基于区域生长和数学形态学的MRI图像处理研究

摘要

随着计算机技术的迅猛发展,图形图像技术得到广泛应用,医学图像的质量和显示方式得到了极大的改善,从而借助于图像处理与分析技术使得医学诊疗水平大幅度提高。医学图像分割是提取影像图像中特殊组织定量信息的关键技术,同时也是实现医学三维模型重建的预处理和前提。本文介绍了几种常见的图像分割方法,并在理论方法方面进行比较,总结出这些方法的优缺点。选用区域生长法的分割算法对目标图像进行预处理,并用轮廓跟踪法和数学形态学对分割后的结果进行了优化分析和改进。对轮廓跟踪法进行了定量分析和可靠性分析,并对数学形态学图像处理结果进行可行性分析。本文中提出了一种基于模糊连通图和区域生长的图像分割新方法,用计算属性相似度方差的方法来获取最优种子点,由得到的最优种子点来构造模糊连通图,然后在模糊连通图的基础上采用区域生长算法得到实验结果,并且使用了由迭代自适应阈值算法得到的模板来限制区域生长的范围。采用这种算法,能在待分割对象边界比较模糊和目标区域灰度分布不均匀的情况下取得较好的分割结果。
　　轮廓跟踪法是一种简单快速提取图像轮廓的算法。本文编制相应程序,提取了经过区域生长法分割后的图像轮廓,但是用肉眼不能判断这种算法检测的结果是否准确可靠,也不能从定量的角度来说明这种提取轮廓的算法适用的范围和准确度。为了解决这个问题,本文提出了拟合的思想:从定量分析的角度,分别拟合出原图的轮廓曲线与利用轮廓跟踪法得到的轮廓曲线,通过这两条曲线的方程或者函数值来判断提取出的轮廓与原图轮廓曲线的拟合相似度,进而来分析算法的准确性和可靠性。
　　数学形态学是图像处理中一种常见且严密的图像处理方法。本文首先对数学形态学中的基本算子做了详细介绍,其中包括二值膨胀、二值腐蚀、二值开闭和灰度膨胀、灰度腐蚀、灰度开闭算子,列举了各个算子所具有的性质并总结其运算作用。然后利用数学形态学的基本运算对分割的图像结果进行后处理,对于结果中存在空洞或者凸起的地方采用不同的结构元素进行不同的数学形态学运算。在实验过程中发现选用不同的结构元素会造成差异变化较大的结果,实验数据表明结构元素是图像处理中最关键的影响因子。最后针对本文中要处理的图像特征,选定数学形态学算子,灵活的选取结构元素大小,使得结果达到最佳效果。利用本文提出的检测方法对图像经过数学形态学后处理的结果进行检测,发现是有效可行的。
　　结合图像数据编制计算程序进行运算,结果表明,本文采用的图像处理方法达到了实验目的,即有效分割出MRI中的骨骼图像,便于进一步的医学研究,具有一定的理论指导意义。

目录

封面

声明

目录

中文摘要

英文摘要

第一章 绪论

1.1课题研究的背景和意义

1.2医学图像分割的国内外发展现状及发展趋势

1.3医学图像分割的特点

1.4论文研究的内容及论文组织结构

第二章 图像分割的理论研究

2.1图像分割的数学定义

2.2图像分割的一般方法

2.3 结合特定理论的图像分割方法

2.4 本章小结

第三章 基于区域生长法分割的原理和实现

3.1 基于区域分割的原理

3.2 基于区域生长法的图像分割

3.3 轮廓跟踪法在图像处理中的应用

3.4 轮廓跟踪法的可靠分析

3.5 本章小结

第四章 数学形态学图像处理

4.1二值形态学的基本理论

4.2 灰度形态学的基本理论

4.3基于数学形态学的图像处理

4.4实验结果分析

4.5本章小结

第五章 基于模糊连通图的区域生长图像分割算法

5.1 迭代自适应阈值算法提取模板

5.2 模糊连通图

5.3 利用相似度方差寻找最优种子点

5.4 用区域生长算法实现分割

5.5 本章小结

结论与展望

参考文献

致谢

附录（攻读学位期间所发表的学术论文）