边缘检测算法在医学超声液性病变图像中的应用
通过以上两组实验可以看出，由于超声液态病变图像固有特征，经典的边缘检测算法并不能清晰的勾画出液性病灶的边缘来，对包含病灶区域的扩大区域实施边缘检测算法，将得到更多冗余的边缘信息，不能得到感兴趣病灶区域的轮廓。而Snake模型却可以较好地选取特定的区域，利用算法特有的曲线变化方式，最终收拢到双侧灰度梯度变换平衡点位置，达到边缘提取的良好效果，主要原因在于：
(1)Snake模型可以人为的设定待提取边缘的主要控制点，缩小了曲线变化的范围，更加具有针对性的对特定区域进行边缘提取；
(2)Snake模型对图像灰度变化较敏感，在曲线内力和外力达到平衡的情况下，曲线可以很好的稳定在一个位置，形成平滑的连续的曲线。本文引用地址：http://www.amcfsurvey.com/article/193780.htm
3 结语
本文应用几种不同的边缘检测算法提取医学超声液态病变图像的边缘，实验结果表明，经典边缘检测算法的提取效果不明显，而基于Snake模型的边缘提取算法由于采用动态的调整方法，提取的图像边缘完整、平滑、清晰，方便于后续的诊断性测量，具有一定的临床应用价值，因此，在临床使用的医学超声仪器中，使用类似算法提取液性病变图像边缘，将是一个应用趋势。
评论