基于数学形态学的医学图像边缘检测算法研究

论文摘要

医学图像在临床诊断和治疗中具有重要地位,但其复杂模糊的边缘以及背景与噪声难以区分的特性会对医师的诊断结果造成干扰。作为数字图像处理和计算机视觉的一个关键部分,边缘检测是图像分析和识别的基础,可以提高医学图像的可读性,故而得到广泛关注。数学形态学作为一门新兴的图像处理学科,可以被应用于医学图像的边缘检测领域,对于诊断疗效的提高具有重要的实践意义和应用前景,一直是自动识别领域的一项热门课题。本文的主要研究内容是基于数学形态学的思想对医学图像进行边缘检测。论文首先阐明了边缘检测和数学形态学的基本理论,并详细分析了几种经典边缘检测算法的性能。针对医学图像的特点提出自适应门限的改进中值滤波算法进行图像预处理,从而更多的保留图像细节,有效去除噪声。结合传统的形态学边缘检测算法以及医学图像的特点,在前人研究的基础上提出了一种多尺度全方位结构元素的广义形态学最小模糊化边缘检测算法。这种改进算法是基于广义抗噪型形态学检测算子,并通过多尺度全方位结构元素进行边缘加权组合,可以有效提取图像的边缘信息;再将获取的边缘信息减小模糊化程度,通过这种复合修正而得到最终的边缘信息。在MATLAB7.0平台下对医学图像进行仿真,图像仿真和数据分析的结果表明提出的改进算法不仅能够有效抑制噪声,并且可以获取较理想的医学图像边缘信息。该算法在医学图像处理中具有一定的实用价值,能够有效提高医生诊断的效率。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 边缘检测技术简介
• 1.3 数学形态学在医学图像中的应用
• 1.4 论文的研究工作及内容
• 第2章 经典边缘检测算法简介
• 2.1 边缘的概念
• 2.2 经典的边缘检测算法
• 2.2.1 Roberts 算子
• 2.2.2 Sobel 算子
• 2.2.3 Prewitt 算子
• 2.2.4 Laplacian of Gaussian 算子
• 2.2.5 Canny 算子
• 2.3 经典边缘检测算子的性能比较
• 2.4 本章小结
• 第3章 数学形态学的基本理论
• 3.1 数学形态学简介
• 3.1.1 数学形态学的发展历程
• 3.1.2 集合论的基本符号与术语
• 3.2 二值形态学
• 3.2.1 二值腐蚀运算
• 3.2.2 二值膨胀运算
• 3.2.3 二值开启运算
• 3.2.4 二值闭合运算
• 3.2.5 二值形态学运算的基本性质
• 3.3 灰度形态学
• 3.3.1 灰度腐蚀运算
• 3.3.2 灰度膨胀运算
• 3.3.3 灰度开启运算
• 3.3.4 灰度闭合运算
• 3.3.5 灰度形态学运算的基本性质
• 3.4 数学形态学运算的基本应用
• 3.5 本章小结
• 第4章 形态学边缘检测算法在医学图像处理中的应用
• 4.1 医学图像的特点
• 4.2 医学图像的预处理
• 4.2.1 中值滤波
• 4.2.2 自适应门限的中值滤波
• 4.2.3 滤波算法仿真
• 4.3 形态学边缘检测算法
• 4.3.1 基本形态学梯度
• 4.3.2 广义形态学边缘检测算子
• 4.3.3 多尺度全方位结构元素的构造
• 4.3.4 边缘检测算法的改进
• 4.4 算法仿真与分析
• 4.5 本章小结
• 第5章 总结与展望
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢