——B超图像边缘检测算法分析
一、前言
在医学图像处理中，边缘检测是非常重要的检测手段。在人眼检测中，检测程度往往受制于医生的经验，而数字化的检测手段，可以帮助医生确定病灶或组织的边缘，便于医生的诊断和治疗，同时也大大降低了由于经验不足而导致的误检以及错检现象。目前，边缘检测算法技术日趋成熟，检测准确性也进 一步提高，比较常用的有Rorbets算子、Soble算子、Prewitt算子以及Canny算子等，分析并比较这些算法的特点。
二、国内外发展现况
伴随着计算机技术的高速发展，数字图像处理成为了一门新兴学科，并且在生活中的各个领域得以广泛应用。图像边缘检测技术则是数字图像处理和计算机视觉等领域最重要的技术之一[1]。在实际图像处理中，图像边缘作为图像的一种基本特征，经常被用到较高层次的图像处理中去。边缘检测技术是图像测量、图像分割、图像压缩以及模式识别等图像处理技术的基础，是数字图像处理重要的研究课题之一[2]。 边缘检测是图像理解、分析和识别领域中的一个基础又重要的课题,边缘是图像中重要的特征之一，是计算机视觉、模式识别等研究领域的重要基础[3]。图像的大部分主要信息都存在于图像的边缘中，主要表现为图像局部特征的不连续性，是图像中灰度变化比较强烈的地方，也即通常所说的信号发生奇异变化的地方[4]。经典的边缘检测算法是利用边缘处的一阶导数取极值、二阶导数在阶梯状边缘处呈零交叉或在屋顶状边缘处取极值的微分算法。图像边缘检测一直是图像处理中的热点和难点[5]。在实际图像处理中,图像边缘作为图像的一种基本特征,经常被用到较高层次的图像处理中去。边缘检测技术是图像测量、图像分割、图像压缩以及模式识别等图像处理技术的基础,是数字图像处理重要的研究课题之一[6]。 文献[7]针对传统Canny算法在滤波过程中存在的局限性,提出了一种用自适应边缘保持滤波代替传统算法中高斯滤波的改进Canny边缘检测算法,该算法可以自适应地选择模板,并且能有效保护角点边缘信息。另外在计算梯度幅值的时候采用了邻域的梯度幅值计算方法,同时考虑了像素对角线方向的梯度计算,并能进一步抑制噪声的影响。
Sobel边缘算子认为不同邻域的像素对当前像素产生的影响不是等价的，所以距离不同的像素具有不同的权值，对算子结果产生的影响也不同。一般来说，距离越大，产生的影响越小。这两个卷积因子分别对垂直边缘和水平边缘影响最大，两个卷积的最大值做为该点的输出位[8]。文献[9]中使用的方法将整幅图划分成若干子图像,采用新的基于子图像划分基础上的梯度方向检测连接法取代传统的双阈值法,充分利用了边缘点和噪声点在梯度方向特性上的差异,在抑制噪声的同时,有效保护了低强度边缘细节,具有优于传统Canny算法的性能,改进的检测算法对图像边缘具有较好的检测精度和准确性。拉普拉斯算子利用二阶导数信息，具有各向同性，即与坐标轴方向无关，坐标轴旋转后梯度结果不变。使得图像经过二阶微分后，在边缘处产生一个陡峭的零交叉点，根据这个对零交叉点判断边缘[10]。Roberts边缘算子是一个2x2的模板，采用的是对角方向相邻的两个像素之差边缘定位较准，对噪声敏感。适用于边缘明显且噪声较少的图像分割。Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑。由于Robert算子通常会在图像边缘附近的区域内产生较宽的响应，故采用上述算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高[11]。
近年来，随着数学和人工智能技术的发展，各种类型的边缘检测算法不断涌现，如神经网络、遗传算法、数学形态学等理论运用到图像的边缘检测中[12]。但由于边缘检测存在着检测精度、边缘定位精度和抗噪声等方面的矛盾及对于不同的算法边缘检测结果的精度却没有统一的衡量标准，所以至今都还不能取得令人满意的效果。另外随着网络和多媒体技术的发展，图像库逐渐变得非常庞大；而又由于实时图像的目标和背景间的变化都不尽相同，如何实现实时图像边缘的精确定位和提取成为人们必须面对的问题。
三、总结
在上述文献中可以得出Roberts算子是一种最简单的算子，是一种利用局部差分算子寻找边缘的算子，它采用对角线方向相邻两象素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感,无法抑制噪声的影响。Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。Sobel算子并没有将图像的主题与背景严格地区分开来，换言之就是Sobel算子并没有基于图像灰度进行处理，由于Sobel算子并没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。当对精度要求不是很高时，是一种较为常见的边缘检测方法。Priwitt算子在一个方向求微分，而在另一个方向求平均，因而对噪声相对不敏感，有抑制噪声的作用，但是像素平均相对于对图像的低通滤，所以Prewitt算子对边缘的定位不如Roberts算子。与Sobel相比，有一定的抗干扰性，图像效果比较干净。拉普拉斯算子对噪声比较敏感，拉普拉斯算子有一个缺点是它对图像中的某些边缘产生双重响应。所以图像一般先经过平滑处理，通常把拉普拉斯算子和平滑算子结合起来生成一个新的模板。在上述的算子中，要选取适合用于胆囊和子宫图像的边缘检测的算子。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
