基于全卷积神经网络的医疗图像弱边缘检测算法

摘要

针对目前存在的图像弱边缘检测算法容易忽略边缘计算中阈值的选取问题,且并未对数据进行聚类分析,导致检测效果不佳的问题,提出基于全卷积神经网络的复杂医疗图像弱边缘检测算法.首先,采用Mean-shift(均值偏移)对复杂医疗图像滤波处理,并对滤波后的图像进行灰度像素增强;其次,使用可自适应调节的动态阈值方法对图像边缘点和内部候选点进行判定,获取边缘计算结果;最后,建立全卷积神经网络模型,并对模型进行训练,在模型中输入计算得到的图像边缘数据,采用量子遗传聚类方法构建聚类目标函数并求解,完成对输入数据的聚类,以聚类结果为基础,生成边缘信息概率图,对图像的弱边缘概率进行计算,完成弱边缘检测.实验结果表明,选取阈值的适应度较强,图像边缘计算耗时少,对于不同的邻域量子漫步空间数据集,所提算法均具有较好的聚类效果,且所提算法的弱边缘检测准确率最高可达到86％,检测效果好.