醫(yī)學(xué)圖像的交互式分割算法研究.pdf

1、生物醫(yī)學(xué)圖像的分割是近年來(lái)圖像處理領(lǐng)域的研究熱點(diǎn)?；谏镝t(yī)學(xué)圖像的分割技術(shù)，可對(duì)生物醫(yī)學(xué)圖像的內(nèi)容進(jìn)行分析，幫助醫(yī)務(wù)人員診斷和制定治療方案。同時(shí)由于生物醫(yī)學(xué)圖像具有分辨率低、噪聲大、圖像特性差異大的特點(diǎn)，也為該類圖像的分割帶來(lái)了困難。因此生物醫(yī)學(xué)圖像的分割技術(shù)具有重要的研究意義。依據(jù)不同生物醫(yī)學(xué)圖像間特性差異較大的特點(diǎn)，本文著重研究了交互式的分割算法，即由使用者給出圖像中包含目標(biāo)的感興趣區(qū)域，再利用算法再對(duì)該區(qū)域進(jìn)行分割。
　　

2、文中首先實(shí)現(xiàn)了交互式的閾值分割算法，分析了其優(yōu)缺點(diǎn)。然后實(shí)現(xiàn)了交互式的區(qū)域生長(zhǎng)算法，在對(duì)基本區(qū)域生長(zhǎng)算法的特點(diǎn)進(jìn)行分析后，提出了一種基于邊緣強(qiáng)度的區(qū)域生長(zhǎng)算法。該算法首先使用閾值法對(duì)圖像進(jìn)行預(yù)分割，并依據(jù)閾值分割的結(jié)果選取目標(biāo)區(qū)域的種子像素，同時(shí)將使用者提供的感興趣區(qū)域的邊界像素作為背景區(qū)域的種子像素。然后計(jì)算出圖像中各像素處的邊緣強(qiáng)度，并在計(jì)算邊緣強(qiáng)度時(shí)考慮了像素灰度沿水平、垂直、對(duì)角線和反對(duì)角線四個(gè)方向的變化情況。接著依據(jù)像素的邊緣

3、強(qiáng)度漸進(jìn)地在目標(biāo)區(qū)域和背景區(qū)域內(nèi)分別進(jìn)行區(qū)域生長(zhǎng)。即首先只對(duì)邊緣強(qiáng)度較小的像素進(jìn)行區(qū)域生長(zhǎng)，將其與種子像素聯(lián)通起來(lái)，然后再逐步放寬邊緣強(qiáng)度的限制，將邊緣強(qiáng)度稍大的像素也與種子像素聯(lián)通起來(lái)。因此算法將首先分別生長(zhǎng)出目標(biāo)和背景區(qū)域內(nèi)較為平滑的局部區(qū)域，然后再分別連通目標(biāo)和背景區(qū)域內(nèi)的紋理區(qū)域，最后目標(biāo)和背景區(qū)域在圖像中的強(qiáng)邊緣處交匯。由于目標(biāo)區(qū)域邊界與圖像中的強(qiáng)邊緣重合，因此該算法能夠得到良好的分割邊界。與基本的區(qū)域生長(zhǎng)算法相比，該算法不需