基于高阶统计特征及形态学的图像奇异点分割和检测  

Segmentation and detection of anomalies in images using higher order statistic and morphology

作　　者：杨冬云[1] 张晓峰[1] 张晔[1] 

机构地区：[1]哈尔滨工业大学电子与通信工程系

出　　处：《吉林大学学报（信息科学版）》2003年第S1期68-72,共5页Journal of Jilin University（Information Science Edition）

摘　　要：给出了这类图像的一种图像模型,并在此基础上,提出了一种新的分割和检测奇异点的方案。该方案对原图像进行非分除小波变换,以得到带通图像,使得带通图像上的奇异点得到增强,同时背景和噪声得到抑制。将所得到的带通图像分割成互相重叠的方形区域,通过计算每个区域的扭曲度(Skerness)和峭度(Kurtosis)特征来判断该区域分布的非对称性和拖尾程度,并将具有较高值的区域标记为感兴趣区域ROI(Regions Of Interest)。在ROI中,如果能量特征超过某一给定阀值,则被视为准奇异点,形成二值图像。对二值图像进行数学形态处理的检测结果进一步证明了该奇异点分割和检测方案的有效性。In natural images, the small man-made objects can be viewed as anomalies on the background. In medical images, so the same as the tiny calcium deposits in tissues. An image model for the conditions above is given, based on which, a new scheme for segmenting and detecting anomalies is proposed. The image is first processed using undecimated wavelet transform to get the band pass image in which the anomalies are enhanced and the background is suppressed. Then, the band pass image is divided into overlapping s...

关 键 词：高阶统计特征 形态学 图像分割 图像检测 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]