CT图像肝脏肿瘤分割,是肝癌等肝脏疾病计算机辅助检测与诊断技术的基础与关键,具有重要的研究意义和应用价值。目前已得到深入研究,并取得大量研究成果。其中,基于形变模型的分割方法得到了广泛的运用。传统几何形变模型一般适用于对比度比较高的图像,对于像CT图像肝脏肿瘤这种具有灰度不均匀和低对比度特性的图像,分割效果不是很好。针对这一问题,在传统几何形变模型的基础上,提出了一种新的CT图像肝脏肿瘤分割方法。所做的具体研究工作如下:(1)相关理论基础的研究和算法的提出。仔细研究了CT图像肝脏肿瘤的特点,包括灰度特性以及几何特性。阅读了大量有关CT图像分割方法的文献,对这些方法进行了仔细研究、分类总结,最终确定了本文的CT图像肝脏肿瘤分割方法。(2)图像预处理方法选择。CT图像由于获取途径的关系,具有一定的噪声。如果直接对原始CT图像进行分割,结果会不尽人意。所以根据去噪结果,确定了适合CT图像肝脏肿瘤分割的预处理方式。(3)几何形变模型改进思路的确定。为了获得更好的分割结果,首先对预处理之后的图像进行偏差估计和纠正,提高图像质量。然后,基于CT图像肝脏肿瘤的灰度不均匀以及周围组织具有低对比度的特性,提出了一个局部强度聚类属性,来说明图像灰度的不均匀等级。在CT图像肝脏肿瘤每个区域的周围,设定一个局部聚类准则函数,作为分割区域周围组织的核心,给定一个统一的分割标准。依据这一标准设置一个能量函数,其与周围各个区域的能量函数以及代表肝脏肿瘤CT图像灰度不均匀特性的偏向量场有关。最后,通过使能量函数最小化,实现对CT图像感兴趣区域的分割以及偏差估计与纠正。(4)分割后图像优化处理。为了获得更好的分割效果,需要对分割后图像进行优化处理。针对分割后肝脏肿瘤的特点,选择了闭运算的优化方式。(5)实验验证。利用软件开发平台VS2010与Matlab R2010a以及辅助性软件,对算法进行了验证实验,并进行了实验结果的对比和量化分析,证明了算法的可行性和有效性。研究的创新之处是,(1)设定了本地强度聚类准则函数,可以更好地处理局部灰度不均匀的情况。(2)提出了双向几何形变模型能量函数,将演化方向设定为两个方向,缩短了处理时间。研究的不足之处是,对于边界变化比较多的图像,迭代次数相对较多,分割时间没有达到理想状态。同时,算法对于对比度的敏感程度,还有待于增强。