基于Gabor滤波器的超声图像的边缘增强和边缘检测

摘要

本文的主要研究内容是对B超图像和声呐图像的边缘进行增强与检测。在医学领域，医生依靠对超声图像的观察来判断患者病情;在海洋领域，声呐员通过对声呐图像的分析来探究海洋。但是一般B超图像和声呐图像的边缘分辨率低、品质恶劣，而图像的边缘又是图像中的重要信息，如果不进行处理，会严重影响研究者的判断。因此，本文结合B超图像和声呐图像的特点并根据现有的边缘增强和边缘检测的理论，进一步探究基于Gabor滤波器的超声图像的边缘增强和边缘检测的方法。
　　为解决直方图均衡化中增强的对象是图像的全局而不是图像中的目标本文使用将直方图动态分割为多个子直方图的方法，并且提出了在直方图曲线的波峰和波谷1/2处划分的方法;为解决直方图均衡化在增强过程中图像中高频灰度数量增加、低频灰度数量压缩会导致图像出现不自然的过度增强现像，本文又将分割完的子直方图进行了自适应三角形的对比度增强算法(AdaptiveTrilateral Contrast Enhancement，ATCE)。这样，既使直方图均衡化的方法具有目标性，又减轻了因灰度级分配不均匀而导致的过度增强现象。在实现图像边缘锐化的方法中，本文使用了修正的Gabor滤波器(modified Gabor filter，MGF)与高频补偿滤波器相结合的方法。Gabor滤波器的方向和频域表达类似于人眼系统，并且符合海森堡测不准原则所判定的有效时间与有效频率带宽两者乘积的下限。但Gabor滤波器获得的频率和方向有限得到的边缘信息模糊且残缺不全，本文通过使用具有双波峰的MGF使检测出的边缘更清晰更完整，再利用高频补偿滤波器对图像的边缘进一步锐化和去噪。在实现图像边缘检测的方法中，本文提出了基于矩形核Gabor滤波器(Rectangular Nuclear GaborFilter，RNGF)的边缘检测方法，该方法兼具矩形核对方向判断准确的优势和Gabor滤波器自身的优势，在一定程度上解决了使用矩形核高斯函数的边缘检测方法易出现噪声的问题。

目录

声明

摘要

第一章 绪论

1．1 本文的研究背景和意义

1．2 国内外研究现状

1．2．1 图像边缘增强的国内外研究现状

1．2．2 图像边缘检测的国内外研究现状

1．3 本文的结构安排

第二章 图像边缘增强和边缘检测的方法

2．1 图像边缘增强的方法

2．1．1 图像对比度增强的方法

2．1．2 图像边缘锐化的方法

2．2 图像边缘检测的方法

2．3 本章小结

第三章 超声图像对比度增强和边缘锐化的方法

3．1 声呐图像和B超图像的简介

3．1．1 B超图像

3．1．2 声呐图像

3．2 图像边缘增强的评价标准

3．3 一种新的图像对比度增强的方法

3．3．1 一种新的图像对比度增强方法的原理

3．3．2 实验结果分析

3．4 一种新的基于Gabor滤波器图像边缘锐化的方法

3．4．1 一种新的基于Gabor滤波器图像边缘锐化方法的原理

3．4．2 实验结果分析

3．5 本章小结

第四章 基于Gabor滤波器的超声图像的边缘增强和边缘检测

4．1 一种新的基于Gabor滤波器边缘增强的方法

4．1．1 一种新的基于Gabor滤波器边缘增强方法的原理

4．1．2 实验结果分析

4．2 一种新的基于Gabor滤波器边缘检测的方法

4．2．1 一种新的基于Gabor滤波器边缘检测方法的原理

4．2．2 实验结果分析

4．3 本章小结

第五章 总结和展望

5．1 总结

5．2 展望

参考文献

致谢