关于局部分形维数特征的医学超声图像轮廓提取.pdfVIP

福 建 电 脑 U J I A N C O M P U T E R F 基于局部分形维数特征的医学超声图像轮廓提取 陈文 山 （福建卫生职业技术学院医学技术系 福建 福州 350101) 【摘 要】医学超声图像轮廓提取的研究对疾病诊断有重要意义，传统方法受医学超声图像噪声影 响较难获得准确的提取结果。 本文研究通过引入局部分形维数作为图像轮廓特征，对医学超声图像进 行轮廓提取。 通过与传统方法比较，实验结果表明本文方法对医学超声图像中存在的噪声有较好的抗 干扰能力，能够在噪声背景中较好提取图像的轮廓，为医学超声图像轮廓提取开辟了一条新的途径。 【关键词】分形维数；医学超声图像；轮廓提取 1 引言 2.1 分形维数 医学超声图像轮廓提取是医学超声图像处理的 在欧氏空间中， 人们习惯把空间看成三维的，面 关键技术之一，目的是在存有大量噪声背景的医学超 看成二维，而把线看成一维。 也可以稍加推广，认为点 声图像中确定目标腔体的轮廓[1] 。 图像轮廓的清晰与 是零维的，还可以引入高维空间，但通常人们习惯于 否对医学诊断具有十分重要的作用。 为了做出更准确 整数的维数。 为了定量地描述客观事物的复杂程度， 的诊断，医生需要定量地知道如心输出量等一些重要 1919 年， 数学家 F.Hausdorff 从测量的角度引入了维 的参数信息，这就希望在医学超声图像中能够较为精 数概念,将维数从整数扩大到分数，突破 了一般拓扑集 确地确定出目标腔体（如心房和心室等）的舒张和收 维数为整数的界限。 缩轮廓，从而为后续的诊断和治疗提供有效的信息。 分形维数 FD （Fractal Dimension）有许多不 同的定 然而， 由于受超声图像成像原理等固有因素影 义,计盒维数易于计算，得到广泛使用。 它可以用点覆 响，图像的轮廓通常比较模糊[2] 。 经典的图像轮廓提取 盖方法来估计二维单色 图像分形维数。 用点覆盖的方 主要有 Sobel 算子 [3] 、Laplace 算子 [4] 、Preivitt 算子[5] 、 法计算二值 图像计盒维数时，图像 F 被分割成 M 个宽 [6] [7] δ Kirsch 算子 、Robert 算子 等方法。这些基于微分算子 度为 δ 的方块 C 。 二值 图像白点用 1 表示 ，黑点用 0 i 的提取方法对普通图像的轮廓有较好的检测效果，然 表示 。 而超声图像中存在大量的 Speckle 噪声， 这使得图像 计盒维数定义如下： 轮廓难以检测。 直接将这些方法应用于医学超声图 （1） 像，难以获得准确的图像轮廓提取结果。 其 中，N (F)是用半径不大于 δ 的盒子覆盖 图像 F 分形几何中通常采用分形维数的方法来估计一