基于主动轮廓模型与加速稳健特征的车身色素病变自动分割与评估新方法
图像与视频处理
2021-01-19 v1 计算机视觉与模式识别
摘要
数字图像处理技术在不同科学领域包括医学中有广泛应用。借助图像处理算法，医生在诊断不同疾病时更加成功，并取得了更好的治疗效果。本文提出一种自动分割皮肤病变并提取相关特征的方法。为此，结合了加速稳健特征（SURF）与主动轮廓模型（ACM）。在所提方法中，首先将皮肤病变区域从整幅皮肤图像中分割出来，然后从分割区域提取均值、方差、RGB 和 HSV 参数等一些特征。通过将分割结果与 Otsu 阈值法进行比较，表明我们的方法优于 Otsu 阈值法。将所提方法与 Otsu 阈值法的皮肤病变分割结果与医生手动方法进行比较。所提出的结合 SURF 与 ACM 的皮肤病变分割方法给出了最佳结果。为实证评估我们的方法，我们将其应用于二十幅不同的皮肤病变图像。所得结果证实了该方法的高性能、速度和准确性。
引用
@article{arxiv.2101.07195,
title = {A New Approach for Automatic Segmentation and Evaluation of Pigmentation Lesion by using Active Contour Model and Speeded Up Robust Features},
author = {Sara Mardanisamani and Zahra Karimi and Akram Jamshidzadeh and Mehran Yazdi and Melika Farshad and Amirmehdi Farshad},
journal= {arXiv preprint arXiv:2101.07195},
year = {2021}
}