基于量子蚁群算法的医疗图像阈值分割算法
针对传统的医学图像分割方法存在分割线定位效果较差、分割耗时长、输出结果信噪比低的问题,提出基于量子蚁群算法的医疗图像阈值分割算法.首先,构建医疗图像的二值化特征采样模型,结合阈值检测方法对其进行信息增强和网格配对,建立最佳阈值区域生长模型;其次,在最大连通图区域中,根据背景像素强度定位边缘轮廓检测和邻域像素之间的位置,提取其中的病灶关联特征点;最后,利用量子蚁群算法进行多层特征分解,构建医疗图像阈值分割的多层特征分割模型,实现图像的阈值分割.实验结果表明,采用该算法进行医疗图像阈值分割过程的耗时较少,病变区域分割轮廓线定位的准确度较高,且输出结果的信噪比较高,有效提高了医疗图像分割的效果.
量子蚁群算法、医疗图像、阈值分割、边缘轮廓检测、分割模型
32
TP391(计算技术、计算机技术)
国家自然科学基金资助项目;教育部科技发展中心产学研创新基金资助项目
2021-03-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
490-495,522