基于改进Canny和形态学算法的新冠肺炎CT图像边缘检测

作     者：窦蕾萍 

作者单位：江西理工大学 

学位级别：硕士

导师姓名：吴君钦

授予年度：2023年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：图像边缘检测 Canny算法 数学形态学算法 新冠肺炎CT图像 

摘      要：2019年底新型冠状病毒肺炎以极快的速度传播至世界各地,对人类的身体健康造成了极大的伤害与威胁。而CT作为一种临床上常用的影像学技术,其可以通过重建病灶部位图像的形式,为临床诊断提供支持。胸部CT平扫是当前新冠病毒肺炎的主要筛查和辅助诊断手段,对病毒的筛查起到了重要的作用。通过诊断,对早期新冠肺炎患者给予有效的治疗,可以避免其发展为重症肺炎。图像的边缘包含着大部分的信息,边缘识别作为图像处理领域中的关键步骤,在对图像进行特征描述、匹配时都有着重大的影响。对新冠肺炎CT图像的弱边缘进行提取,突出肺部感染区域,有助于医学专家对新冠肺炎病毒的分析与判断。本文主要对Canny与数学形态学两种边缘检测算法展开了研究,在传统算法的基础之上,对两种算法分别进行了相应的改进。具体改进工作如下:(1)对传统Canny边缘检测算法的改进:1采用自适应中值滤波和引导滤波组成的混合滤波器对图像进行去噪;2在计算图像梯度时将二阶有限差分法用4-方向的Sobel算子替换;3利用自适应线性插值的方法进行非极大值抑制。(2)数学形态学边缘检测算法的改进:1根据形态学基本运算提出了一种新的边缘检测算子,并选用0°、45°、90°、135°方向的结构元素对图像执行边缘检测,将检测结果通过均权融合的方法进行边缘融合;2选用不同尺寸的结构元素对图像进行多尺度边缘检测,并将检测结果通过实体加权与信息熵结合的方法进行融合;3将前两步所得图像边缘通过实体加权与信息熵结合的方法进行融合,得到最终的形态学边缘检测结果。最后,我们将两种改进的图像边缘检测技术分别应用于新冠病毒肺炎CT图像,并与其他算法进行实验对比,结果表明,两种改进算法都能检测到更加清晰的图像边缘。