随着医学成像技术的发展和计算机运算能力的提高,三维医学图像分割成为重要的研究方向。但是,受限于医学成像原理或机制的约束,以及人体器官与结构外形的复杂性,三维医学图像分割仍面临巨大的挑战。传统意义上的三维医学图像分割都是基于二维图像逐帧分割之后再重建出三维分割结果,由于无法利用相邻帧间的结构信息,分割不准确且耗费时间。已有的直接在三维空间进行的分割技术,例如CAVASS、MITK等三维图像分析软件、活动轮廓模型、统计形状模型、基于图割理论的方法等,由于医学图像类型多样,不同工具或算法均存在泛化能力不足的问题。因此,本文提出基于Surfacelet变换的三维医学图像分割方法,主要包括以下研究内容:(1)研究了方向滤波器组的理论知识以及Surfacelet变换的结构和性质,对Surfacelet分解后的子带系数分布特征进行了深入分析。实验结果表明,图像中各向目标边缘信息经过变换后均包含在高频子带系数中,而主要区域信息包含在低频子带系数中。通过对Surfacelet变换域高低频系数的处理,增强三维图像的分割质量。(2)针对三维医学图像的结构特点,提出基于Surfacelet变换和Canny算子的三维医学图像分割算法。Surfacelet变换能够对多维信号进行多尺度多方向分解,具有平移不变性、完美重建、较低的冗余度等优点。首先,对三维医学图像进行Surfacelet变换将其分解到三维变换域,利用Surfacelet变换域高低频子带系数的分布特征,根据改进的自适应阈值公式对高频子带系数滤波处理,低频子带系数归一化;然后,根据处理后的系数进行Surfacelet重建;最后,利用Canny算子分别提取高低频图像边缘,并将高频边缘图像与低频边缘图像采用PCNN模型进行融合,获得准确的完整图像边缘。实验结果表明,根据Surfacelet变换域子带系数分布特征进行相应的处理,可以有效地分离信号与噪声,增强目标的弱边缘,减小稀疏系数幅值波动,从而实现对三维医学图像目标边缘的准确分割与提取,获得清晰的完整边缘轮廓。