论文部分内容阅读
图像分割是图像处理中的主要问题,也是计算机视觉领域低层次视觉中的主要问题,同时它又是一个学术难题,70年代起图像分割问题就吸引了很多研究人员为之付出巨大的努力,但到目前为止还不存在一个通用的方法,也不存在一个分割是否成功的客观标准。图像分割方法最重要的一个实际应用领域是医学图像的分割。医学图像分割在医学解剖结构的研究,诊断等起着至关重要的作用,因此对医学图像分割算法的研究非常必要。 近年来,很多研究人员在一般的分割方法的基础上,提出了许多与一些特定理论、方法和工具相结合的分割技术。但是这些分割技术只能处理某一类特定的图像。医学图像由于其自身的特殊性,除了要用到一般的图像分割技巧之外,还需要结合医学领域中的知识,才能对图像做出合理的分割。本文结合人体肝脏结构和形状的基础上,创新的提出了一种改进的小区域增长算法分割三维肝脏MDCT图像,从分析结果可以看到该算法的合理性。该算法除了处理MDCT图像外,同样也适合其他CT图像。 本文的主要工作如下: 1. MDCT图像的预处理过程。 2. 提出小区域增长算法,以解决由于肝脏与相邻器官的边界模糊而引起的所谓误分现象。 3. 采用数学形态学操作和结合人体肝脏结构和形状的基础上,消除非肝脏组织。 4. 对分割结果进行边缘平滑。 5. 基于OpenGL开发演示该分割结果的三维图像显示系统。 本文的特色之处在于:本文的研究对象是多层螺旋CT(MDCT)图像,MDCT是近年来发展起来的CT扫描新技术,以其无与伦比的性能极大地提高了临床诊断效率,展示了十分广阔的应用前景,国内外对MDCT医学图像处理的研究也正在发展中,这是一个新的课题。本文采取slice-by-slice的分割方法,把要分割的切片分成许多小区域,根据一定的规则,判断这些小区域是否分配种子点,接着在分配有种子点的区域进行区域增长,然后把小区域分割得到的ROI(Region of Interesting)整合成整个肝脏组织。该算法对肝脏与相邻器官边界比较模糊的图像处理可以取得比较满意的效果。本文还基于人体躯体表面形状与肝脏形状的相似性,提出了一种最优算法删除分割过程中产生的非肝脏组织。这两种算法的提出,很好解决了一般分割方法处理肝脏MDCT图像产生的误分问题。本文开发的三维图像显示系统,从廉价的角度出发,同时可以方便地在各种平台间移值。