一种基于结构张量的图像特征检测与增强方法new

《一种基于结构张量的图像特征检测与增强方法new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据一89—2006年3月中国医学物理学杂志Mar．，2006笙!!鲞箜!塑竺堕坠!些!!坚!里璺!竺!丛!坐!璺!!堕羔!!竖∑!!：垫：盟!：!一种基于结构张量的图像特征检测与增强方法郭圣文(华南理工大学生物科学与T程学院生物医学工程系，广东广卅I510640)摘要：各向异性微分在抑制噪声与保留边缘方面具有良好的性能，但它并不能增强图像中的某峰结构特征。通过引入基于高斯卷积的结构张量，实验证明，这种基于结构张量的各向异性微分方法能有效地检测并增强图像中的流状结构。此外，本文对微分迭代的过程的停止时间问题

2、进行了研究，提出了基于瓦信息测度的微分停止原则，并通过实验验证了互信息微分停止原则的性能。．关键词：各向异性微分；结构张量；停止时问；巨信息中图分类号-TP391．4l文献标识码：A文章编号：1005—202X(2006)02—0089一04AnApproachofDetectingandEnhancingImageFeaturesBasedonStructureT色nsor(沁oSheng-wen(DepartrnentofBiomedical，CoUegeofBioscienceandBioengineer

3、ing，SoutllChinaUniV．ofTech．，GuangzhouGuangdong510640，China)Abs”act：Anisotropicdif如sionhasgoodefrectonreducingnoiseandpreservingedge，butitdoesn’tenhancesomestrIJctllrefbaturesofanimage．Thes仃ucturetensorbasedonGaussianconv01utionisintroducedtoprocessimages．Exp

4、erimentshowsthatmeaniso仃opicdifmsionbasedonstructuretensorcandetectandenhancesomenow一1ikeStructuresef艳ctively．Funhemore，theproblemonstoppingtimeofanisotropicdifmsionisdiscussed．Acriteriononstoppingdif如sionprocessbasedonmutualinfo肌ationininfb册ationtheoryisdev

5、eloped．Theperfbrmanceoftheproposedcriterionisprovedbyexperiment．Keywords：Anisotmpicdifmsion；Structuretensor；Stoppingtime；MutualinfonrIation目各向异性微分(anisotropicdiffusion，ANDI)已成为图像多尺度非线性分析、边缘检测、抑噪与边缘保留、分割等非常有用的方法。它最早由Pemna与Malik提出【l】，随后引起了广泛的关注，并取得了相当大的进展，如多尺度

6、分析12-3J、基于向量的方法f4J、鲁棒性分析【5J等。尤其是You等人对其进行了深入的理论分析，指出了微分系数与其收敛性的关系【6】，Weickert对各向异性微分的适定性进行了研究，得出了其适定性的条件用。各向异性微分与常见滤波方法的不同之处在于它的各向异性，即在不同局部区域、不同方向上，滤波与平滑的强度各异，与图像的局部结构(灰度梯度)相收稿日期：2005一ll—08基金项目：广东省自然科学基金项目(编号：053∞233)。华南理工大学自然科学青年基金资助项目(编号：321E5040950)作者简介：彝

7、圣文(1971)，男．博士，讲师．主要从事医学图像处理、分析与模式识别方面的研究，已发表学术论文lO余篇。E—Mail：shwguo@scut．edu．cn。。关，在灰度变化较大的区域或方向上，灰度梯度较大，微分作用较小，从而尽量保留这些局部细节特征；灰度变化较小或只有孤立噪声点的区域，采用较强的平滑处理。以达到抑制噪声、保留边缘与细节的目的。但对于严重影响图像质量的特殊的超声斑点，各向异性微分方法的作用并不明显，而且它只是尽量保留而不能增强边缘或某些结构。在图像分析与处理过程中，我们往往希望能增强某些特征，如

8、指纹特征的提取与分析，蜂窝织炎有规律的流状结构识别等。由于各向异性微分是一个迭代过程，这一过程不能无限地进行下去，在满足一定条件时，必须停止迭代。为此，我们应用信息论上的互信息作为测度，以确定各向异性微分的停止时间。1基于结构张量的各向异性微分1．1Ga璐sian卷积检测边缘我们通常应用图像的Gaussian卷积来分析其结构特征。最简单的描述子是Vu。，为图像Gaussian卷积的梯度