复小波域混合概率图模型的超声医学图像分割

针对存在大量不规则斑点噪声、目标边缘弱化的超声医学图像分割中较难识别目标的问题,提出了一种复小波域中混合概率图模型的超声医学图像分割算法.采用具有近似平移不变性和良好方向选择性的双树复小波变换(Dual tree-complex wavelet transform,DT-CWT)提取超声医学图像6个方向的高频特征信息;其次,为关联目标的弱特征信息并抑制统计独立的高频噪声,构建了复小波域混合概率图模型;尺度间“父-子”节点间标记采用贝叶斯网络进行建模,尺度内邻域间标记采用马尔科夫随机场(Markov random field,MRF)无向图建模,对复小波域中同尺度的特征系数采用高斯混合模型建模,尺度内同标记的观测特征采用高斯模型建模;最后,用迭代条件模式(Iterated conditional mode,ICM)实现MRF中误分割率最小的能量函数最优解,获取标记场,实现超声医学图像分割.实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地提取超声图像的弱目标信息,较好地定位目标区域,具有较高的分割精度和鲁棒性.