论文摘要
医学图像分割的有效性直接影响后续图像分析、识别以及后续辅助诊断的高效性和准确性,所以,医学图像分割在医学图像处理中具有十分重要的意义。传统的图像分割方法会存在很多问题,很难满足复杂的医学图像分割的高要求。参数活动轮廓模型(又称Snake模型)是在基于先验模型和图像数据结合的能量函数下进行驱动演化的一种模型,通过不断演化,达到目标区域的边界。经典的主动轮廓模型自从提出后已经获得了广泛的应用。传统的参数轮廓Snake模型不能很好地分割带有凹陷边缘的图像,而且在捕获范围上有很大的局限性。因此本文提出一种结合小波变换的改进的动态方向梯度矢量流(Dynamic Directional Gradient Vector Flow, DDGVF)模型。该改进模型首先利用小波变换的多尺度特性对待分割的图像进行分解,而后在小波多尺度每层分解的图像下进行改进DDGVF算法的分割,不断的获得更加精细准确的目标轮廓,最后达到准确分割图像的目的。为了验证结合小波变换的改进DDGVF算法的有效性,针对合成图像和真实的医学图像进行了MATLAB仿真实验对比。结果表明,改进算法能很好地解决传统Snake模型不能深入分割凹陷区域、捕获目标范围小的问题,结合小波多尺度变换的改进动态方向梯度矢量流算法是一种有效准确的医学图像分割算法。与经典的参数活动轮廓模型相对的是几何活动轮廓模型,它是基于水平集方法进行演化解决图像分割的,自从提出后由于其简单高效性,获得了更大的研究关注。然而,由于医学图像的多样复杂性,单一的基于区域模型和单纯的基于边界信息模型的方法得不到准确而稳定的分割结果。为此,本文介绍一种区域可拟合能量函数,提出一种结合边界和区域的新的混合模型算法,该算法首先通过设计适当的演化速度函数F,然后结合一种基于区域拟合能量的函数进行曲线演化,通过结合边界和区域两种图像信息,最终获得准确稳定的分割结果。为了验证改进的混合分割模型的分割有效性,与真实医学图像进行了对比仿真实验。实验结果证明,该方法能够有效地减小噪声、伪影对分割图像结果的影响,进一步提高了对灰度强度不均匀医学图像的有效分割。同时,仿真过程比较了改进算法的分割速度,表明改进算法具有更快的分割速度,具有较高的实时性。最后,作者对本文的研究工作进行了总结,并对未来的研究工作进行展望。