医学图像包含着丰富的生物医学解剖结构及功能信息,正确地读取和理解这些信息,可以为医学诊断与治疗提供支持。对结肠息肉图像进行良好的增强处理,有利于医生清楚地观察图像中的信息,进而提高结肠诊断的准确性。此外,当在肠镜检查中发现可疑息肉时,需要根据息肉的类型来判断息肉是否需要切除,而对息肉的分类首先需要将息肉区域分割出来,并且分割的性能越好,分类的准确性越高。因此,结肠息肉图像的增强与分割对结肠疾病的检查与诊断具有重要作用。由于元胞自动机(cellular automata,CA)具有局部性、并行性与同质性的特点,而且CA的空间分布结构与图像的数字存储结构相似,所以CA模型已被广泛应用到了图像处理领域。本文基于CA模型对结肠息肉图像的增强与分割算法进行了研究,主要工作内容及创新成果如下:1.在结肠息肉图像增强方面,本文通过将单色灰度增强方法作用于亮度分量来实现对彩色结肠息肉图像的增强。对于单色灰度增强方法,本文利用CA模型并结合直方图均衡化的思想,提出了一种新的图像增强算法。新算法包括对图像的全局处理与局部处理两个部分。在全局处理部分,首先提出了扩展直方图的概念,并对扩展直方图进行均衡化处理,削弱传统直方图高峰的影响;在局部处理部分,建立CA模型,在扩展直方图均衡化拉大图像灰度动态范围的基础上,根据制定的CA局部规则对图像中的所有像素进行灰度映射,以细化全局处理后的灰度级。新算法结合了图像的全局信息和局部信息,不仅能够提高图像的对比度,而且能较好的保留原图像的细节信息。最后,使用新算法对结肠息肉图像进行仿真实验,验证了新算法能取得较好的增强效果。2.在结肠息肉图像分割方面,本文结合现有的Shape-UCM息肉图像分割算法,以及模糊GrowCut分割算法中的FCA模型,提出了一种结肠息肉图像的自动分割算法。首先,根据Shape-UCM算法通常能获取息肉的部分或完整区域的特点,引导初始种子点的自动选择;然后,根据息肉形状的先验知识制定具体的隶属度函数,并加入到FCA模型中,实现对结肠息肉图像中息肉区域的自动分割;最后,使用提出的算法对结肠息肉图像进行仿真实验,验证了提出的算法能取得较好的分割结果。