基于小波分析和遺傳算法的乳腺X線圖像分割.pdf

1、乳腺X線圖像是低噪聲和低對比度圖像，所以對于乳腺X線圖像中乳腺癌的早期檢測是一個具有挑戰(zhàn)性的工作。因此需要有效地抑制圖像噪聲去獲得可靠的結(jié)果。再者，由于損傷部分嵌入和隱藏在各種不同密度的乳房軟組織結(jié)構(gòu)里，故對損傷部分的分割是一件困難的工作。為了給放射科醫(yī)生對乳腺X線圖像的精確診斷提供幫助，論文詳細(xì)研究了圖像的預(yù)處理過程（即圖像去噪和圖像增強(qiáng)）和疑似腫塊的分割方法。本文所做的主要工作如下:
　　研究了現(xiàn)有的分割算法和圖像預(yù)處理方法，

2、分析了后小波（即多尺度幾何分析）分析理論與應(yīng)用?；贑urvelet變換的多尺度特性，不僅包括尺度和位置，其還包括非常細(xì)致的方向性，本文根據(jù)其最細(xì)尺度和最粗尺度的性質(zhì)去除圖像中的噪聲和偽影，去噪后的圖像腫塊與背景的對比度低、邊緣模糊不清晰，對去噪后的圖像進(jìn)行曲波變換得到一系列的低頻和高頻子帶系數(shù)，對子帶系數(shù)進(jìn)行非線性增強(qiáng)從而達(dá)到圖像增強(qiáng)的目的。
　　本文提出了一種基于小波變換與遺傳算法相結(jié)合的圖像分割方法。該方法將小波變換與遺傳算

3、法結(jié)合算法，先用離散小波變換對圖像進(jìn)行分解，提取原圖在不同維度上的近似分量和細(xì)節(jié)分量，再用遺傳算法對小波分解后的近似圖像直方圖進(jìn)行處理，得到閾值數(shù)量和閾值大小，最后，把得到的閾值擴(kuò)展到原始空間，利用擴(kuò)展后的閾值對乳腺X線圖像進(jìn)行分割。
　　以30幅含有病灶（良性，惡性，鈣化）的乳腺X線圖像為研究對象，在Matlab環(huán)境下對本文提出的算法和其他分割算法進(jìn)行仿真、比較，得出分割效果評估數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明，本文提出的算法不僅提高了分割速