基于小波變換的醫(yī)學影像圖像閾值分割實現(xiàn)設(shè)計

摘 要：探討了基于小波變換算法的數(shù)學模型，對醫(yī)學影像圖像的閾值分割進行了實現(xiàn)設(shè)計研究，進一步對分割方法的處理結(jié)果進行了仿真實驗，結(jié)果表明利用小波閾值算法對醫(yī)學影像圖像分割效果較好，便于實現(xiàn)。

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

中圖分類號：TP391 "文獻標志碼：A

隨著醫(yī)療事業(yè)的發(fā)展及人們對健康要求的不斷提升，加之計算機技術(shù)的快速發(fā)展和成熟，圖像分割在生物醫(yī)學圖像分析領(lǐng)域得到廣泛深入應(yīng)用[1]。醫(yī)學影像使臨床醫(yī)生對機體內(nèi)病變部位的觀察、現(xiàn)場救護、病期護理、手術(shù)及康復(fù)護理更便捷[2-3]。它在生命科學的各個領(lǐng)域中發(fā)揮著重要的作用，然而醫(yī)學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閾值圖像分割算法;蘇晉鵬等[6]通過閾值分割的暗原色先驗圖像去霧消除區(qū)域失真問題和提高運算速度研究;牟希農(nóng)[7]運用小波域馬爾可夫隨機場模型對醫(yī)學影像圖像進行了分割提取研究;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)域并采用決策樹分類算法對乳腺篩查者是否患癌進行預(yù)測分類，以提高女性乳腺癌近期發(fā)病風險預(yù)測精度;張海濤等[9]報道了改進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，對收斂性和魯棒性進行了探討;基于圖像閾值分割的量子改進蜂群法對圖像的有效分割也得到了報道[11]。文獻[12]對小波分析在醫(yī)學影像圖像噪聲去除應(yīng)用進行了探討，研究結(jié)果表明其模型在除噪方面效果較好。準確的模型對提高圖像分割的精確度和效率極為重要，所以對算法模型的研究是圖像分割取得突破性進展的關(guān)鍵環(huán)節(jié)[13-15]。小波變換在醫(yī)學影像圖像閾值分割方面報道較少，基于此，本文探討了小波變換算法的數(shù)學模型，并基于該模型對醫(yī)學影像圖像的閾值分割進行了實現(xiàn)設(shè)計研究，進一步對分割方法的處理結(jié)果進行了仿真實驗研究。

1 醫(yī)學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直方圖上的波峰和波谷點等突變點表示出來?；诖?， 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，進而提取各級小波分解的細節(jié)分量，達到閾值點的自適應(yīng)選取及閾值點的準則定位。這樣對直方圖采用小波變換來實現(xiàn)多閾值自動搜索提取信息。

將醫(yī)學影像圖像直方圖通過多分辨率的小波變換，達到由粗到細的多層次結(jié)構(gòu)閾值分割。不同分辨率下的細節(jié)信號由醫(yī)學影像圖像直方圖各層次的小波分解系數(shù)表達出來，醫(yī)學影像圖像直方圖多分辨率小波分解的零交叉點和極值點與其峰點和谷點對應(yīng)[12，15-17]。

通過圖2可以觀察到：對直方圖采用小波變換來實現(xiàn)多閾值自動搜索提取信息的分割中，當小尺度時雖然受噪聲影響較大，但能夠比較準確地定位閾值;當大尺度時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處理，接著逐層深入，經(jīng)過粗略達到精細的控制策略，既有效地獲得了最佳閾值，同時可消除噪聲帶來的干擾影響，精準地達到對醫(yī)學影像圖像的高效分割。

3 結(jié)語

文章探討了基于小波變換算法的數(shù)學模型，采用MATLAB平臺對醫(yī)學影像圖像的閾值分割進行實現(xiàn)設(shè)計研究，進一步對其進行仿真實驗，表明利用小波閾值算法對醫(yī)學影像圖像分割效果較好，便于實現(xiàn)。它為實際醫(yī)學影像圖像閾值分割應(yīng)用和理論研究提供了借鑒。醫(yī)學影像圖像分割是醫(yī)學影像圖像處理的重要內(nèi)容，也是醫(yī)學影像圖像分析與識別過程中的重要環(huán)節(jié)，其圖像分割結(jié)果的好壞將直接影響到后續(xù)對醫(yī)學影像圖像的特征提取、測量、及目標識別等。對醫(yī)學影像圖像分割的理論和技術(shù)應(yīng)用有待進一步的研究。參考文獻：

[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)用對比研究[J].口腔醫(yī)學研究，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].中國圖象圖形學報，1997，2（4）：11-17.

[4] 宋凱，王舒卉.圖像分割算法研究與實現(xiàn)[J].沈陽工程學院學報（自然科學版），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閾值圖像分割算法[J].計算機應(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圖像去霧方法[J]. 計算機工程與應(yīng)用，2017，53（3）：205-210.

[7] 牟希農(nóng).基于小波域馬爾可夫隨機場的醫(yī)學影像圖像提取實現(xiàn)研究[J].貴州大學學報（自然科學版），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[J]. 中國醫(yī)學物理學雜志，2017，34（8）：820-824.

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

[10]姚德，何慶.基于改進果蠅優(yōu)化的模糊C聚類圖像分割[J]. 貴州大學學報（自然科學版），2016，33（5）：76-80.

[11]霍鳳財， 孫寶翔， 任偉建. 基于圖像閾值分割的改進蜂群算法[J]. 吉林大學學報（信息科學版）， 2015， 33（1）：84-93.

[12]陳軍.基于小波分析的醫(yī)學影像圖像除噪設(shè)計及仿真研究[J].貴州大學學報（自然科學版），2020，37（5）：78-81，88.

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

[14]李旭超，朱善安.圖像分割中的馬爾可夫隨機場方法綜述[J].中國圖象圖形學報，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，2004.

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

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

[19]胡學剛，段瑤，嚴思奇.基于區(qū)域合并的FCM圖像分割改進算法[J].小型微型計算機系統(tǒng)，2018，39（9）：2077-2080.

[20]高建瓴，孟宇婷，邸澤雷坤.基于自適應(yīng)活動輪廓模型的醫(yī)學圖像分割算法研究[J].貴州大學學報（自然科學版），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].杭州電子科技大學學報，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)學影像圖像處理中的應(yīng)用[M].蘭州：蘭州大學出版社，2018.

[23]袁樂民.基于中值濾波算法的醫(yī)學影像圖像除噪設(shè)計實現(xiàn)研究[J].貴州大學學報（自然科學版），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)代計算機， 2016（32）：62-66.

[25]陳蒙.利用MATLAB實現(xiàn)醫(yī)學圖像灰度增強的應(yīng)用研究[J]. 貴州大學學報（自然科學版）， 2011，28（3）：94-97.

[26]彭燕，胡丹屏，劉宇紅，等.基于FPGA實現(xiàn)的Ferguson雙三次曲面插值圖像縮放算法[J].貴州大學學報（自然科學版），2019，36（6）：68-72，118.

（責任編輯：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