基于鄰域的圖像處理方法及其在醫(yī)學圖像中的應用.pdf

1、醫(yī)學圖像分割技術(shù)是醫(yī)學圖像處理與分析領域的重要研究課題之一，其目的是將圖像中具有某些特殊含義的區(qū)域分割出來，同時提取相關(guān)的特征數(shù)據(jù)，從而為臨床診療和病理學研究提供可靠依據(jù)。醫(yī)學圖像分割有著一般圖像分割的共性問題，同時，由于人體解剖結(jié)構(gòu)的復雜性、組織器官形狀的不規(guī)則性及個體之間的差異性，一般圖像分割方法直接應用于醫(yī)學圖像并不能得到理想分割效果，為此尋求有效的醫(yī)學圖像分割方法一直是備受關(guān)注的研究熱點。
　　圖像分割的目標是將特征域內(nèi)特

2、征值相等或相近的像素作為同質(zhì)區(qū)分割開來，同質(zhì)區(qū)內(nèi)部的像素在特征域內(nèi)與其相鄰近的像素具有很高的一致性。因此，考察像素的鄰域狀態(tài)是圖像分割的重要手段之一。本文利用像素鄰域特征實現(xiàn)圖像分割。與以往的鄰域不同，本文的鄰域特征不僅僅包括鄰域內(nèi)像素的特征值分布，還將鄰域內(nèi)像素的空間分布特征進行建模，作為特征量參與分割。利用所構(gòu)建的鄰域特征，本論文對醫(yī)學圖像分割技術(shù)的關(guān)鍵算法和相關(guān)問題進行了研究，主要包括圖像去噪、圖像增強和圖像分割等算法。具體包括以

3、下幾方面的工作：
　　(1)醫(yī)學圖像模糊增強
　　針對醫(yī)學圖像對比度較低、邊緣模糊等特點，本文提出一種基于模糊理論的醫(yī)學圖像增強算法。首先在通過非線性變換算子對圖像進行歸一化的同時實現(xiàn)邊界區(qū)域?qū)Ρ榷壤?，然后在變換域內(nèi)采用冪次變換對圖像進行進一步的對比度增強，并利用鄰域信息控制增強力度，在保護同質(zhì)區(qū)明顯的紋理特征的同時增大區(qū)域之間的對比度。接著利用圖像統(tǒng)計特性對多層次圖像進行模糊劃分，通過對各模糊子集的增強處理將算法推廣為多

4、層次模糊增強，在保護圖像主要紋理特征的基礎上提高不同灰度級區(qū)域間的對比度。通過與經(jīng)典方法進行比較，實驗結(jié)果顯示本文的增強算法能很好的提高醫(yī)學圖像的對比度，顯著提高醫(yī)生臨床診斷的有效性。
　　(2)灰度醫(yī)學圖像分割
　　傳統(tǒng)的PCNN方法對噪聲有很強的魯棒性，但該方法分割效果對參數(shù)有很強的依賴性，參數(shù)選擇不當，將導致欠分割或過分割，本文針對傳統(tǒng)的PCNN模型的不足，提出基于鄰域激勵脈沖耦合神經(jīng)網(wǎng)絡（NIPCNN）的圖像分割方法

5、。在本方法中，點火神經(jīng)元對其鄰域神經(jīng)元的捕捉由被捕捉神經(jīng)元的強度值及其鄰域決定，這個鄰域包含兩方面的特征，即神經(jīng)元鄰域元素的強度值以及強度值高于閾值的神經(jīng)元的分布情況。我們將對該神經(jīng)元的鄰域建模，控制神經(jīng)元的內(nèi)部活動，決定神經(jīng)元是否點火，從而實現(xiàn)目標區(qū)域的精確分割。實驗結(jié)果表明新的模型對參數(shù)的選擇依賴性明顯減小，適合對醫(yī)學圖像的分割要求。
　　(3)彩色醫(yī)學圖像分割
　　本文通過對彩色多普勒超聲圖像的特點分析，提出針對該類大

6、背景的彩色圖像的分割算法。該算法采用感興趣區(qū)域（ROI）的初步篩選，減小分割算法的處理對象，從而顯著提高算法的處理速度。本文的算法基于ε鄰域一致性進行分析，易于解釋和實現(xiàn)。算法采用色差來度量像素的鄰域狀態(tài)，根據(jù)ε相似鄰域判定準則將像素集合分成不同的等價類，然后只考慮等價類的外圍邊界情況將等價類演化為同質(zhì)類，對應圖像中不同的顏色區(qū)域。本方法在完成顏色聚類的同時完成分割，并保證分割不存在二義性。另外，根據(jù)分析確定算法的計算復雜度近似與目標區(qū)