陈 超

(内江师范学院四川省数据恢复重点实验室 四川 内江 641112)

0 引 言

医学图像边界信息检测是医学图像分析的重要环节。一般的医学图像边缘是通过寻找最佳阈值来分割图像，而边界是一个重要的信息点。因为边界往往是正常组织和病变组织相邻的位置，实际检测病变组织的边界不准确或者不精确，对于诊断病情没有实际辅助意义。一些国内学者[1-2]使用权重因子改进概率转移函数与混沌系统动态更新信息素矩阵检测出目标的真实边缘，结果表明识别边缘效果好但没有做其他目标对比实现，无法说明其泛化能力。詹永丰等[3]用边缘梯度与二维高斯滤波器对CT图像进行滤波处理实现CT 图像边界的完整分割，但分割出来的目标完整性不理想。张小莉等[4]改进蚁群算法(ACO)，结合聚类动态更新信息素浓度和参数变量把实验医学图像精确分割，但是没有针对噪声影响下分割是否有效进行分析。许梅梅等[5]提出自适应边缘算法优化医学图像边缘信息检测出目标的真实边缘，但有时丢失了部分真实的边缘。郑延斌等[6]基于蚁群算法的虚拟植物优化研究，针对植物的分割取得优秀效果。朱立军等[7]提出一种改进蚁群算法的医学图像提取。张耀楠等[8]利用ACO结合网格分割目标边缘。吴学礼等[9]应用改进ACO实现无人机避险对比性实验，取得了良好效果，但没有对时间复杂度做定量分析。黄志华[10]利用自适应ACO求解旅行商最优路径问题(TSP)。文……