邊緣檢測算法在醫學超聲液性病變圖像中的應用
加入技術交流群
通過以上兩組實驗可以看出，由于超聲液態病變圖像固有特征，經典的邊緣檢測算法并不能清晰的勾畫出液性病灶的邊緣來，對包含病灶區域的擴大區域實施邊緣檢測算法，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變化方式，最終收攏到雙側灰度梯度變換平衡點位置，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，縮小了曲線變化的范圍，更加具有針對性的對特定區域進行邊緣提取；
(2)Snake模型對圖像灰度變化較敏感，在曲線內力和外力達到平衡的情況下，曲線可以很好的穩定在一個位置，形成平滑的連續的曲線。本文引用地址：http://www.104case.com/article/193780.htm
3 結語
本文應用幾種不同的邊緣檢測算法提取醫學超聲液態病變圖像的邊緣，實驗結果表明，經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態的調整方法，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值，因此，在臨床使用的醫學超聲儀器中，使用類似算法提取液性病變圖像邊緣，將是一個應用趨勢。
評論