邊緣檢測算法在醫學(xué)超聲液性病變圖像中的應用
加入技術(shù)交流群
通過(guò)以上兩組實(shí)驗可以看出，由于超聲液態(tài)病變圖像固有特征，經(jīng)典的邊緣檢測算法并不能清晰的勾畫(huà)出液性病灶的邊緣來(lái)，對包含病灶區域的擴大區域實(shí)施邊緣檢測算法，將得到更多冗余的邊緣信息，不能得到感興趣病灶區域的輪廓。而Snake模型卻可以較好地選取特定的區域，利用算法特有的曲線(xiàn)變化方式，最終收攏到雙側灰度梯度變換平衡點(diǎn)位置，達到邊緣提取的良好效果，主要原因在于：
(1)Snake模型可以人為的設定待提取邊緣的主要控制點(diǎn)，縮小了曲線(xiàn)變化的范圍，更加具有針對性的對特定區域進(jìn)行邊緣提??；
(2)Snake模型對圖像灰度變化較敏感，在曲線(xiàn)內力和外力達到平衡的情況下，曲線(xiàn)可以很好的穩定在一個(gè)位置，形成平滑的連續的曲線(xiàn)。本文引用地址：http://dyxdggzs.com/article/193780.htm
3 結語(yǔ)
本文應用幾種不同的邊緣檢測算法提取醫學(xué)超聲液態(tài)病變圖像的邊緣，實(shí)驗結果表明，經(jīng)典邊緣檢測算法的提取效果不明顯，而基于Snake模型的邊緣提取算法由于采用動(dòng)態(tài)的調整方法，提取的圖像邊緣完整、平滑、清晰，方便于后續的診斷性測量，具有一定的臨床應用價(jià)值，因此，在臨床使用的醫學(xué)超聲儀器中，使用類(lèi)似算法提取液性病變圖像邊緣，將是一個(gè)應用趨勢。
評論