基于形態(tài)學分水嶺的醫(yī)學圖像分割方法研究.pdf

1、醫(yī)學圖像分割是醫(yī)學圖像處理與分析中的一項關(guān)鍵技術(shù)。獲得良好的分割結(jié)果能給醫(yī)生和患者提供重要的信息，以便進行及時的病情監(jiān)測和正確診斷?；诜炙畮X變換的分割技術(shù)是一類應用比較廣泛的醫(yī)學圖像分割技術(shù),該類算法具有計算效率高、分割精度高的優(yōu)點，但是易產(chǎn)生過分割現(xiàn)象且具有對噪聲敏感的缺點。因此，本文針對傳統(tǒng)分水嶺算法的不足，將形態(tài)學與分水嶺算法結(jié)合起來并開展了深入的研究，主要研究工作如下：
　　細胞圖像在獲取時經(jīng)常受到外界環(huán)境干擾而產(chǎn)生異常

2、的紋理變化和細胞孔洞，使得后續(xù)分割中出現(xiàn)偽邊緣，而分水嶺變換算法對噪聲和灰度變化極其敏感。鑒于此現(xiàn)象，本文用一系列形態(tài)學運算來消除細胞圖像中的偽邊緣，并且采用灰度差變換法來抑制噪聲和獲得均勻的圖像灰度信息，基本消除了噪聲、細胞孔洞和雜質(zhì)的不利影響且較為有效地解決了分水嶺算法在細胞分割時的過分割和漏分割問題。
　　大多數(shù)細胞都存在粘連和重疊現(xiàn)象，這些現(xiàn)象會使得分割算法難以準確定位其重合的邊緣。傳統(tǒng)的分水嶺算法能基本達到分離重疊細胞的

3、目的，但經(jīng)常會增加分離點數(shù)量而過多的分割細胞。鑒于此，本文使用形態(tài)學算法提取粘連細胞的幾何特征，然后用非線性處理技術(shù)改善這些幾何特征，最后采用分水嶺分割。達到較為有效地分離了粘連細胞的目的。
　　現(xiàn)有的細胞圖像算法大都只能分割粘連或非粘連的細胞圖像，本文結(jié)合若干算法的特點用形態(tài)學的方法改進分水嶺變換。得出了一種能同時分割粘連和非粘連細胞的圖像分割方法。
　　人體組織結(jié)構(gòu)的復雜性使得其圖像的灰度分布極不均勻，現(xiàn)有的分水嶺算法很