基于小波变换的医学影像图像阈值分割实现设计

张永刚

摘 要：探讨了基于小波变换算法的数学模型，对医学影像图像的阈值分割进行了实现设计研究，进一步对分割方法的处理结果进行了仿真实验，结果表明利用小波阈值算法对医学影像图像分割效果较好，便于实现。

关键词：小波变换;医学影像图像;阈值分割; 数学模型

中图分类号：TP391  文献标志码：A

随着医疗事业的发展及人们对健康要求的不断提升，加之计算机技术的快速发展和成熟，图像分割在生物医学图像分析领域得到广泛深入应用[1]。医学影像使临床医生对机体内病变部位的观察、现场救护、病期护理、手术及康复护理更便捷[2-3]。它在生命科学的各个领域中发挥着重要的作用，然而医学影像图像分割是图像处理的关键和核心[3-4]。吕福起等[5]探讨了一种基于粒子群优化算法和模糊熵的多级阈值图像分割算法;苏晋鹏等[6]通过阈值分割的暗原色先验图像去雾消除区域失真问题和提高运算速度研究;牟希农[7]运用小波域马尔可夫随机场模型对医学影像图像进行了分割提取研究;张红军等[8]基于“共用”阈值分割双侧乳腺图像的高密度区域并采用决策树分类算法对乳腺筛查者是否患癌进行预测分类，以提高女性乳腺癌近期发病风险预测精度;张海涛等[9]报道了改进人工蜂群算法分割二维Otsu图像的新方法，避免算法陷入局部最优并加快收敛速度;姚德等[10]研究了果蝇优化和混沌的图像分割效果，对收敛性和鲁棒性进行了探讨;基于图像阈值分割的量子改进蜂群法对图像的有效分割也得到了报道[11]。文献[12]对小波分析在医学影像图像噪声去除应用进行了探讨，研究结果表明其模型在除噪方面效果较好。准确的模型对提高图像分割的精确度和效率极为重要，所以对算法模型的研究是图像分割取得突破性进展的关键环节[13-15]。小波变换在医学影像图像阈值分割方面报道较少，基于此，本文探讨了小波变换算法的数学模型，并基于该模型对医学影像图像的阈值分割进行了实现设计研究，进一步对分割方法的处理结果进行了仿真实验研究。

1 医学影像图像阈值分割的小波变换算法模型  图像灰度变化的特征通过直方图上的波峰和波谷点等突变点表示出来。基于此， Jean-Christophe Olivo先平滑滤波图像直方图，接着多尺度小波分解该直方图，进而提取各级小波分解的细节分量，达到阈值点的自适应选取及阈值点的准则定位。这样对直方图采用小波变换来实现多阈值自动搜索提取信息。

将医学影像图像直方图通过多分辨率的小波变换，达到由粗到细的多层次结构阈值分割。不同分辨率下的细节信号由医学影像图像直方图各层次的小波分解系数表达出来，医学影像图像直方图多分辨率小波分解的零交叉点和极值点与其峰点和谷点对应[12，15-17]。

通过图2可以观察到：对直方图采用小波变换来实现多阈值自动搜索提取信息的分割中，当小尺度时虽然受噪声影响较大，但能够比较准确地定位阈值;当大尺度时受到的噪声干扰相比较小，确定阈值较容易。因此，先在大尺度下将峰与峰之间的谷点处理，接着逐层深入，经过粗略达到精细的控制策略，既有效地获得了最佳阈值，同时可消除噪声带来的干扰影响，精准地达到对医学影像图像的高效分割。

3 结语

文章探讨了基于小波变换算法的数学模型，采用MATLAB平台对医学影像图像的阈值分割进行实现设计研究，进一步对其进行仿真实验，表明利用小波阈值算法对医学影像图像分割效果较好，便于实现。它为实际医学影像图像阈值分割应用和理论研究提供了借鉴。医学影像图像分割是医学影像图像处理的重要内容，也是医学影像图像分析与识别过程中的重要环节，其图像分割结果的好坏将直接影响到后续对医学影像图像的特征提取、测量、及目标识别等。对医学影像图像分割的理论和技术应用有待进一步的研究。参考文献：

[1] SALIH B G，CARLO T，BERND G.Medical image compression based on region of interest，with application to colon CT images[J].Eng Med Biol Soc，2001，3：2453-2456.

[2] 呂佳虹，许跃，张志光，等.不同CBCT图像分割技术在TMJOA诊断中的应用对比研究[J].口腔医学研究，2018，34（8）：876-880.

[3] 李军，周月琴.小波变换用于影象分割的研究[J].中国图象图形学报，1997，2（4）：11-17.

[4] 宋凯，王舒卉.图像分割算法研究与实现[J].沈阳工程学院学报（自然科学版），2020，16（4）：67-70.

[5] 吕福起，李霄民.基于粒子群优化算法和模糊熵的多级阈值图像分割算法[J].计算机应用研究，2019，36（9）：2856-2860.

[6] 苏晋鹏，陈恩俊，景嘉帅，等. 基于阈值分割的暗原色先验图像去雾方法[J]. 计算机工程与应用，2017，53（3）：205-210.

[7] 牟希农.基于小波域马尔可夫随机场的医学影像图像提取实现研究[J].贵州大学学报（自然科学版），2020，37（1）：74-77.

[8] 张红军，闫士举. 基于双侧乳腺图像“共用”阈值分割的乳腺癌近期发病预测[J]. 中国医学物理学杂志，2017，34（8）：820-824.

[9] 张海涛，程新文，熊红伟，等.改进蜂群算法的图像阈值分割方法[J].计算机应用研究，2017，34（12）：3880-3884.

[10]姚德，何庆.基于改进果蝇优化的模糊C聚类图像分割[J]. 贵州大学学报（自然科学版），2016，33（5）：76-80.

[11]霍凤财， 孙宝翔， 任伟建. 基于图像阈值分割的改进蜂群算法[J]. 吉林大学学报（信息科学版）， 2015， 33（1）：84-93.

[12]陈军.基于小波分析的医学影像图像除噪设计及仿真研究[J].贵州大学学报（自然科学版），2020，37（5）：78-81，88.

[13]郑文松，王卿，王颖，等.亚实性肺结节CT阈值分割：实性成分识别与定量[J]. 中国肺癌杂志，2017，20（5）：341-345.

[14]李旭超，朱善安.图像分割中的马尔可夫随机场方法综述[J].中国图象图形学报，2007，12（5）：789-798.

[15]李滚，刘欢，柯善群. 脊椎图像分割与椎体信息提取的算法及应用[J]. 电子设计工程，2017，25（16）：183-186.

[16]戴培山. 基于小波变换的乳腺X线图像分割[D].成都：四川大学，2004.

[17]王卫星，刘永强.基于直方图修正的小波自适应阈值大米垩白分割[J].重庆邮电大学学报（自然科学版），2010，22（2）：218-222.

[18]乔玲玲. 图像分割算法研究及实现[D].武汉：武汉理工大学，2009.

[19]胡学刚，段瑶，严思奇.基于区域合并的FCM图像分割改进算法[J].小型微型计算机系统，2018，39（9）：2077-2080.

[20]高建瓴，孟宇婷，邸泽雷坤.基于自适应活动轮廓模型的医学图像分割算法研究[J].贵州大学学报（自然科学版），2018，35（5）：67-73.

[21]赵波，郑兴华，白璐，等.脑白质疏松症MR图像病变区域的量化分析[J].杭州电子科技大学学报，2012，32（6）：117-120.

[22]陈军，石新民，牟希农，等.混沌及马尔可夫在医学影像图像处理中的应用[M].兰州：兰州大学出版社，2018.

[23]袁乐民.基于中值滤波算法的医学影像图像除噪设计实现研究[J].贵州大学学报（自然科学版），2020，37（2）：42-45，50.

[24]尹慧平，张耀楠，何颖.基于CT图像的全心脏分割方法研究[J]. 现代计算机， 2016（32）：62-66.

[25]陈蒙.利用MATLAB实现医学图像灰度增强的应用研究[J]. 贵州大学学报（自然科学版）， 2011，28（3）：94-97.

[26]彭燕，胡丹屏，刘宇红，等.基于FPGA实现的Ferguson双三次曲面插值圖像缩放算法[J].贵州大学学报（自然科学版），2019，36（6）：68-72，118.

（责任编辑：曾 晶）

Abstract： The mathematical model based on wavelet transform algorithm is discussed. The realization design research for medical image threshold segmentation is carried out.The simulation experiment of the processing results of segmentation method was conducted. The results shows that using wavelet threshold algorithm for medical image segmentationis good in effect，and easy to be implemented.

Key words： wavelet transform; medical images; threshold segmentation; mathematical model