基于數(shù)學(xué)形態(tài)學(xué)的醫(yī)學(xué)圖像處理理論與方法研究.pdf

1、醫(yī)學(xué)圖像是反映人體生物組織的復(fù)雜圖像，圖像信息量大，處理困難。醫(yī)學(xué)圖像處理是醫(yī)學(xué)圖像研究的一個(gè)關(guān)鍵環(huán)節(jié)，對(duì)臨床醫(yī)學(xué)的應(yīng)用和發(fā)展有著巨大的實(shí)用價(jià)值。 數(shù)學(xué)形態(tài)學(xué)是一種非常實(shí)用的圖像處理方法，其關(guān)鍵是結(jié)構(gòu)元素的構(gòu)造。但傳統(tǒng)的數(shù)學(xué)形態(tài)學(xué)方法結(jié)構(gòu)元素不變，且是對(duì)整個(gè)圖像的一種均衡的處理過程，這就會(huì)導(dǎo)致圖像的“過處理”或“不及處理”。為此，本文研究了數(shù)學(xué)形態(tài)學(xué)醫(yī)學(xué)圖像濾波一醫(yī)學(xué)圖像邊緣檢測(cè)一醫(yī)學(xué)圖像邊緣連接一醫(yī)學(xué)圖像分割，提出了相關(guān)的理論

2、和方法，并通過實(shí)驗(yàn)加以驗(yàn)證。本文的主要研究工作和創(chuàng)新性成果包括： (1)提出了基于遺傳算法的數(shù)學(xué)形態(tài)學(xué)醫(yī)學(xué)圖像濾波方法。針對(duì)中值濾波的濾波效果將受到噪聲強(qiáng)度以及濾波窗口的大小和形狀等因素的制約，且濾波窗口形狀和大小的設(shè)計(jì)沒有規(guī)律可循等局限性；以及形態(tài)學(xué)開閉濾波器的濾波效果嚴(yán)重地依賴于結(jié)構(gòu)元素的形狀和大小，且形態(tài)學(xué)開閉濾波器具有冪等性等局限性，提出了基于遺傳算法的數(shù)學(xué)形態(tài)學(xué)醫(yī)學(xué)圖像濾波方法。這一方法通過遺傳算法對(duì)濾波窗口及結(jié)構(gòu)元素

3、進(jìn)行優(yōu)化，利用合理構(gòu)造的適應(yīng)度函數(shù)，求出適應(yīng)度函數(shù)最大值所對(duì)應(yīng)的濾波窗口與結(jié)構(gòu)元素的組合即為所求最優(yōu)的中值濾波窗口及形態(tài)學(xué)開閉濾波結(jié)構(gòu)元素。利用這一方法濾波，圖像的信噪比得到明顯提高。 (2)研究了基于數(shù)學(xué)形態(tài)學(xué)的醫(yī)學(xué)圖像邊緣檢測(cè)方法，提出了復(fù)合型數(shù)學(xué)形態(tài)學(xué)醫(yī)學(xué)圖像邊緣檢測(cè)算法，以及基于多結(jié)構(gòu)元素與多尺度數(shù)學(xué)形態(tài)學(xué)的醫(yī)學(xué)圖像檢測(cè)方法。常用微分算子邊緣檢測(cè)法和傳統(tǒng)的數(shù)學(xué)形態(tài)學(xué)邊緣檢測(cè)法，不僅提取的邊緣模糊，效果差，而且其抗噪聲能力

4、很差。論文利用數(shù)學(xué)形態(tài)學(xué)膨脹、腐蝕、開閉運(yùn)算以及形態(tài)學(xué)梯度等運(yùn)算的綜合特性，提出了復(fù)合型數(shù)學(xué)形態(tài)學(xué)醫(yī)學(xué)圖形邊緣檢測(cè)方法。形態(tài)學(xué)邊緣檢測(cè)效果的好壞，與結(jié)構(gòu)元素的形狀、大小、方向以及尺度有密切的聯(lián)系，論文接著又提出了多結(jié)構(gòu)元素與多尺度的數(shù)學(xué)形態(tài)學(xué)醫(yī)學(xué)圖像邊緣檢測(cè)方法。實(shí)驗(yàn)結(jié)果表明，這些方法提取的醫(yī)學(xué)圖像邊緣都較微分算子邊緣檢測(cè)方法和傳統(tǒng)的數(shù)學(xué)形態(tài)學(xué)邊緣檢測(cè)方法有明顯的改善。 (3)提出了自適應(yīng)數(shù)學(xué)形態(tài)學(xué)醫(yī)學(xué)圖像邊緣連接方法。由于醫(yī)學(xué)

5、圖像的特殊性，外部環(huán)境的干擾，尤其是不同醫(yī)學(xué)成像設(shè)備得出的醫(yī)學(xué)圖像的清晰度不一樣，一般的醫(yī)學(xué)圖像經(jīng)過邊緣提取后的組織器官邊緣、病理組織邊緣等都會(huì)出現(xiàn)不連續(xù)的間隙現(xiàn)象。論文提出了一種形狀、大小和方向都能自適應(yīng)變化的橢圓形結(jié)構(gòu)元素?cái)?shù)學(xué)形態(tài)學(xué)醫(yī)學(xué)圖像邊緣連接方法。實(shí)驗(yàn)結(jié)果表明，這一方法對(duì)不連續(xù)的間斷醫(yī)學(xué)圖像不僅邊緣連接效果很好，而且對(duì)邊緣有很好的細(xì)化作用。 (4)提出了基于形態(tài)學(xué)重建濾波的腦部磁共振圖像分割方法。醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像

6、分析領(lǐng)域具有挑戰(zhàn)性的研究課題。磁共振圖像分割對(duì)腦容量的計(jì)算、神經(jīng)解剖結(jié)構(gòu)的識(shí)別以及用于檢測(cè)損傷及幾種不同的神經(jīng)變性病理學(xué)萎縮模式重要的意義。磁共振圖像中，腦部組織呈現(xiàn)不一致且包括強(qiáng)度變化，傳統(tǒng)的圖像分割方法不能分割出腦組織。而一般的形態(tài)學(xué)方法又存在過分割現(xiàn)象，或者圖像的原始形狀出現(xiàn)扭曲甚至變形。論文提出了數(shù)學(xué)形態(tài)學(xué)圖像分割基本流程，并進(jìn)一步提出了基于形態(tài)學(xué)重建濾波的腦部磁共振圖像分割方法，這一方法通過測(cè)地距離與分水嶺分割得以實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)