基于改進(jìn)歸一化割的甲狀腺腫瘤B超圖像分割.pdf

1、現(xiàn)在甲狀腺結(jié)節(jié)的發(fā)病率很高，這可能預(yù)示著甲狀腺癌的出現(xiàn)。因此，準(zhǔn)確判斷出甲狀腺結(jié)節(jié)位置以及正確判別甲狀腺結(jié)節(jié)是良性的還是惡性的是非常必要的。超聲診斷甲狀腺結(jié)節(jié)的準(zhǔn)確率不斷提高，已成為甲狀腺結(jié)節(jié)性疾病的首選輔助檢查，但是超聲的回聲、陰影、反射等特性也會(huì)使超聲圖像的質(zhì)量退化，這就很難將其邊緣精確地分割出。
　　基于圖論的圖像分割技術(shù)是目前的研究熱點(diǎn)，它通過定義一個(gè)采用圖像某種割值來表示目標(biāo)函數(shù)，通過求解目標(biāo)函數(shù)的極值實(shí)現(xiàn)分割。歸一化割

2、(Ncut)是其中的一種，它主要是通過方向能量模型得到不同尺度子圖像的邊緣方向能量，進(jìn)而得到干涉輪廓模型的相似度，結(jié)合根據(jù)紋理基元得到圖像紋理特征相似度，進(jìn)而可以建立圖像像素之間的相似度，形成基于圖像像素點(diǎn)的權(quán)值矩陣，構(gòu)造無向加權(quán)圖，最后運(yùn)用特征值和特征向量對(duì)圖像進(jìn)行分割。
　　針對(duì)甲狀腺腫瘤的 B超圖像在形成過程中產(chǎn)生的斑點(diǎn)噪聲使圖像質(zhì)量變差的特點(diǎn)以及歸一化割(Ncut)方法對(duì)噪聲敏感和計(jì)算復(fù)雜度高的缺點(diǎn)，本文將各向異性擴(kuò)散模型