文档介绍：密级: 学校代码:10075
分类号: 学号:20101327

工学硕士学位论文

基于改进归一化割的甲状腺肿瘤 B 超
图像分割

学位申请人: 张丽
指导教师:郑伟教授
学位类别:工学硕士
学科专业:通信与信息系统
授予单位:河北大学
完成日期:二〇一三年六月
Classified Index: CODE: 10075
U. D. C: NO: 20101327

A Dissertation for the Degree of Master

Thyroid Tumor Ultrasound Image
Segmentation Based on Improved
Normalized Cut

Candidate: Zhang Li
Supervisor: Prof. Zheng Wei
Academic Degree Applied for: Master of Engineering
Specialty: Comm. & Info. System
University: Hebei University
Date of plishment: June, 2013
摘要
摘要
现在甲状腺结节的发病率很高,这可能预示着甲状腺癌的出现。因此,准确判断出
甲状腺结节位置以及正确判别甲状腺结节是良性的还是恶性的是非常必要的。超声诊断
甲状腺结节的准确率不断提高,已成为甲状腺结节性疾病的首选辅助检查,但是超声的
回声、阴影、反射等特性也会使超声图像的质量退化,这就很难将其边缘精确地分割出。
基于图论的图像分割技术是目前的研究热点,它通过定义一个采用图像某种割值来
表示目标函数,通过求解目标函数的极值实现分割。归一化割(Ncut)是其中的一种,它
主要是通过方向能量模型得到不同尺度子图像的边缘方向能量,进而得到干涉轮廓模型
的相似度,结合根据纹理基元得到图像纹理特征相似度,进而可以建立图像像素之间的
相似度,形成基于图像像素点的权值矩阵,构造无向加权图,最后运用特征值和特征向
量对图像进行分割。
针对甲状腺肿瘤的 B 超图像在形成过程中产生的斑点噪声使图像质量变差的特点
以及归一化割(Ncut)方法对噪声敏感和计算复杂度高的缺点,本文将各向异性扩散模型
与归一化割相结合,对归一化割中的干涉轮廓线和权值矩阵作出了改进。所以图像经过
各向异性扩散模型增强处理去除了噪声,同时保留了重要的边缘和局部细节,使得改进
后的归一化割处理图像时减少了干涉轮廓线,在求取权值矩阵上降低了计算量,缩短了
分割时间,提高了分割结果的准确度。实验结果证明了该方法的可行性。

关键词甲状腺超声图像归一化割各向异性扩散模型方向能量干涉轮廓线
I
Abstract
Abstract
Now the incidence of thyroid nodules is high, it indicates the emergence of the thyroid
cancer. Therefore, it is very necessary that accurately judge the location of thyroid nodules
and correctly discriminate the enign and malignant of thyroid nodule . Ultrasonic diagnosis of
thyroid nodules es the first auxiliary examination of thyroid nodular disease, but the
characteristics of ultrasonic on echo, shadow, reflection and so on can make quality of the
ultrasonic image degradation, so which is very difficult to part edge of the image precisely.
Image segmentation technique based on graph theory is a hot spot in the present, it
indicates the objective function by defining some cut values of image and s