当前位置：问答库＞论文摘要

目标边界的准确提取是皮肤肿瘤图像计算机辅助诊断系统的关键环节。尽管国内外学者对皮损边界的提取已经做了大量的研究，但是当采集条件变化、对比度过低或者皮损目标边界过于模糊时，算法的适用性就会受到限制。本文针对黄色人种皮肤肿瘤图像中对比度低、边界模糊的复杂皮损目标，对皮损边界的提取技术进行研究。针对皮损目标和背景皮肤对比度较低的特点，论文对直方图均衡、自适应直方图均衡和对比度受限自适应直方图均衡(CLAHE)等增强算法进行对比分析，并选用对比度受限自适应直方图均衡算法对皮肤肿瘤图像进行增强，有效提高皮损区域与背景皮肤区域间的对比度。在分割阶段，论文提出采用Mean Shift聚类与子区合并相结合的分割思路来提取肿瘤目标。该分割算法首先针对皮肤镜图像皮损目标边界模糊、颜色多样的特点，采用具有较好的边界结构保持特性的Mean Shift算法进行聚类，形成若干个子区域。在此基础上，论文分析目标和背景区域各个子区的特点，提出一种有效的子区合并目标函数，并采用遗传算法进行优化，提取出准确的皮损边界，获得了满意的分割结果。论文最后根据实验要求建立了图像数据库，并对分割评价的方法进行归纳分析。从主观评价和客观评价两个方面，分析了本文方法的性能，证明本文方法不但对于简单皮损目标的提取具有良好的性能，而且实现了对比度低、边界模糊的较复杂皮损目标边界的准确提取。