虚拟手术系统中图像的边缘检测方法分析.pdfVIP

引言 本课题来源于虚拟予术系统。虚拟手术系统包括图像轮廓线提取、 ．维建模、 计算建模、碰撞检测、真实感绘制等多个模块。在虚拟手术系统中，刑人体切川冬I 像进行轮廓线提取是第一个步骤，是下一步进行三维建模的基础。 图像边缘检测是图像处理中的关键技术，在许多图像处理应用中都是必不圳少 的步骤之一。在虚拟手术系统中，对人体切片数字图像的边缘检测是非常重要的 个步骤。但是图像中边缘与噪声都分布在高频区域，而且物体的几何边缘、表向纹 理等均表现为边缘，4i同的图像处理任务需要提取不同的边缘信息，这些l大】索使边 缘检测非常困难。直到现在图像的边缘检测问题还没有得到全面解决。 图像的边缘可以定义为其周围像素狄度值有阶跃或屋顶变化的像索的集合。边 缘检测的任务是精确定位图像中的边缘并且尽可能地抑制图像中的噪声。随着图像 处理技术的发展形成了许多经典的边缘检测方法，如各种微分算子。近年来， 随着 数学和人工智能的发展，出现了一些赣的边缘检泓的方法，如基于小波变换的多}弋 度边缘检测算法、数学形态学方法、神经网络方法、模糊数学方法、动态轮廓模型 等。 在各种边缘检测方法中，对图像像素次度级阶跃变化敏感的微分算子是传统的 方法。这些算子毫不例外地对噪声较为敏感。由于原始图像往往含有各种噪声，所 以用这类算子进行图像边缘检测时会有困难。20世纪90年代，随着小波分析理论 和应用的发展，出现了小波多尺度图像边缘检测方法，最早由Mallat在1992年提 出o11。小波变换能较好地解决噪声和精确定位边缘的矛盾。它巧妙地利用了非均匀 分柿的分辨率，在低频段用高的频率分辨率和低的时间分辩率，而在高的频率段则 利用低的频率分辨率和高的时l色J分辨率，即具有“变焦”功能，被称为“数学显微 镜”。因此小波变换是检测突变信号强省力的工具．能很好地刻划突变点的奇异性， 使用小波利用奇异性检测的方法可以区分图像边缘，消除噪声，较之传统的方法， 小波变换检测具有很大的优越性。 然而，小波分析方法还不能完全满足虚拟手术系统中对人体切片图像边缘线提 取的要求。虚拟手术系统包括几个大的步骤：图像轮廓线提取、三维建模、计算建 模、碰撞检测、真实感绘制等。对人体切片图像进行轮廓线提取是第～个步骤，是 下一步进行三维建模的基础，也是非常重要的必需的步骤。在虚拟手术系统中，轮廓 线提取的最终目的是将每一张人体切片中的每一个需要的目标的轮廓提取出来。为 了系统后续步骤的需要，每一条轮廓线检测的结果应该为～条单像素连续的边缘线。 然后将检测的边缘线保存为后续步骤可共享的数据输出。在边缘检测过程中，需要 精确定位图像中的边缘并且尽可能地抑制图像中的噪声。小波分析／。法难以得剑坼 青岛人学硕P学位论文 像素连续的边缘线，所以还不能完全满足虚拟手术系统中刺人体切片图像边缘线提 取的要求。 模型在轮廓检测过程中运用最小能量模型，处理问题时能够得到较好的整体效果。 传统的Snake模型存在着几个不足之处。首先，对凹形轮廓或具有较高曲率的凸形 轮廓检测不到；其次，它要求轮廓线的初始位置要非常靠近物体真实轮廓的位置， 在实际应用中这是一个非常困难的任务：传统Snake模型收缩性使它不能检测物体 内部的轮廓：而且不能检测一幅图像中的多个目标；还有运算比较复杂，用到的参 数难以确定等问题”’。 发外部限制力来扩张和收缩动态轮廓叫，但力的确定不是容易的事情。1992年， 的前提下，时间复杂度大大降低。1993年，Cohen提出用分裂合并算法来克服凹凸 凹型轮廓问题91，但是他们在设定Snake初始位置时必须人工干预。1997年，xu 始轮廓线的确定问题，大大提高了Snake模型的应用范围。 本文在深入分析现有边缘检测方法的基础上，重点研究了基于小波变换的边缘 检测方法、GVF(梯度矢量流)Snake动态轮廓模型。对这两种方法中存在的几个不 足进行了改进，并结合小波分析与GVFSnake模型两种方法的优点，提出了一种新 的边缘检测方法。本文的主要内容如下： 第一章主要说明了论文研究的应用背景一虚拟手术系统中数字图像的边缘检测。 对虚拟手术系统的发展、组成做了简要的介绍。 微分算子。分析了各种方法的原理，并对各种方法的图像边缘检测结果做了比较， 指出了这些方法存在的不足。同时简要介绍了数学形态学方法、神经网络方法、模 糊数学方法等新的图像边缘检测方法。 第三章介绍了基于小波变换的图像边缘检测方法。分析了基于小