基于小波变换的医学CT图像边缘检测技术研究
|
摘要
数字图像的边缘检测是图像分割、目标区域识别、区域形状检测等图像分析领域十分重要的基础,是图像识别中检测图像特征的一个重要属性,图像理解和分析的第一步往往就是边缘检测,目前它已成为机器视觉研究领域最活跃的课题之一。医学CT图像与普通图像比较,本质上具有模糊性和不均匀性。首先,图像具有灰度上的含糊性,在同一种组织中信号值会出现大幅度的变化。其次,由于局部体效应,一个边界上的体素中常常同时包含两种物质。另外,由于技术上的原因带来的噪声往往模糊了物体边缘的高频信号。
本文主要研究基于小波变换的医学CT图像边缘检测方法。首先概述图像边缘检测的基本原理,介绍了当前国内外对于边缘检测典型研究方向;接着介绍了小波变换及其应用于图像边缘检测的相关理论;最后重点研究了基于小波变换的多尺度图像边缘检测算法,对比了多种基于小波变换的多尺度图像边缘检测改进算法,并对它们的检测效果进行了比较。在此基础上,结合两种改进算法的优点提出了一种基于小波变换的多尺度自适应边缘检测改进算法,改进算法的目的是使医学CT图像边缘检测具有更良好的噪声抑制能力,同时又具有完备的边缘保持特性,并进行了相关实验验证,以验证该改进算法的合法性和合理性。
Many fields related to image analysis are based on the edge detection of digital images, such as image segmentation, recognition of target region, shape extraction from regional areas and so on. The edge detection of digital image is an important attribute for extracting image characteristics in image recognition. It is also the first step in image understanding and image analysis. It has become one of the most active issues in the field related to machine vision research. Comparing with ordinary images, medical CT images are often fuzzy and with heterogeneity. First, they have ambiguities in gray-scale, signal values coming from one tissue will have drastic changes. Secondly, because of the partial effect, some places on the border of the tissue often contain two substances.
In this paper, we set focus on the methods of detecting medical CT image edges based on wavelet transform. We firstly summarize the basic theory on edge detection of images, and introduce some new domestic and foreign research directions on this field; Then, we introduce the theory on wavelet transform and the theory of edge detection of image based on wavelet transform; At last, we mainly study multi-scale methods of detecting image edges based on wavelet transform, citing several improved methods, comparing the results of these methods. Then we propose an improved adaptive method based on two improved methods, the main objective of this improved algorithm is to enhance the quality of detecting medical CT image edges with minimal affection of fuzzy signals and all of the characteristics of the edge, and we verify the improved algorithm's performance by doing experiments.
本文主要研究基于小波变换的医学CT图像边缘检测方法。首先概述图像边缘检测的基本原理,介绍了当前国内外对于边缘检测典型研究方向;接着介绍了小波变换及其应用于图像边缘检测的相关理论;最后重点研究了基于小波变换的多尺度图像边缘检测算法,对比了多种基于小波变换的多尺度图像边缘检测改进算法,并对它们的检测效果进行了比较。在此基础上,结合两种改进算法的优点提出了一种基于小波变换的多尺度自适应边缘检测改进算法,改进算法的目的是使医学CT图像边缘检测具有更良好的噪声抑制能力,同时又具有完备的边缘保持特性,并进行了相关实验验证,以验证该改进算法的合法性和合理性。
Many fields related to image analysis are based on the edge detection of digital images, such as image segmentation, recognition of target region, shape extraction from regional areas and so on. The edge detection of digital image is an important attribute for extracting image characteristics in image recognition. It is also the first step in image understanding and image analysis. It has become one of the most active issues in the field related to machine vision research. Comparing with ordinary images, medical CT images are often fuzzy and with heterogeneity. First, they have ambiguities in gray-scale, signal values coming from one tissue will have drastic changes. Secondly, because of the partial effect, some places on the border of the tissue often contain two substances.
In this paper, we set focus on the methods of detecting medical CT image edges based on wavelet transform. We firstly summarize the basic theory on edge detection of images, and introduce some new domestic and foreign research directions on this field; Then, we introduce the theory on wavelet transform and the theory of edge detection of image based on wavelet transform; At last, we mainly study multi-scale methods of detecting image edges based on wavelet transform, citing several improved methods, comparing the results of these methods. Then we propose an improved adaptive method based on two improved methods, the main objective of this improved algorithm is to enhance the quality of detecting medical CT image edges with minimal affection of fuzzy signals and all of the characteristics of the edge, and we verify the improved algorithm's performance by doing experiments.
引文
[1]R.C.Gonzalez,R.E.Woods.Digital Image Processing[M].USA:Addision-Wesley Publishing Company,1992.
[2]田捷,包尚联,周明全.医学影像处理与分析[M].北京:电子工业出版社,2003.
[3]崔屹.图像处理与分析-数学形态学方法及应用[M].北京:科学出版社,2000.
[4]冯俊萍,赵转萍.基于数学形态学的图像边缘检测技术[J].航空计算技术,2004,34(3):53-56.
[5]王树文,闫成新,张天序.数学形态学在图像处理中的应用[J].计算机工程与应用,2004,3:89-92.
[6]杨平先,孙兴波.一种改进多尺度形态边缘检测算法[J].光电工程,2005,32(11):72-75.
[7]张世华,宋振明.一种基于模糊增强的图像边缘检测改进算法[J].湖南工程学院学报,2006:65-68.
[8]施成湘,杨丹,尚晋.扩展的多尺度模糊边缘检测[J].计算机工程与应用,2006:65-67.
[9]苏红彬,白凤娥.边缘检测方法及其在医学图像处理中的应用研究[J].光电子技术与信息,2005,18(2):23-27.
[10]张小琳.图像边缘检测技术综述[J].高能量密度物理,2007年3月第1期.
[11]李骞,陈占伟.图像边缘检测新技术及其应用[J].许昌学院学报,2006,25(2):42-46.
[12]伍尤富.图像处理中边缘检测研究方法[J].舰船电子工程,2006,26(4):35-38.
[13]陈天华.数字图像处理[M].北京:清华大学出版社,2007.
[14]王耀南,李树涛,毛建旭.计算机图像处理与识别技术[M].北京:高等教育出版社,2001.
[15]刘贵忠,邸双亮.小波分析及其应用[M].西安:西安电子科技大学出版社,1992.
[16]胡昌华,张军波,夏军,张伟.基于MATLAB的系统分析与设计--小波分析[M].西安:西安电子科技大学出版社,2000.
[17]董长虹,高志,余啸海.Matlab小波分析工具箱原理与应用[M].北京:国防工业出版社,2004.
[18]姚敏.数字图像处理[M].北京:机械工业出版社,2006.
[19]王惠琴.数字图像处理[M].北京:北京邮电大学出版社,2006.
[20]胡广书.现代信号处理教程[M].北京:清华大学出版社,2004.
[21]李弼程,罗建书.小波分析及其应用[M].北京:电子工业出版社.2005.
[22]徐晨,赵瑞珍,甘小冰.小波分析.应用算法[M].北京:科学出版社,2004.
[23]Dwight F.Mix,Kraig J.Olejniczak.小波基础及应用教程[M].北京:机械工业出版社,2006.
[24]王大凯,彭进业.小波分析及其在信号处理中的应用[M].北京:电子工业出版社,2006.
[25]段瑞玲,李庆祥,李玉和.图像边缘检测方法研究综述[J].光学技术,2005,31:415-419.
[26]程正兴.小波分析在图像处理中的应用[J].工程数学学报,2001,(12):57-86.
[27]王建中,赵军.图像边缘检测的小波多孔算法及改进[J].武汉理工大学学报,2004,26(1):76-79.
[28]赵登峰,许纯新.小波分析及其在数字图像处理中的应用[J].同济大学学报,2001,29(9):1054-1057.
[29]张德丰,张葡青.基于小波的图像边缘检测算法研究[J].中山大学学报,2007,46(3):39-42.
[30]田岩岩,齐国清.基于小波变换模极大值的边缘检测方法[J].大连海事大学学报,2007,33(1):102-105.
[31]钟平,罗建书.基于小波变换的含噪图片的自适应边缘检测[J].中国空间科技技术,2003年第5期.
[32]CASTLEMAN K R.数字图像处理[M].北京:电子工业出版社,2002.
[33]陈武凡等.小波分析及其在图像处理中的应用[M].北京:科学出版社,2002.
[34]Mallat S,Zhong S.Characterization of signals from multiscale edges[J].IEEE Trans.Pattern Anal.Maehine Intell.,1992,14(7):710-732
[35]陈东,周大威,王炎等.用多尺度小波变换进行边缘检测算法的研究[J].计算机工程与设计,1998,19(2):(2)35-37.
[36]刘宏兵,杨万海,张群.两类阈值对图像小波边缘提取的影响研究[J].系统工程与电子技术,2000,22(2):87-89.
[37]刘宏兵,杨万海,马剑红.图像小波边缘提取中阈值选取的一种自适应方法[J].西安电子科技大学学报(自然科学版),2000,27(3):294-296.
[38]郭显久.一种新的基于小波变换的边缘检测算法[J].大连水产学院学报,2005,20(2):158-162.
[39]王涛,谷根代,王晓霞.模糊多尺度边缘检测算法的研究检测方法[J].微计算机信息,2006,22(10-3):304-306.
[40]肖旺新,张雪,黄卫.视频交通图像自适应阈值边缘检测[J].交通运输工程学报,2003.3(4):104-107.
[41]张雪,肖旺新,吴坚,等.用二次B样条小波进行图像的自适应阈值边缘检测[J].红外技术,2003,25(1):19-24.
[42]连静,王珂.样条小波自适应阈值多尺度边缘检测算法研究[J].系统仿真学报,2006.18(6):1473-1482.
[43]Pratt W K.数字图像处理[M].邓鲁华.张延恒译.北京:机械工业出版社,2005:299-325.
[44]四维科技,胡小峰,赵辉.Visual C++/MATLAB图像处理与识别实用案例精选[M].北京:人民邮电出版社,2004.
[45]王家文,李仰军.MATLAB 7.0图形图像处理[M].北京:国防工业出版社,2006.
[46]孙兆林.MATLAB 6.X图像处理[M].北京:清华大学出版社,2002.
[47]王家文,曹宇.MATLAB 6.5图像图形处理[M].北京:国防工业出版社,2004.
[48]陈桂明,张明照,戚红雨.应用MATLAB语言处理数字信号与数字图像[M].北京:科学出版社,2001.
[49]飞思科技产品研发中心.MATLAB 6.5辅助图像处理[M].北京:电子工业出版社,2003.
[2]田捷,包尚联,周明全.医学影像处理与分析[M].北京:电子工业出版社,2003.
[3]崔屹.图像处理与分析-数学形态学方法及应用[M].北京:科学出版社,2000.
[4]冯俊萍,赵转萍.基于数学形态学的图像边缘检测技术[J].航空计算技术,2004,34(3):53-56.
[5]王树文,闫成新,张天序.数学形态学在图像处理中的应用[J].计算机工程与应用,2004,3:89-92.
[6]杨平先,孙兴波.一种改进多尺度形态边缘检测算法[J].光电工程,2005,32(11):72-75.
[7]张世华,宋振明.一种基于模糊增强的图像边缘检测改进算法[J].湖南工程学院学报,2006:65-68.
[8]施成湘,杨丹,尚晋.扩展的多尺度模糊边缘检测[J].计算机工程与应用,2006:65-67.
[9]苏红彬,白凤娥.边缘检测方法及其在医学图像处理中的应用研究[J].光电子技术与信息,2005,18(2):23-27.
[10]张小琳.图像边缘检测技术综述[J].高能量密度物理,2007年3月第1期.
[11]李骞,陈占伟.图像边缘检测新技术及其应用[J].许昌学院学报,2006,25(2):42-46.
[12]伍尤富.图像处理中边缘检测研究方法[J].舰船电子工程,2006,26(4):35-38.
[13]陈天华.数字图像处理[M].北京:清华大学出版社,2007.
[14]王耀南,李树涛,毛建旭.计算机图像处理与识别技术[M].北京:高等教育出版社,2001.
[15]刘贵忠,邸双亮.小波分析及其应用[M].西安:西安电子科技大学出版社,1992.
[16]胡昌华,张军波,夏军,张伟.基于MATLAB的系统分析与设计--小波分析[M].西安:西安电子科技大学出版社,2000.
[17]董长虹,高志,余啸海.Matlab小波分析工具箱原理与应用[M].北京:国防工业出版社,2004.
[18]姚敏.数字图像处理[M].北京:机械工业出版社,2006.
[19]王惠琴.数字图像处理[M].北京:北京邮电大学出版社,2006.
[20]胡广书.现代信号处理教程[M].北京:清华大学出版社,2004.
[21]李弼程,罗建书.小波分析及其应用[M].北京:电子工业出版社.2005.
[22]徐晨,赵瑞珍,甘小冰.小波分析.应用算法[M].北京:科学出版社,2004.
[23]Dwight F.Mix,Kraig J.Olejniczak.小波基础及应用教程[M].北京:机械工业出版社,2006.
[24]王大凯,彭进业.小波分析及其在信号处理中的应用[M].北京:电子工业出版社,2006.
[25]段瑞玲,李庆祥,李玉和.图像边缘检测方法研究综述[J].光学技术,2005,31:415-419.
[26]程正兴.小波分析在图像处理中的应用[J].工程数学学报,2001,(12):57-86.
[27]王建中,赵军.图像边缘检测的小波多孔算法及改进[J].武汉理工大学学报,2004,26(1):76-79.
[28]赵登峰,许纯新.小波分析及其在数字图像处理中的应用[J].同济大学学报,2001,29(9):1054-1057.
[29]张德丰,张葡青.基于小波的图像边缘检测算法研究[J].中山大学学报,2007,46(3):39-42.
[30]田岩岩,齐国清.基于小波变换模极大值的边缘检测方法[J].大连海事大学学报,2007,33(1):102-105.
[31]钟平,罗建书.基于小波变换的含噪图片的自适应边缘检测[J].中国空间科技技术,2003年第5期.
[32]CASTLEMAN K R.数字图像处理[M].北京:电子工业出版社,2002.
[33]陈武凡等.小波分析及其在图像处理中的应用[M].北京:科学出版社,2002.
[34]Mallat S,Zhong S.Characterization of signals from multiscale edges[J].IEEE Trans.Pattern Anal.Maehine Intell.,1992,14(7):710-732
[35]陈东,周大威,王炎等.用多尺度小波变换进行边缘检测算法的研究[J].计算机工程与设计,1998,19(2):(2)35-37.
[36]刘宏兵,杨万海,张群.两类阈值对图像小波边缘提取的影响研究[J].系统工程与电子技术,2000,22(2):87-89.
[37]刘宏兵,杨万海,马剑红.图像小波边缘提取中阈值选取的一种自适应方法[J].西安电子科技大学学报(自然科学版),2000,27(3):294-296.
[38]郭显久.一种新的基于小波变换的边缘检测算法[J].大连水产学院学报,2005,20(2):158-162.
[39]王涛,谷根代,王晓霞.模糊多尺度边缘检测算法的研究检测方法[J].微计算机信息,2006,22(10-3):304-306.
[40]肖旺新,张雪,黄卫.视频交通图像自适应阈值边缘检测[J].交通运输工程学报,2003.3(4):104-107.
[41]张雪,肖旺新,吴坚,等.用二次B样条小波进行图像的自适应阈值边缘检测[J].红外技术,2003,25(1):19-24.
[42]连静,王珂.样条小波自适应阈值多尺度边缘检测算法研究[J].系统仿真学报,2006.18(6):1473-1482.
[43]Pratt W K.数字图像处理[M].邓鲁华.张延恒译.北京:机械工业出版社,2005:299-325.
[44]四维科技,胡小峰,赵辉.Visual C++/MATLAB图像处理与识别实用案例精选[M].北京:人民邮电出版社,2004.
[45]王家文,李仰军.MATLAB 7.0图形图像处理[M].北京:国防工业出版社,2006.
[46]孙兆林.MATLAB 6.X图像处理[M].北京:清华大学出版社,2002.
[47]王家文,曹宇.MATLAB 6.5图像图形处理[M].北京:国防工业出版社,2004.
[48]陈桂明,张明照,戚红雨.应用MATLAB语言处理数字信号与数字图像[M].北京:科学出版社,2001.
[49]飞思科技产品研发中心.MATLAB 6.5辅助图像处理[M].北京:电子工业出版社,2003.