基于小波變換的醫(yī)學(xué)影像圖像閾值分割實(shí)現(xiàn)設(shè)計(jì)

張永剛

摘 要：探討了基于小波變換算法的數(shù)學(xué)模型，對(duì)醫(yī)學(xué)影像圖像的閾值分割進(jìn)行了實(shí)現(xiàn)設(shè)計(jì)研究，進(jìn)一步對(duì)分割方法的處理結(jié)果進(jìn)行了仿真實(shí)驗(yàn)，結(jié)果表明利用小波閾值算法對(duì)醫(yī)學(xué)影像圖像分割效果較好，便于實(shí)現(xiàn)。

關(guān)鍵詞：小波變換;醫(yī)學(xué)影像圖像;閾值分割; 數(shù)學(xué)模型

中圖分類號(hào)：TP391 ?文獻(xiàn)標(biāo)志碼：A

隨著醫(yī)療事業(yè)的發(fā)展及人們對(duì)健康要求的不斷提升，加之計(jì)算機(jī)技術(shù)的快速發(fā)展和成熟，圖像分割在生物醫(yī)學(xué)圖像分析領(lǐng)域得到廣泛深入應(yīng)用[1]。醫(yī)學(xué)影像使臨床醫(yī)生對(duì)機(jī)體內(nèi)病變部位的觀察、現(xiàn)場(chǎng)救護(hù)、病期護(hù)理、手術(shù)及康復(fù)護(hù)理更便捷[2-3]。它在生命科學(xué)的各個(gè)領(lǐng)域中發(fā)揮著重要的作用，然而醫(yī)學(xué)影像圖像分割是圖像處理的關(guān)鍵和核心[3-4]。呂福起等[5]探討了一種基于粒子群優(yōu)化算法和模糊熵的多級(jí)閾值圖像分割算法;蘇晉鵬等[6]通過(guò)閾值分割的暗原色先驗(yàn)圖像去霧消除區(qū)域失真問(wèn)題和提高運(yùn)算速度研究;牟希農(nóng)[7]運(yùn)用小波域馬爾可夫隨機(jī)場(chǎng)模型對(duì)醫(yī)學(xué)影像圖像進(jìn)行了分割提取研究;張紅軍等[8]基于“共用”閾值分割雙側(cè)乳腺圖像的高密度區(qū)域并采用決策樹(shù)分類算法對(duì)乳腺篩查者是否患癌進(jìn)行預(yù)測(cè)分類，以提高女性乳腺癌近期發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)精度;張海濤等[9]報(bào)道了改進(jìn)人工蜂群算法分割二維Otsu圖像的新方法，避免算法陷入局部最優(yōu)并加快收斂速度;姚德等[10]研究了果蠅優(yōu)化和混沌的圖像分割效果，對(duì)收斂性和魯棒性進(jìn)行了探討;基于圖像閾值分割的量子改進(jìn)蜂群法對(duì)圖像的有效分割也得到了報(bào)道[11]。文獻(xiàn)[12]對(duì)小波分析在醫(yī)學(xué)影像圖像噪聲去除應(yīng)用進(jìn)行了探討，研究結(jié)果表明其模型在除噪方面效果較好。準(zhǔn)確的模型對(duì)提高圖像分割的精確度和效率極為重要，所以對(duì)算法模型的研究是圖像分割取得突破性進(jìn)展的關(guān)鍵環(huán)節(jié)[13-15]。小波變換在醫(yī)學(xué)影像圖像閾值分割方面報(bào)道較少，基于此，本文探討了小波變換算法的數(shù)學(xué)模型，并基于該模型對(duì)醫(yī)學(xué)影像圖像的閾值分割進(jìn)行了實(shí)現(xiàn)設(shè)計(jì)研究，進(jìn)一步對(duì)分割方法的處理結(jié)果進(jìn)行了仿真實(shí)驗(yàn)研究。

1 醫(yī)學(xué)影像圖像閾值分割的小波變換算法模型 ?圖像灰度變化的特征通過(guò)直方圖上的波峰和波谷點(diǎn)等突變點(diǎn)表示出來(lái)?；诖耍?Jean-Christophe Olivo先平滑濾波圖像直方圖，接著多尺度小波分解該直方圖，進(jìn)而提取各級(jí)小波分解的細(xì)節(jié)分量，達(dá)到閾值點(diǎn)的自適應(yīng)選取及閾值點(diǎn)的準(zhǔn)則定位。這樣對(duì)直方圖采用小波變換來(lái)實(shí)現(xiàn)多閾值自動(dòng)搜索提取信息。

將醫(yī)學(xué)影像圖像直方圖通過(guò)多分辨率的小波變換，達(dá)到由粗到細(xì)的多層次結(jié)構(gòu)閾值分割。不同分辨率下的細(xì)節(jié)信號(hào)由醫(yī)學(xué)影像圖像直方圖各層次的小波分解系數(shù)表達(dá)出來(lái)，醫(yī)學(xué)影像圖像直方圖多分辨率小波分解的零交叉點(diǎn)和極值點(diǎn)與其峰點(diǎn)和谷點(diǎn)對(duì)應(yīng)[12，15-17]。

通過(guò)圖2可以觀察到：對(duì)直方圖采用小波變換來(lái)實(shí)現(xiàn)多閾值自動(dòng)搜索提取信息的分割中，當(dāng)小尺度時(shí)雖然受噪聲影響較大，但能夠比較準(zhǔn)確地定位閾值;當(dāng)大尺度時(shí)受到的噪聲干擾相比較小，確定閾值較容易。因此，先在大尺度下將峰與峰之間的谷點(diǎn)處理，接著逐層深入，經(jīng)過(guò)粗略達(dá)到精細(xì)的控制策略，既有效地獲得了最佳閾值，同時(shí)可消除噪聲帶來(lái)的干擾影響，精準(zhǔn)地達(dá)到對(duì)醫(yī)學(xué)影像圖像的高效分割。

3 結(jié)語(yǔ)

文章探討了基于小波變換算法的數(shù)學(xué)模型，采用MATLAB平臺(tái)對(duì)醫(yī)學(xué)影像圖像的閾值分割進(jìn)行實(shí)現(xiàn)設(shè)計(jì)研究，進(jìn)一步對(duì)其進(jìn)行仿真實(shí)驗(yàn)，表明利用小波閾值算法對(duì)醫(yī)學(xué)影像圖像分割效果較好，便于實(shí)現(xiàn)。它為實(shí)際醫(yī)學(xué)影像圖像閾值分割應(yīng)用和理論研究提供了借鑒。醫(yī)學(xué)影像圖像分割是醫(yī)學(xué)影像圖像處理的重要內(nèi)容，也是醫(yī)學(xué)影像圖像分析與識(shí)別過(guò)程中的重要環(huán)節(jié)，其圖像分割結(jié)果的好壞將直接影響到后續(xù)對(duì)醫(yī)學(xué)影像圖像的特征提取、測(cè)量、及目標(biāo)識(shí)別等。對(duì)醫(yī)學(xué)影像圖像分割的理論和技術(shù)應(yīng)用有待進(jìn)一步的研究。參考文獻(xiàn)：

[1] SALIH B G，CARLO T，BERND G.Medical image compression based on region of interest，with application to colon CT images[J].Eng Med Biol Soc，2001，3：2453-2456.

[2] 呂佳虹，許躍，張志光，等.不同CBCT圖像分割技術(shù)在TMJOA診斷中的應(yīng)用對(duì)比研究[J].口腔醫(yī)學(xué)研究，2018，34（8）：876-880.

[3] 李軍，周月琴.小波變換用于影象分割的研究[J].中國(guó)圖象圖形學(xué)報(bào)，1997，2（4）：11-17.

[4] 宋凱，王舒卉.圖像分割算法研究與實(shí)現(xiàn)[J].沈陽(yáng)工程學(xué)院學(xué)報(bào)（自然科學(xué)版），2020，16（4）：67-70.

[5] 呂福起，李霄民.基于粒子群優(yōu)化算法和模糊熵的多級(jí)閾值圖像分割算法[J].計(jì)算機(jī)應(yīng)用研究，2019，36（9）：2856-2860.

[6] 蘇晉鵬，陳恩俊，景嘉帥，等. 基于閾值分割的暗原色先驗(yàn)圖像去霧方法[J]. 計(jì)算機(jī)工程與應(yīng)用，2017，53（3）：205-210.

[7] 牟希農(nóng).基于小波域馬爾可夫隨機(jī)場(chǎng)的醫(yī)學(xué)影像圖像提取實(shí)現(xiàn)研究[J].貴州大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，37（1）：74-77.

[8] 張紅軍，閆士舉. 基于雙側(cè)乳腺圖像“共用”閾值分割的乳腺癌近期發(fā)病預(yù)測(cè)[J]. 中國(guó)醫(yī)學(xué)物理學(xué)雜志，2017，34（8）：820-824.

[9] 張海濤，程新文，熊紅偉，等.改進(jìn)蜂群算法的圖像閾值分割方法[J].計(jì)算機(jī)應(yīng)用研究，2017，34（12）：3880-3884.

[10]姚德，何慶.基于改進(jìn)果蠅優(yōu)化的模糊C聚類圖像分割[J]. 貴州大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，33（5）：76-80.

[11]霍鳳財(cái)， 孫寶翔， 任偉建. 基于圖像閾值分割的改進(jìn)蜂群算法[J]. 吉林大學(xué)學(xué)報(bào)（信息科學(xué)版）， 2015， 33（1）：84-93.

[12]陳軍.基于小波分析的醫(yī)學(xué)影像圖像除噪設(shè)計(jì)及仿真研究[J].貴州大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，37（5）：78-81，88.

[13]鄭文松，王卿，王穎，等.亞實(shí)性肺結(jié)節(jié)CT閾值分割：實(shí)性成分識(shí)別與定量[J]. 中國(guó)肺癌雜志，2017，20（5）：341-345.

[14]李旭超，朱善安.圖像分割中的馬爾可夫隨機(jī)場(chǎng)方法綜述[J].中國(guó)圖象圖形學(xué)報(bào)，2007，12（5）：789-798.

[15]李滾，劉歡，柯善群. 脊椎圖像分割與椎體信息提取的算法及應(yīng)用[J]. 電子設(shè)計(jì)工程，2017，25（16）：183-186.

[16]戴培山. 基于小波變換的乳腺X線圖像分割[D].成都：四川大學(xué)，2004.

[17]王衛(wèi)星，劉永強(qiáng).基于直方圖修正的小波自適應(yīng)閾值大米堊白分割[J].重慶郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，22（2）：218-222.

[18]喬玲玲. 圖像分割算法研究及實(shí)現(xiàn)[D].武漢：武漢理工大學(xué)，2009.

[19]胡學(xué)剛，段瑤，嚴(yán)思奇.基于區(qū)域合并的FCM圖像分割改進(jìn)算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2018，39（9）：2077-2080.

[20]高建瓴，孟宇婷，邸澤雷坤.基于自適應(yīng)活動(dòng)輪廓模型的醫(yī)學(xué)圖像分割算法研究[J].貴州大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，35（5）：67-73.

[21]趙波，鄭興華，白璐，等.腦白質(zhì)疏松癥MR圖像病變區(qū)域的量化分析[J].杭州電子科技大學(xué)學(xué)報(bào)，2012，32（6）：117-120.

[22]陳軍，石新民，牟希農(nóng)，等.混沌及馬爾可夫在醫(yī)學(xué)影像圖像處理中的應(yīng)用[M].蘭州：蘭州大學(xué)出版社，2018.

[23]袁樂(lè)民.基于中值濾波算法的醫(yī)學(xué)影像圖像除噪設(shè)計(jì)實(shí)現(xiàn)研究[J].貴州大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，37（2）：42-45，50.

[24]尹慧平，張耀楠，何穎.基于CT圖像的全心臟分割方法研究[J]. 現(xiàn)代計(jì)算機(jī)， 2016（32）：62-66.

[25]陳蒙.利用MATLAB實(shí)現(xiàn)醫(yī)學(xué)圖像灰度增強(qiáng)的應(yīng)用研究[J]. 貴州大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2011，28（3）：94-97.

[26]彭燕，胡丹屏，劉宇紅，等.基于FPGA實(shí)現(xiàn)的Ferguson雙三次曲面插值圖像縮放算法[J].貴州大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，36（6）：68-72，118.

（責(zé)任編輯：曾 晶）

Abstract： The mathematical model based on wavelet transform algorithm is discussed. The realization design research for medical image threshold segmentation is carried out.The simulation experiment of the processing results of segmentation method was conducted. The results shows that using wavelet threshold algorithm for medical image segmentationis good in effect，and easy to be implemented.

Key words： wavelet transform; medical images; threshold segmentation; mathematical model