面还存在的不足,针对这种问题,本文提出了一种基于局部灰度信息的改进型C-V模型,即LocalGrayChan-Vese(LGCV)模型,通过使用图像局部灰度信息,该模型可以在较少的迭代次数内分割灰度不均匀图像。实验结果也证明了本方法的有效性。 3、当前,大多数图像分割方法都是基于图像灰度信息提出的,但是相比图像灰度信息,相位信息能更准确地检测出带斑点噪声的医学超声图像中边缘。因此,本文在C-V模型的基础上,结合图像中局部相位信息,提出了一种基于局部相位信息的改进型C-V模型,即LocalPhaseChan-Vese(LPCV)模型,并对该模型在医学超声图像分割中的应用进行了实验验证。实验结果也证明了本方法的可行性。