改进分水岭算法在医学图像分割中的应用分析-控制科学与工程专业论文.docxVIP

河北 河北工业大学硕士学位论文 改进 改进分水岭算法在医学图像分割中的应用研究 PAGE PAGE 1 PAGE PAGE 10 第一章 绪论 §1-1 研究课题的目的及意义 图像分割是根据某种一致性原则，将图像分成若干个具有特殊含义的区域，使每个区域都符合这种 一致性原则[1]。它是计算机视觉所要研究的基本问题，也是从图像处理到图像分析的关键步骤。目前， 图像分割技术已与许多其他学科密切相关，从而应用到各个领域之中。如工业自动化、文档图像处理、 保安监视、生物医学电磁场数值分析，以及军事、体育等领域。其中的生物医学电磁场数值分析是以医 学图像分割为前提进行的，它是计算电磁学与生物医学交叉的前沿科学，通过检测生物活体各组织、器 官所携带的生物电磁信号的不同来了解特定的组织、器官的生理、病理状态，对于医学研究有着十分重 要的意义，因此在国际学术界也受到越来越多的重视。 医学图像分割类似于人眼对客观世界中不同对象进行分类的过程，它从图像中把相关的结构(或感 兴趣区)分离出来，是进行图像分析与识别的基础所在[2]。医学图像分割的效果直接影响着其它相关的 医学图像处理技术的发展与应用。目前国内外的主要研究重点是各种细胞、组织、器官的分割，即将原 始图像按照灰度、纹理等特性划分为不同的区域，从而把感兴趣的组织区域提取并显示出来。为后续的 临床诊断和病理研究提供可靠依据。 医学图像分割是计算机辅助治疗的基础，它在临床诊断，病理分析以及人体器官三维重建等方面都 具有重要的意义。具体可以表现为以下几个方面： (1) 将分割结果用于生物医学图像分析，如为医学图像的配准、融合、生物医学电磁场数值分析、 人体虚拟现实等提供原始数据[3]； (2) 分割结果用于医学图像的三维重建，便于可视化，使医生对病情的了解更加直观，进而制定和 仿真外科手术方案[4]； (3) 对于人体器官、病变体等组织结构依据图像的分割结果进行体积测量，医生可以根据测量结果， 对比治疗前后的体积变化来制定更加具体、合适的医疗计划[5]； (4) 图像分割结果去除了不相关的信息，在此前提下对图像进行数据的压缩和传输，提高 PACS、 远程放射学和 Internet 中图像的传输速度[6]； 本文的研究目标是提出更加稳健而快速的医学图像轮廓提取和分割方法，为后续生物电磁场数值计 算剖分模型的构建提供数据体，为医学图像的三维可视化服务，进而更好的辅助医学研究。 §1-2 常用的医学图像分割方法 1-2-1 基于阈值的分割方法 阈值分割是最常见的一种分割方法，它假定图像中位于同一目标内的像素点的灰度值相同或相似， 而位于不同目标的像素点间的灰度值存在着较为明显的差异，将这种差异体现在直方图上，其具体表现 为图像中不同的目标物体对应着不同的山峰，而峰与峰之间存在着谷底，则选取此处做为阈值，可以将 各个山峰分离开，即将目标物体从图像中分割出来。阈值分割法简单、易行，对于不同类间灰度值差异 大的图像能进行有效的分割。但是由于算法只是简单的利用了图像的灰度信息，没有考虑图像的空间等 其他结构信息，使得它对噪声十分敏感。 阈值分割可进一步分为全局阈值法和局部阈值法。全局阈值即对全图使用统一阈值，当图像中的目 标物体和背景区域的对比度较高时，采用全局阈值法即可将目标物体从背景区域中分割出来，且分割速 度较快。但是当将其用于复杂的图像分割时，由于受到噪声的影响，使用该方法则很难对目标物体进行 有效分割；局部阈值法(也称自适应阈值法)是对不同区域使用不同阈值。这种算法时间复杂度、空间复 杂度较大，抗噪声能力强，对一些用全局阈值法不易分割的图像，比如说目标物体和背景区域的灰度有 梯度变化的图像，分割效果较好。阈值分割的关键在于如何选取最优阈值，目前国内外学者针对这点结 合其他方法提出了许多新方法，如文献[7]即将小波理论引入到阈值分割中，利用小波分析自动获取阈 值，得到了有效的分割结果。阈值分割法快速、简单，对 CT 图像的分割效果较好。但同时，阈值的选 取依赖于用户所具备的先验知识，多数情况下分割是交互式的，需要用户动态调整阈值，以达到满意的 结果[8]。 1-2-2 基于边缘的分割方法 所谓边缘即图像中目标物体与背景之间、目标物体之间像素变化不连续的集合。它反映了一幅图像 的主要特征，是图像分割的重要依据。基于边缘的分割方法与边缘检测理论密切相关。这类方法利用了 区域间的差异性信息，通过检测相邻像素特征值的突变性来获得不同区域之间的边缘，进而实现了区域 分割。边缘检测的方法很多，主要有以下几种： (1) 空域微分算子法 不同区域间的边缘上像素值的变化通常较为剧烈，当为连续情形时函数梯度较大。空域微分算子法 即利用了这一特点，通过求图像中的各像素点的一阶或二阶导数来确定图像的边缘