基于分水嶺的醫(yī)學圖像自適應分割方法研究.pdf

1、隨著醫(yī)學成像技術與數(shù)字圖像處理的快速發(fā)展，醫(yī)學圖像分割逐漸成為圖像分割領域的熱點問題之一。醫(yī)學圖像分割的過程是通過提取醫(yī)學成像中特定組織或器官的定量信息，劃分出感興趣的區(qū)域來實現(xiàn)的。其為臨床診療、病理學研究等提供了可靠依據(jù)。但由于醫(yī)學圖像通常具有噪聲、邊緣模糊以及灰度不均勻的特點，大大降低了分割質量。因此，對醫(yī)學圖像分割的深入研究具有極其重要的意義。
　　近年來，基于數(shù)學形態(tài)學的分水嶺算法憑借其計算速度快、對弱邊緣敏感以及分割精度

2、高等優(yōu)點，在醫(yī)學圖像分割領域受到了極大關注。本文以醫(yī)學圖像數(shù)據(jù)為研究對象，對分水嶺分割算法及其相關理論進行研究。本文的主要內容概括如下:
　　(1)系統(tǒng)闡述了基于數(shù)學形態(tài)學的分水嶺分割方法，在閱讀及研究大量文獻的基礎上，結合新的研究進展，介紹了分水嶺分割方法的基本概念和基本理論，并對當前醫(yī)學圖像中的改進分水嶺分割算法進行了綜述。
　　(2)研究并實現(xiàn)了基于分水嶺算法和互信息技術的醫(yī)學圖像分割。針對現(xiàn)有的改進分水嶺算法對弱邊緣

3、分割精度不高、計算復雜及梯度谷底不能自適應選取等缺點，提出一種結合互信息的自適應醫(yī)學圖像分割方法。本文首先著眼于圖像預處理方法的改進，然后采用多尺度形態(tài)梯度的谷底填充算法來減少分割的區(qū)域塊數(shù)，最后通過引入互信息技術來彌補人工調整填充梯度谷底閾值的不足，從而完成自適應分割。最后通過CT和MR圖像的分割實驗，表明了算法的有效性，且參數(shù)選取更加合理，自適應程度提高。
　　(3)研究并實現(xiàn)了基于分水嶺算法和蟻群聚類的醫(yī)學圖像分割及其相關技