东南大学学报（自然科学版）
東南大學學報（自然科學版）
동남대학학보（자연과학판）
JOURNAL OF SOUTHEAST UNIVERSITY
2013年
3期
494-497
,共4页
粟华%杨冠羽%胡轶宁%舒华忠
粟華%楊冠羽%鬍軼寧%舒華忠
속화%양관우%호질저%서화충
相位特征%超声图像分割%C-V模型
相位特徵%超聲圖像分割%C-V模型
상위특정%초성도상분할%C-V모형
为了提高乳腺超声图像分割的准确率,提出了一种基于相位特征的C-V模型超声图像分割方法.首先,采用LOG-Gabor滤波器对超声图像进行6个不同方向的滤波,提取最大能量所对应的相位信息,得到超声图像的相位特征.然后,采用SRAD方法对超声图像降噪,并将降噪后的图像与相位特征点乘,增强图像目标与背景的对比度.最后,运用C-V模型的分割算法识别图像中的目标区域,并采用腐蚀方法使目标区域边缘完整、平滑.实验结果表明,与基于灰度的C-V模型、GAC模型以及基于相位特征的人工神经网络方法相比,利用该方法分割乳腺超声图像,分割的精确度明显提高,达到92.40％.
為瞭提高乳腺超聲圖像分割的準確率,提齣瞭一種基于相位特徵的C-V模型超聲圖像分割方法.首先,採用LOG-Gabor濾波器對超聲圖像進行6箇不同方嚮的濾波,提取最大能量所對應的相位信息,得到超聲圖像的相位特徵.然後,採用SRAD方法對超聲圖像降譟,併將降譟後的圖像與相位特徵點乘,增彊圖像目標與揹景的對比度.最後,運用C-V模型的分割算法識彆圖像中的目標區域,併採用腐蝕方法使目標區域邊緣完整、平滑.實驗結果錶明,與基于灰度的C-V模型、GAC模型以及基于相位特徵的人工神經網絡方法相比,利用該方法分割乳腺超聲圖像,分割的精確度明顯提高,達到92.40％.
위료제고유선초성도상분할적준학솔,제출료일충기우상위특정적C-V모형초성도상분할방법.수선,채용LOG-Gabor려파기대초성도상진행6개불동방향적려파,제취최대능량소대응적상위신식,득도초성도상적상위특정.연후,채용SRAD방법대초성도상강조,병장강조후적도상여상위특정점승,증강도상목표여배경적대비도.최후,운용C-V모형적분할산법식별도상중적목표구역,병채용부식방법사목표구역변연완정、평활.실험결과표명,여기우회도적C-V모형、GAC모형이급기우상위특정적인공신경망락방법상비,이용해방법분할유선초성도상,분할적정학도명현제고,체도92.40％.
