1、本文為了提高原始圖像的視覺效果，讓醫(yī)生更容易找到微鈣化灶，探討了鈣化灶增強方法。采用高帽算法，部分小波變換，加權(quán)后部分小波系數(shù)重構(gòu)三種方法對圖像進行增強，并對增強結(jié)果采用對比度增強指標(biāo)進行評估，得出加權(quán)后部分小波系數(shù)重構(gòu)方法優(yōu)于其它兩種方法。研究了鈣化灶自動檢測。鈣化灶的自動檢測包括三步。第一步采用加權(quán)后部分小波系數(shù)重構(gòu)方法實現(xiàn)圖像增強，得到微小結(jié)構(gòu)增強的圖像。第二步采用多容許度的區(qū)域增長方法分割得到潛在微鈣化灶。為了得到區(qū)域增長的種子

2、點，首先采用自適應(yīng)全局閾值的方法對增強后的圖像進行初分割，閾值的確定方法是使得圖像中98％的象素歸于背景。如果幾個鈣化灶點相距較近，自適應(yīng)全局閾值不能將它們完全分離開，這一問題可以采用形態(tài)學(xué)腐蝕和條件閾值的方法進一步處理。然后取原始圖像上對應(yīng)于得到的二值圖像上的每一個四連通區(qū)域中的最大灰度值點作為區(qū)域增長的種子點。第三步，計算潛在微鈣化灶的四個特征：面積、緊致度、邊界線的離心率、對比度，采用神經(jīng)網(wǎng)絡(luò)和支持向量機兩種方法來分類以降低假陽性