王松山, 傅新镇, 李强

(滨州市人民医院,滨州 256610)

PACS系统中的图像可识别特征分割方法研究与分析

王松山, 傅新镇, 李强

(滨州市人民医院,滨州 256610)

针对传统的图像可识别特征分割方法分割不准确，效率低的问题，提出了有向空间关系和局部灰度聚类模型相结合的图像可识别特征分割方法。通过对图像可识别特征点的显著性检测，建立图像可识别特征轮廓模型。采用梯度下降法提取图像可识别特征，对图像可识别特征进行分析。以此为基础，通过有向空间关系可确定图像可识别特征间的关系，通过局部灰度聚类规则建立图像可识别特征的局部灰度聚类模型，实现对图像可识别特征分割方法的改进。实验结果证明，采用改进的分割方法进行图像可识别特征分割时，其分割精度，分割所需时间，分割效率均要优于传统的分割方法，具有一定的优势。

PACS系统； 图像； 特征； 分割方法

0 引言

随着数据信息技术的不断提高，图像设备逐渐更新为数字化，联网和实施图像信息系统的基本条件已经具备，数字化设备已经成为现代化图像处理的发展趋势，PACS(Picture Archiving and Communication Systems影像归档和通信系统)是数字化图像处理的重要硬件支撑[1]。PACS系统包括获取图像、图像管理、图像处理、图像归档等。PACS可以通过外部接口进行图像的传输，从而实现远程图像特征采集[2-4]。图像可识别特征分割方法作为图像处理和计算机视觉领域中的一个研究热点和难点，其主要目的在于将图像中感兴趣的、可识别的目标特征与图像的背景进行分离，以便实现后续高层次的图像特征分析和理解。……