修改后的分水岭分割医学图像的去噪

乌莎·米塔尔¹,Sanyam阿南德²
M。理工大学的学生,CSE称,可爱的职业大学,Phagwara,印度旁遮普¹
助理教授,CSE称,可爱的职业大学,Phagwara,印度旁遮普²

文摘

去噪、分割图像的基本步骤处理。他们可以用作预处理和后处理步骤。他们是用来提高图像质量。各种医学成像用于磁共振影像(MRI)这些天,超声波、x光,CT扫描等多种类型的噪声影响图像的质量可能导致不可预知的结果。各种声音像散斑噪声、高斯噪声和Rician噪声存在于超声波,核磁共振。与所需的分割区域分析和诊断的目的是提取。各种分割算法,像分水岭K-mean集群、FCM、阈值、区域发展等存在。在本文中,我们提出一种改进的分水岭分割使用去噪滤波器。首先,图像将与形态开合de-noised技术然后分水岭变换使用线性相关和卷积操作应用于提高效率、精度和算法的复杂性。在这篇文章中,分水岭分割和各种技术用于提高分水岭分割的性能进行了讨论和比较分析。

关键字

去噪、分割、流域、区域合并,破布,形态学操作。

介绍

数字图像处理是指通过数字计算机处理数字图像[1]。现在每天在各个领域数码影像被广泛使用。但图像质量主要问题是各种设备错误,效率低下和环境因素降低图像通过引入噪声在图像的质量。噪声是一种不必要的信号出现在图像但修改实际的图像内容。但在大多数的医疗、卫星、模式识别等要求图像零容忍这些声音。但它是不可能完全消除噪音,但可以通过减少应用所需的各种过滤器,然后领域,可以从图像中提取分析的目的。各种过滤器可用于去噪是中值滤波,维纳滤波,混合滤波器,sobel算子等。为分割分水岭算法进行了讨论。但患有分水岭算法分割[5]。删除在分割问题,使用各种技术即标记控制方法,区域合并等。本文的组织结构如下:首先讨论了各种去噪技术然后讨论了分水岭算法与其他方法相结合,比较分析各种去噪后和分割技术。

二世。去噪图像

去噪是指消除不必要的信号从图像的过程。去噪可以在空间域或频域。空间域指的是屏本身[1]。图像处理操作应用于图像直接修改图像的像素。图像的频域是指表示成不同的频段。各种过滤器用于去噪是均值滤波,中值滤波,维纳滤波,混合滤波器,修改混合滤波器。

答:均值滤波

在这个方案中,一个3 * 3,5 * 5或7 * 7使用内核和扫描整幅图像从左左上角到右下角。均值计算窗口内的所有像素躺,然后替换为计算中心像素的意思。意思是通过添加所有像素值和计算除以内核元素的总和。产生不可预测的结果在边界[1],[3]。删除这个问题边界的图像与零附加价值或重复的值作为边值。但均值滤波不产生可接受的结果,因为它不需要窗口内的所有元素互相接近。

b .中值滤波器

同样在这个过滤器,3 * 3,5 * 5或7 * 7的面具。中心像素与像素的中值代替躺在内核窗口[1][3]。中位数计算排序所有的像素值,然后把中间的元素。它比均值滤波有效但边界是保存在均值滤波一样。中值滤波是有效降低散斑噪声和盐和胡椒的噪音。

c·维纳滤波器

维纳滤波是一种反滤波技术用于恢复模糊图像和图像的加性噪声(高斯)[3]。它在频域内工作。在这种过滤器,它假定信号和噪声过程是二阶平稳。维纳滤波器是缓慢的,因为它在频域内进行操作。但增加的速度,逆FFT的维纳滤波器计算获得脉冲响应。脉冲响应被截断在空间域卷积生成面具。尽管维纳滤波器的性能很低在空间域和频域,但速度要高得多。在维纳滤波,虽然MSE值显示的结果但是图像的视觉表现更好。

d .混合滤波器

在这个过滤器,使用值和维纳滤波器。嘈杂的图像输入到中值滤波和中值滤波的输出作为输入维纳滤波器。这个过滤器是用来降低各种噪音,像盐和胡椒图像高斯噪声、脉冲噪声和模糊效应[4]。

e .修改后的混合中值滤波器

在这个过滤器,使用均值和中值滤波的组合。均值和中位数的计算方法如下:假设n * n内核,后产生矩阵计算值。

首先,找到R的意思(mean_r)值和均值D (mean_d)值。第二,找中位数(md)的中央像素像素标记为D和C,然后计算最终毫米=平均中值(mean_r mean_d, md, C)和pixel取代,j。这个过滤器产生更好的结果比其他过滤器[3]。

f .使用形态学去噪

对于形态学操作,需要两种类型的图像:原始图像处理需要做和一个结构化元素的一个特定的形状,将作为一个参数来操作。最常用的形态学操作是扩张和侵蚀。基本上侵蚀收缩图像意味着减少图像的像素值和扩张扩大图像意味着增加图像的像素值。基于腐蚀和膨胀,形态进行打开和关闭操作。形态学开是侵蚀膨胀紧随其后的操作。形态学关闭操作被定义为膨胀侵蚀紧随其后。使用形态学操作对去噪,主要关心的是选择适当的结构元素。结构化元素应该大消除噪声[2]。

三世。分割的图像

答:分水岭算法

分水岭分割提出分割的想法来自地理。分水岭算法是基于图像在三维空间中表示:两个空间坐标和强度。对地形解释,三种类型的点被认为是:A)分属于区域最小值。B)点,如果水滴,它将与确定性下降,单一的最小值。C)点的水可能会下降到不止一个最低[1]。想象的风景是淹没在一个湖,洞洞在局部最小值。域的分水岭线分线对该地区的吸引力之雨。分水岭算法提供了完整的图像[6]。它显示了连接与封闭的单像素宽的边界地区。该算法的主要缺点是过分割。 Due to over-segmentation, regions are not clearly visible and it is sensible to noise. Various approaches are used to eliminate over segmentation like marker controlled approach, region merging etc.

在分割b方法去除

1)区域合并:区域合并取决于两个条件:1)区域模型,描述每个区域的特性。b) Dis-similarity措施,区别在两个区域的强度值或Dis-similarity沿着边界像素之间。合并的基础上强度是通过区域邻接图(布)。合并特性的基础上,通过计算区域的纹理特征。

2)区域邻接图(布):在这方面,图结构被认为是实施。不同地区由节点。邻接区域之间由画一条弧线。双破布也常用在哪些节点代表由弧分离边界和区域边界。

图1显示了图像组成的5个地区。图2显示了区域邻接图的图像如图1所示。这有5个节点代表不同地区5和12弧显示5之间的邻接区域。图3显示了双破布一样的形象。

算法基于边界像素的破布:

1。输入图像和创建它的破布。

2。对于每个地区国际扶轮

Rj。考虑邻国区域。

b。如果Ri和Rj是相似的,将它们合并到一个地区和更新。

3所示。将被重复步骤2和3,直到地区将合并。

相似性标准:将两个区域合并如果它们之间的边界是弱[8]。

区域合并算法基于强度值:

1。计算每个区域的大小说倪。

2。计算每个地区国际扶轮的平均强度和表示通过:

3所示。定义的标准两个相邻分区I和j。

a。计算平均强度的差异在两个分区i和j说:

b。计算的差异之间的强度两个分区:

(3)

4所示。计算相似性Cij强度测量值之间的两个分区:

选择阈值Tc。如果Cij小于Tc区域将被合并不会[7]。

3)Marker-Controlled方法

在这种方法中,前景和背景中提取的标记。前景标记,形态学操作,“重建开放通过重建和关闭”。在随后腐蚀膨胀操作执行。寻找好的前景标记区域最大值计算。标记的背景像素,阈值操作结果执行二进制图像。然后分水岭脊线计算。之后,我们发现区域最小值在某些位置修改梯度图像大小,以便区域最小值出现在前景和背景像素[5]。

4)修改Marker-Controlled方法

在这个使用形态学操作,而不是简单的卷积和相关操作用于寻找前景和背景标记[5]。在卷积,大小不同的两个数组相乘得到第三个数组。一个面具或内核是用来计算卷积。面具在整个扫描图像和输出像素值的加权和输入数组在面具的面具,权重值分配到每个像素的窗口。数学卷积可以被定义为:

f是输入图像和k m * n大小的内核。

卷积等价于扩张在形态学操作

相关性几乎是类似于卷积,计算相邻像素的加权和。权重矩阵被称为相关内核卷积核的180度旋转。在数学上,它被定义为:

(6)

f是输入图像和k是相关性(mXn大小的内核。

四、比较各种去噪的过滤器

诉各种分割算法的比较

六。结论和未来的范围

在本文中,我们讨论了去噪和分割技术。如果仅仅是进行图像分割,它不产生可接受的结果。所以,为了取得更好的分割的可视化地图,它应该首先预处理去除不需要的信号。它提高了准确性,有助于更好的解释。最终结果后分割取决于技术应用的预处理图像,分割和后处理技术。

确认

我想表达我最感谢Sanyam Anand先生他的持续支持。

表乍一看


表1	表2

数据乍一看


图1	图2	图3

引用

r·c·冈萨雷斯和r·e·伍兹,数字图像处理,addison - wesley,朗曼公司,2000年。
马赫什•库马尔Sukhwinder辛格。“使用形态学的医学图像边缘检测和去噪”。国际工程科学与新兴技术》杂志2012年6月
柴那穆斯塔法,Banazier a·亚伯拉罕和亚m . Kadah“修改混合中值滤波的图像去噪”。4月29日全国无线电科学会议,- 2012。
瑞卡王妃,Sukhbir辛格,阿米特·马利克。“使用混合滤波图像去噪”。国际创新技术和探索工程学报,2012年6月
Brijesh沙情形Modh Satish沙。“修改标记控制分水岭算法与线性卷积医学图像分割”。国际计算工程研究杂志》,2008年8月
惠普Ng, s . Hunag萨达姆政权Ong k . w . c . Foong p . s .吴作栋Nowinski公司。“医学图像分割使用分水岭分割和Texture-Based地区合并”。30年国际IEEE磨床会议温哥华,不列颠哥伦比亚,加拿大,2008年8月
惠普Ng,萨达姆政权Ong K.W.C Foong,注:吴作栋,柔若Nowinski。“医学图像分割使用k - means聚类算法和改进的分水岭算法”。IEEE 2006
晓燕,勇,魏魏,子健朱。“基于改进分水岭算法的图像分割方法”。计算与信息科学国际会议上,2010年
拉杰什·c·帕蒂尔,a s Bhalchandra博士。“使用MATLAB从MRI图像中提取大脑肿瘤”。国际期刊的电子、通信和软计算科学与工程,2012年6月。