基于數(shù)學形態(tài)學的醫(yī)學圖像分割方法研究.pdf

1、人們在研究圖像的過程中，經(jīng)常會對圖像中的某些部分感興趣，而這些感興趣區(qū)域一般都是對應著圖像中特定的、具有獨特性質的區(qū)域。為辨識和分析圖像中的目標，首先需要將它們從圖像中分離出來，然后才能進一步對目標進行分析。這種從原始圖像中提取目標區(qū)域的技術就是圖像分割技術。近年來，隨著科學技術和信息技術的發(fā)展，圖像處理已經(jīng)成為科學研究領域中的重要工具之一。圖像分割作為圖像處理中的一項關鍵技術，已經(jīng)逐漸深入到軍事、醫(yī)學、工業(yè)、航天等各個領域，得到了廣泛

2、應用并吸引了越來越多研究者的注意。醫(yī)學圖像的分割是近幾年來圖像處理領域的研究熱點。利用醫(yī)學圖像分割技術對醫(yī)學圖像進行分割得到感興趣區(qū)域后，可對醫(yī)學圖像的內容進行分析，從而幫助醫(yī)務人員進行診斷和制定治療方案。但由于醫(yī)學圖像具有噪聲大、分辨率低、圖像特性差異大等特點，降低了分割的質量。因此對醫(yī)學圖像分割技術的研究具有重要的意義。本文針對醫(yī)學圖像的特點，提出了一種基于數(shù)學形態(tài)學的醫(yī)學圖像分割方法。算法首先對醫(yī)學圖像進行去噪處理，然后將去噪后的

3、圖像作為分割圖像進行分割，具體分為兩個步驟進行：一是醫(yī)學圖像預處理；二是醫(yī)學圖像分割。
　　 一、醫(yī)學圖像預處理：對于醫(yī)學圖像來說，成像設備及組織器官復雜等的影響使得醫(yī)學圖像質量差，如果直接進行分割處理，將得不到理想的分割效果，影響對醫(yī)學圖像后期的分析，因此應先對醫(yī)學圖像進行預處理。本文算法使用小波閾值去噪算法對醫(yī)學圖像進行去噪預處理。小波閾值去噪算法(DWT)是小波去噪算法中最簡單、最常用的算法，本文將其應用于醫(yī)學圖像去噪，使

4、在盡可能保留細節(jié)信息的情況下達到很好的去噪效果。醫(yī)學圖像顯示的是人體組織密度、厚度之間的強弱對比，組織內像素值的變化很小，且大部分醫(yī)學圖像有較大的背景平坦區(qū)域。使用小波閾值去噪算法對醫(yī)學圖像進行去噪的過程為：首先用Otsu法和迭代法對圖像進行分割，將圖像分割為細節(jié)區(qū)域和平坦區(qū)域兩個區(qū)域，然后分別對這兩個區(qū)域進行DWT去噪，最后將兩個區(qū)域的去噪圖像進行融合得到最終的去噪圖像。
　　 二、醫(yī)學圖像分割處理：對醫(yī)學圖像進行去噪后，本文

5、對數(shù)學形態(tài)學分水嶺算法的參考圖像進行優(yōu)化，用于分水嶺分割處理。算法將數(shù)學形態(tài)學分水嶺算法和二維最大熵閾值分割法進行結合(二維最大熵閾值分割法解決了分水嶺算法的‘過分割’現(xiàn)象，而分水嶺算法解決了二維最大熵閾值分割法的計算復雜性和閾值判別存在誤差的問題)，很好地得到了醫(yī)學圖像的分割圖像。本文基于數(shù)學形態(tài)學的醫(yī)學圖像分割法首先對去噪后的醫(yī)學圖像重建梯度圖像(利用開閉重建)；然后求出重建后的梯度圖像的浮點活動圖像(減少弱邊緣)，將此浮點活動圖像