论文部分内容阅读
皮损分割,即从周围正常皮肤中检测出皮肤病变区域,是皮肤镜图像计算机辅助分析中的核心步骤。近年来,基于皮肤色素浓度分布的简单皮损分割算法因其复杂度低、无需学习和预处理等优点逐渐受到学者的广泛关注,然而现有算法仅能检测出由独立黑色素或血色素浓度紊乱导致的简单皮损区域,如雀斑、红斑等,并不能实现对具有复杂结构的皮肤镜图像的皮损分割。同时,现有色素分离算法极易受到光源的干扰,使得色素浓度估计结果不够准确和鲁棒,从而最终影响到分割算法的性能。因此,这极大限制了该皮损分割算法在临床医学中的应用。本文基于色素分离对皮肤镜图像的皮损区域分割进行了分析与研究,论文的主要研究工作如下:(1)提出一种基于光密度空间的中心化图像log通道差算法(Centering Image-Log-Channel-Difference Algorithm Based on Optical Density Space,CILCD-ODS)。该算法可以有效实现对皮肤图像的色素浓度估计。首先,建立皮肤图像与色素浓度之间的关系模型,并对模型进行优化以消除成像光源的干扰。然后,使用独立成分分析方法计算出纯色浓度矩阵,同时提出一种更简单高效的纯色浓度矩阵的合理性验证方法,实现对纯色浓度矩阵的合理性判断。最后,在此基础上利用合理纯色浓度矩阵完成对色素浓度的估计,并通过引入色素浓度分布图实现对结果的正确性评估。实验结果表明,相比其他同类算法,本算法效果更好、效率更高且更加光源鲁棒。(2)提出一种基于色素浓度分布的皮肤镜图像皮损分割算法(Skin Lesion Segmentation Algorithm of Dermoscopy Images Based on Pigment Concentration Distribution,SLSDI-PCD)。该算法无需对皮肤镜图像进行任何预处理,也能检测出较准确的皮损边缘,实现对皮肤镜图像的皮损区域分割。首先,在CILCD-ODS算法的基础上对皮肤镜图像进行色素分离,得到血色素和黑色素的独立浓度分布图。其次,结合大津阈值法和基于色素浓度均值和标准差的阈值分割方法,检测出独立色素浓度分布对应的黑色素皮损区域和血色素皮损区域。然后,对这两者皮损区域通过集合并集操作进行融合,得到更加完整的皮损区域。最后,采用孤岛移除和孔洞填充对皮损区域进行后处理,以最终获得更准确的皮损分割结果。为了定量评估算法的性能,本文根据流行的评价标准,计算出算法分割结果的不同评价指标值。经过实验对比分析,验证了本算法的准确性和鲁棒性。