论文部分内容阅读
乳腺癌是全球女性发病率且死亡率较高的疾病之一。有证据表明,提高疾病疗效、降低死亡率的关键是尽早对乳腺患者进行诊断和治疗。乳腺钼靶X线影像简单便捷、费用低并能够明确病变组织的部位和范围,所以将其作为乳腺癌检查的首选方式。但乳腺钼靶X线影像存在分辨率低、乳腺结构与病变位置易出现影像重叠等问题,因此将乳腺肿块区域精确分割存在一定的难度。为此国内外学者对乳腺图像分割进行了深入研究,提出了众多的分割方法,但由于乳腺图像固有的缺陷,其分割精度依旧有待提高。为了准确分割出肿块区域,本文将Mean Shift聚类算法应用于乳腺钼靶X线图像分割。由于Mean Shift算法是一种无监督的统计学分类算法,不需要预先指定聚类数目,更不依赖于先验知识,故其广泛应用于图像分割、目标追踪等领域。本文针对Mean Shift算法存在迭代时间长、时间复杂度高的问题,提出将其与简单线性迭代聚类(Simple Linear Iterative Cluster,SLIC)算法相融合、与融合模糊局部二值模式和Canny边缘的FLBP-Canny(Fuzzy Local Binary Pattern-Canny)算法相结合,对乳腺钼靶X线图像进行肿块分割。(1)针对Mean Shift算法迭代次数多、时间复杂度高的问题,提出基于SLIC的Mean Shift(SLIC-MS)算法。鉴于SLIC算法对噪声十分敏感,首先采用各向异性扩散和伽马校正算法来消除噪声、增强图像对比度。然后运用SLIC算法将图像预分割为均衡的超像素块,计算其均值作为Mean Shift聚类算法的样本点,逐步迭代计算Mean Shift向量。最后根据聚类密度获取阈值,利用阈值算法分割聚类图像。实验表明,基于SLIC-MS算法的时间复杂度有所降低,一定程度上可以增强实用性。(2)为了提高乳腺钼靶X线图像的分割精度,本文提出一种FLBP-Canny算法。该方法先采用Mean Shift算法对图像进行滤波处理,然后运用FLBP-Canny算法提取乳腺肿块边缘进行图像分割。实验表明,该算法的分割精度达到90.26%,更有利于乳腺钼靶X线图像分割。