论文部分内容阅读
本论文以医学超声图像为主要的研究对象。由于医学超声成像设备具有实时、无损、廉价、高灵敏度等诸多优势,在医学界中临床医师们普遍采用医学超声图像作为临床诊断的重要依据。在临床应用中,人们通常需要从图像中提取一些特定组织器官的信息,而要完成这一操作,其不可缺少的手段就是图像分割。通过图像分割,人们可以从超声图像中分离出感兴趣的部位或者定位出病源的位置和形状,它决定了临床诊断者们对病源进行分析、诊断和治疗的准确性。但是,在医学超声成像系统中,由于图像采集设备的随机扰动,以及周围环境的影响,使医学超声图像中多少含有噪声和失真,造成了图像的降质,影响了图像信息的准确性,若在医疗诊断中直接对含噪声图像进行分割,由于图像信息不够准确,将不能达到临床应用上的要求。为此需要采取一些措施,比如衰减各类噪声、突出目标轮廓等,将图像进行改善。这些措施即为图像增强技术。先对医学超声图像进行增强处理之后再对其进行分割,能得到较为精确的分割效果,为后续的医疗诊断分析提供可靠的保障。本文首先对医学超声的发展状况、超声图像成像原理进行了简要介绍,然后针对医学超声图像的特点,对已有的医学超声图像增强算法进行了介绍,并采用各算法对超声图像进行了实验验证和处理效果比较。针对某些算法的优缺点,本文提出了一种新的增强方法——基于免疫遗传算法的适配模板滤波处理算法。这种算法根据图像的局部特性能够从大量预置模板中自动地进行最优模板匹配,在此过程中利用了具有精英保留和精英交叉策略的免疫遗传算法(IGAE)的自适应搜索能力,保证了滤波过程的快速性、准确性。获得了较优质的增强图像后,再采用各种现有的分割算法对增强后的图像进行了图像分割,并结合较前沿的分割技术——模糊C均值聚类分割算法(FCM),提出了基于蚁群算法的模糊C均值聚类分割改进算法(ACA-FCM)和改进的FCM算法,最后采用经典的分割图像评价测度对各分割后的图像进行了质量评价,为日后对医学超声图像分割技术的正确选取提供了指导性的意义。