基于显著性与颜色信息的皮肤镜图像分割

皮肤病变分割是黑色素瘤高效无创计算机辅助早期诊断的关键步骤之一。本文研究除显著性外，如何利用颜色信息自动确定色素性病变区域。与大多数仅利用显著性来区分皮肤病变与周围区域的现有分割方法不同，我们提出了一种新方法，采用二值化过程并结合受人类视觉感知启发的、与输入图像数据分布的显著性和颜色属性相关的新的感知准则。为提高所提方法的精度，分割步骤之前进行了预处理，旨在减少计算负担、去除伪影并改善对比度。我们在两个公共数据库上评估了该方法，共包含 1497 张皮肤镜图像。我们还将其性能与专为皮肤镜图像设计的经典及近期基于显著性的方法进行了比较。定性与定量评估表明，所提方法具有前景，因其能产生准确的皮肤病变分割，并且与其他现有基于显著性的分割方法相比表现令人满意。