论文部分内容阅读
医学图像分割是图像分割技术的一个非常重要的应用领域,医学图像分割指的是用图像分割技术对诸如MRI,CT等医学影像中的病灶与正常组织进行分割,其分割效果的好坏直接影响到医生对于患者病情的判断。分水岭算法和高斯核模糊C均值聚类算法(KFCM)是两种比较常见的MRI医学图像分割算法,本文拟对其进行改进并用于MRI脑部图像分割。在用分水岭算法和KFCM算法对MRI医学图像进行分割之前,必须先对含噪图像进行滤波预处理。首先对双边滤波器滤波参数σr的选择进行了研究,针对σr取值不同时进行滤波实验。然后对比小波软阈值滤波与小波硬阈值滤波的滤波效果。最后用优化参数σr的双边滤波、非局部均值滤波以及小波软阈值滤波分别对同一含噪MRI脑部图像进行滤波。实验结果表明,当σr取值为0.05时,双边滤波的效果最好,小波软阈值滤波比小波硬阈值滤波效果好,三种滤波方法中滤波效果最好的还是双边滤波。故本文采用双边滤波对图像进行滤波预处理。传统的分水岭算法采用单尺度形态梯度来获取梯度图像作为分水岭变换的输入,但其对结构元素的尺寸大小敏感,即随着结构元素尺寸增大,获得的梯度图像的边缘的厚度也在逐渐增大。针对此问题,本文采用多尺度形态梯度替代单尺度形态梯度,在选用相同形状的结构元素时,能够选择更大尺寸的结构元素以更好地抑制噪声,同时又不会导致获得的梯度图像边缘厚度增大。在此基础上进行相似区域检测,合并小区域,经过多次合并,得到最终的分割结果。用传统分水岭算法和改进算法分别进行分割实验。仿真结果表明,本文提出的改进分水岭算法能够有效地减少过分割现象,得到比较理想的分割效果。针对传统KFCM算法不能很好地去除伪边界的不足,结合灰度阈值和灰度形态学,本文提出了一种基于灰度处理改进的KFCM算法,把KFCM算法与灰度阈值处理以及灰度开运算结合起来。用传统KFCM算法和改进KFCM算法分别进行分割实验。实验结果表明,本文提出的改进KFCM算法得到的分割结果比传统的KFCM算法更加接近于手工分割的结果,说明了改进算法的有效性。