交互式kohonen神经网络在医学图像处理中的应用.pdfVIP

交互式Kohonen神经网络在医学图像处理巾的麻用 以灵活的变换聚类的个数来得到不同的医学图像分割结果，并从多幅 分割图像中，选出有助于病情分析的分割图像。 利用Kohonen神经网络进行图像分割，运算量非常大。为了减少 运算量，提高运算速度，我们引入了塔型数据结构(PDS)，把图像分成 不同级的量化图像，使得在不影响图象分割精度的前提下，将运算量 大大减少，从而提高了图象分割的速度。 关键词：kohonen神经网络、图像分割、输出结点、交■：式、PDS 交互式Kohonen种经阿络在医学图像处理中的应用 第一章 引言 一、 数字图像的有关知识 1、数字图像的基木概念 数字图像处理作为--f]学科形成于20世纪60年代初期。1964年， 美国喷气推进实验室利用计算机对太空飞船发回的月球图像信息进行 处理，收到了明显效果。此后不久，图像处理这门学科便诞生了。作 为一门交叉学科，数字图像处理在40年的时问里获得了蓬勃发展，它 所包括的内容涉及到信息科学、计算机科学、数学、物理学以及生理 学等科目。随着计算机技术的发展，数字图像处理技术山|二iI趋完善成 熟，而且越来越广泛地应用于空间探测、遥感、生物医学、人：F智能 以及工业检测等许多领域，并促使这些学科产生了新的发展。 数字图像处理，即用计算机对图像进行处理。数字图像处理系统 基本的三个部件是：处理图像的计算机、图像数字化仪、图像显示设 备。 数字图像处理的过程，第一步是要在图像之间根据具体的需要进 行各种变换。通过对图像进行各种加工来改善图像的视觉效果，为图 像的自动识别打基础。第二步，就是对图像进行分析。通过对冈像中 感兴趣的目标进行检测和测量，获得客观信息从而建立对图像的描述。 2、图像分割的基木概念 图像分割是数字图像处理中非常重要的组成部分，也是上述第一 步转到第二步的关键。图像分割，是指把图像分成各具特性的区域并 提耿出感兴趣目标的技术和过程。这罩的特性可以是灰度、颜色、文 理等，目标可以对应单个区域，也可以对应多个区域。 图像分割可以借助集合概念用如下方法定义： a． URi瑚： k1 b． 对所有的i和^i≠，，有飓nRj．=庐； C． 对i=，■3．．’月，有P(R。)=TRUE； 交互式Kohonen神经网络在医学图像处理巾的应用 d． 对i≠，，有P(R，uR，)=FALSE： e． 对i=，，Z。，R，是连通的区域。 其中e(g。)是对所有在集合届中元素的逻辑谓词，矽是空集。 3、 图像分割的基本方法 图像分割多年来一直得到人们的高度重视，至今已经提出了各种 类型的分割算法。最基本的几种分割方法如下所述。 (1)、 阈值分割方法 闽值分割方法就是简单地用一个或几个阈值将图像的灰度直方图 分成几个类，认为图像中灰度值在同一个灰度类内的像素属于同一个 物体。阈值方法的缺陷在于它仅仅考虑了图像的灰度信息，而忽略了 图像中的空间信息，对于图像中不存在明显的灰度差异或各物体的灰 度值范围有较大重叠的图像分割问题难以得到准确的结果。 (2)、 边缘检测 边缘检测方法可以既是人们研究的最多的方法，它试图通过检测 包括不同区域的边缘来解决图像分割问题，基于在不同区域之问的边 缘上像素灰度值的变化往往比较剧烈。这类方法大多是基于局部信息 的，一般利用图像一阶导数的极大值或二阶导数的过零点信息来判断 边缘点的基本依据。 根据检测边缘所采用的方式的不同，检测方法大致包括以下几类： 基于局部图像函数的方法，图像滤波。多尺度方法，基于反映一扩散 方程的方法，多分辨率方法，基于边界曲线拟合的方法等。 (3)、 统计学分割方法 从统计学出发的图像分割方法把图像中各个像素点的扶度值看作 是具有一定概率分布的随机变量，观察到的图像是对实际物体做了某 种变换并加入噪声的结果，如下式： G2庐(硎0N 其中F表示实际景物，H表示涂浊(blur)，庐为非线性变换，Ⅳ表示噪 声，o表示加入噪声的方式，可以是加性噪声、乘性噪声等。 (4)、 结合区域与边界信息的方法 交互式Kohonen神经网络在医学图像处理中的应用 基于区域信息的图形