论文部分内容阅读
随着现代计算机技术和数字化医疗设备的发展,数字医学图像的处理得到了很高的重视。数字医学图像是临床医生和专家进行疾病诊断的主要依据,医学图像的分割是由医学图像处理到分析的关键步骤之一,对腹部CT图像中肝脏的分割在肝癌CAD诊断中具有重要作用。然而,图像分割本身是一种病态问题。理想的分割结果往往需要大量的先验知识,而图像分割的结果又直接影响了图像分析和图像理解的结果。对于任意一幅图像,难以找到一种通用的理想的分割算法,腹部CT图像由于其结构的复杂性,一直是医学图像分割的一个瓶颈。因此,对图像分割的研究始终是图像处理领域的一个研究热点,也是一个具有实际意义的研究方向。本文在综述了传统的图像分割方法的基础上,着重研究了基于随机场模型的图像分割算法,本文主要研究内容为:(1)研究了基于K均值聚类的图像分割方法,并提出了一种基于SA-PSO改进K均值聚类算法,并将其作为本文算法的初始分割算法。(2)针对腹部CT图像的特点,提出了一种基于肋骨拟合的图像预处理算法,它能够有效地去除图像中与肝脏相粘连的其他脏器。(3)研究了基于马尔科夫随机场模型的图像分割算法。分别实现了基于单尺度和多尺度马尔科夫随机场模型的腹部CT图像中肝脏的分割。利用图像的多分辨率分析理论,基于图像的提升小波分解对腹部CT图像进行多尺度表示。建立了用于腹部CT图像分割的多尺度马尔科夫随机场的模型,对腹部CT图像进行了基于MRF-ICM的分割。通过对特征场和标记场的模型的改进,提出了一种可变权重的小波域MRF的图像分割模型。(4)结合Snake模型的特点,将基于MRF模型的分割结果作为初始轮廓,进行基于Snake模型的二次精分割,以获得更为准确的分割结果。(5)设计并实现了基于Visual Studio 2008和MatlabR2010混合编程的图像分割系统。并通过对系统进行测试,验证了本文算法的有效性。