基于分形维数和多尺度分形特征的医学图像处理

摘要

将医学成像学与计算机数字图像处理技术相结合，针对不同特点的医学图像，选择相应的图像处理方法进行图像处理与分析，获取高质量的医学图像，是提高医疗诊断准确性的重要手段。
　　 获得的医学图像在传输过程中，难免会受到各种信号的干扰，因而原始图像中往往存在大量噪声，组织边界不清晰，医生很难做出准确的判断。应用传统数字图像处理技术对原始图像进行预处理，减少图像中的噪声，提高图像对比度，便于后续的分形图像处理工作。
　　 本文应用两种分形方法进行研究：一种方法是计算图像计盒维数。首先，将图像分为像素大小为5×5的小格子，依次计算出每一个小格子的分形维数，然后逐个子区域分析图像的分形维数(DB)值，所有奇异性分形维数值(DB<2)的集合就是医学图像的边缘。另一种方法是采用多尺度分形特征(DMF)对预处理后的医学图像进行边缘提取。首先，选取多尺度分形特征的尺度值为ε1=3和ε2=5，分别对图像进行形态学膨胀以及形态学腐蚀，得到Dε1和Dε2。然后，将图像分成像素大小为15×15的小格子，确保背景部分、无病灶部分和病灶部分分别位于不同的子区域中。图像中不同部位的多尺度分形特征值存在明显差别，有病灶区域(DMF)值远大于无病灶区域的(DMF)值。文中列举的人右手骨折X射线图像处理实验中，无组织部分的(DMF)均分布于0.008到0.020之间；无病灶部分的(DMF)值分布0.040到0.070之间，而骨折部分的(DMF)值分布于0.100到0.200之间。
　　 本文对100幅样本图像进行实验研究，结果显示，上述两种方法提取医学图像中病灶边缘有效率均达到95％，效果理想。