基于Contour let變換和水分嶺算法的醫(yī)學圖像分割.pdf

1、計算機技術的出現(xiàn)，使得醫(yī)學領域發(fā)生了重大變化，十九世紀五十年代計算機技術就已經(jīng)應用在病歷管理上，其后是財務管理、病房監(jiān)護等等。而計算機成像技術快速發(fā)展，使得圖像處理技術在醫(yī)學研究領域得到了廣泛的應用。通常，醫(yī)生的目標鎖定在能夠輔助診斷、包含診斷信息的區(qū)域，這個區(qū)域往往很小，但對患者來說，一旦描述錯誤，則會付出非常高的代價。在原始圖像中鎖定感興趣的目標，根據(jù)某種算法將其提取出來，這就是圖像分割的最終目標。對于研究來說，處理對比度較低，分辨

2、率低、噪聲偏大的醫(yī)學圖像絕對是一個很大的挑戰(zhàn)。
　　 近年來，在醫(yī)學圖像分割領域涌現(xiàn)了很多分割方法，比如模糊計算法、分水嶺算法和神經(jīng)網(wǎng)絡方法等等。其中，分水嶺算法的運算效率較高，分割精度也較高，得到了廣泛的應用。然而，分水嶺算法的缺點就是過度分割。
　　 在本文中，Contourlet變換與分水嶺算法很好的結合在一起，得到了一種新的方法。新的算法步驟是:對原始圖像的梯度圖像運用Contourlet變換，生成多分辨率圖像，

3、對低分辨率圖像運用分水嶺算法得到初步分割結果。對初始分割結果運用逆Contourlet變換得到高分辨率圖像，從而獲得最終分割結果。這種方法非常有效地解決了過分割情況，運算效率也有所提高，也得到了較好的分割效果。
　　 本文將對腦CT(Brain)和胸部CT(Breast)兩幅醫(yī)學圖像進行分割，實驗結果表明:Contourlet變換與分水嶺算法相結合的算法得到的分割區(qū)域比直接運用分水嶺變換得到的分割區(qū)域至少減少80％的分割區(qū)域，新