论文部分内容阅读
医学图像分割是图像分析和数字医学领域的研究热点之一，近年来备受研究者的关注。肝脏分割是医学图像处理的一个分支，是三维重建及图像分析的重要前提。肝脏分割的结果直接影响到肝脏三维重建后模型的精确度，影响医生对肝脏中病灶的诊断结果和治疗效果。所以对肝脏分割方法的研究不仅具有重要的学术意义且具有重要的临床应用价值。本文在分析近现代医学图像分割方法的基础之上，结合腹部肝脏CT图像自身的特点，深入研究了医学图像分割相关问题，对于肝脏图像的增强上，进行了对比研究，并从中选择去噪效果最佳且能尽量保护图像信息的一种方法。分析比较现有的一些分割算法的优缺点，选择了近年来分割效果比较好的一种Graph-Based分割方法，并针对其分割速度慢，提出了一种四叉树理论和图论相结合的分割方法，该方法充分利用了四叉树分割速度快和图论能自动分割图像的优点，同时又避免了单一四叉树的过分割问题和单一图论的分割速度慢的问题。在能实现自动分割的前提下又提高的算法的运算效率。论文的主要工作包括：①分析了Windows常用的BMP格式以及CT图像的DICM图像格式，并按照格式要求把腹部CT的DICM格式转换成BMP格式，为后续图像的分割做好准备。②分析了几种去噪声方法的优缺点，针对医学图像对噪声敏感，且容易受到破坏的问题，采用一种各向异性扩散滤波方法，并对该方法进行改进，用2(t)函数来模拟补偿值提高了运算的速度，并用8邻域代替4邻域增强了原滤波方法的抗旋转性，③分析比较了近现代几种比较流行的图像分割方法，针对医学图像自身的一些特点，利用分割效果较好的Graph-Based图论方法，并结合四叉树理论对Graph-Based分割速度慢的问题进行了改进。在能自动分割肝脏的前提下，针对医学图像数据量大的特点，提高了分割的效率。④根据本文提出的方法，用VS2005和MATLAB工具进行试验验证，结果表明改进的各向异性扩散滤波方法和Graph-Based图论分割对于医学图像的去噪和肝脏的分割都取得了较好的效果并且这两种改进算法都在运算效率上有所提升。