基于四元数小波变换医学图像边缘检测.docVIP

基于四元数小波变换医学图像边缘检测 　　摘 要 医学图像的边缘检测可以使医生更准确清晰地获得有用信息，区分病灶部位便于疾病的诊断。为了能够准确获得医学图像边缘，并且抑制医学图像产生过程中的噪声和伪影，本文提出一种新的医学图像边缘检测算法，利用四元数小波变换的本质二维属性，从水平、垂直和对角子带对医学图像进行分解和重构，最终选择合适阈值显示出图像的边缘。实验结果表明，本文提出的方法较传统的边缘检测算子效果有明显的提高，通过边缘检测评价显示本文算法具有精确的医学图像边缘定位检测能力和抗噪声伪影特性。 　　关键字 医学图像边缘检测；四元数小波变换；传统边缘检测算子 ；边缘连通性 　　中图分类号R318 文献标识码A 文章编号 1674-6708（2014）115-0132-02 　　0 引言 　　图像的边缘检测一直是图像处理领域研究的一个热点和难点，图像边缘信息的有效检测和识别是对目标物体的深一步了解和剖析，更方便研究者对目标的解释和判断。医学图像由于针对目标与普通图像不同，可以说有其相应的特殊性，相比较一般的图像更难以判断和检测其边缘，因为医学图像本身成像系统和设备的精细程度使得其本身的纹理特征更加细致，更加接近，更不容易区分检测，这无疑给医学图像边缘检测技术带来了更大的挑战，加之一些医学成像设备由于本身给图像造成的畸变和伪影，使得医学图像的边缘检测更加困难。如何更好的检测表达医学图像的边缘，使医学图像的纹理信息准确无误的呈现出来是研究者一直追求的目标，也是医生能够更清晰准确区分病灶部位，诊断病人的基本保证。 　　目前大多数的医学图像边缘检测都采用传统的边缘检测算子如：Rober微分算子、Priwitt微分算子、Sobel微分算子、Wallis微分算子和拉普拉斯微分算子来进行研究，其中Rober微分算子、Priwitt微分算子和Sobel微分算子都是一阶微分算子，而Wallis微分算子和拉普拉斯微分算子属于二阶微分算子，虽然相较于一阶微分算子来看，二阶边缘检测算子对医学图像的检测更有优势，但是检测精度仍然不够。因为一阶和二阶微分算子的边缘检测都是在图像像素级别上的处理和重构，得到的医学图像边缘都是一个个的点来组成的，消除或者削弱了图像本身的二维属性，不能够有效的表达图像的边缘轮廓信息。 　　为了保持图像的二维属性， 已经有文献将四元数与对数算子结合用于彩色图像边缘检测，提出一种在四元数空间具有旋转不变性和抗噪性能良好的边缘检测算法，并且该算法的计算复杂度比较低；另外也有文献将四元数卷积结合小波系数加权对纹理复杂，噪声多的岩石裂隙灯彩色图像进行边缘检测，利用四元数水平与垂直方向的结果叠加获得相应的幅值和相位对图像进行处理，对彩色图像的边缘检测获得了较好的效果。但是并没有先关研究将四元数小波变换应用于灰度图像甚至医学图像的边缘检测中，本文首次提出将四元数小波变换应用于医学图像边缘检测，并在之前研究的基础上进行改进，不单单使用四元数小波变换的水平和垂直分量，同时也使用四元数小波变换分解得到的对角子带，这样更体现了四元数小波变换的本质二维属性，对医学图像边缘进行分解和重构，并选取适当阈值进行伪边缘的去除，最终得到医学图像的边缘检测结果。 　　1 四元数基本概念 　　在传统的复数代数中，复平面上面的一个点可以用二元数来表示，而在三维空间中的一个点是用三元数来表示的，由此可以推理在空间中还可以表示出 更多维数的代数，四元数甚至八元数，这些都在现实生活中得到了印证，早在1843年的时候数学家W.R. Hamilton在三元数运算的基础上创造出四元数的概念，其满足实数和复数具有的各种性质，然而仅仅不符合乘法交换律，四元数被学者称为四维空间中的超复数形式，并且为之后产生的八元数甚至更高维代数奠定坚实的基础。四元数代数H可以用以下公式表示： 　　公式（5）中可以看出四元数都可以表示为一个幅值和三个相位的形式，其中该四元数的幅值，而三个相位分别的取值范围可表示为：。 　　2 四元数小波变换对医学图像的边缘检测 　　医学图像的边缘检测是通过四元数小波变换利用其对图像处理后依然保持图像本质二维的特性对医学图像中的信息进行分解提取特征信息，从水平、垂直和对角方向对二维图像信号和不同幅值来实现四元数小波的构造，形成一个水平方向、一个垂直方向和两个对角方向四路小波，充分体现医学图像的边缘特性，实现边缘检测。 　　四元数小波变换是通过二维四元数解析信号和四元数傅里叶变换理论发展得来的，假设是一个二维四元数解析信号，则可定义四元数小波变换为： 　　通过四元数小波变换对医学图像的分解后便得到四路小波在对应四个子带上的小波系数，这些系数共同表达图像中的边缘特征，通过对各路小波幅值和相位计算来表征医学图像 　　中的边缘梯度方向，利用梯度方向