基于形態(tài)學(xué)分水嶺的醫(yī)學(xué)圖像分割方法研究.pdf

1、醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像處理與分析中的一項(xiàng)關(guān)鍵技術(shù)。獲得良好的分割結(jié)果能給醫(yī)生和患者提供重要的信息，以便進(jìn)行及時(shí)的病情監(jiān)測和正確診斷。基于分水嶺變換的分割技術(shù)是一類應(yīng)用比較廣泛的醫(yī)學(xué)圖像分割技術(shù),該類算法具有計(jì)算效率高、分割精度高的優(yōu)點(diǎn)，但是易產(chǎn)生過分割現(xiàn)象且具有對噪聲敏感的缺點(diǎn)。因此，本文針對傳統(tǒng)分水嶺算法的不足，將形態(tài)學(xué)與分水嶺算法結(jié)合起來并開展了深入的研究，主要研究工作如下：
　　細(xì)胞圖像在獲取時(shí)經(jīng)常受到外界環(huán)境干擾而產(chǎn)生異常

2、的紋理變化和細(xì)胞孔洞，使得后續(xù)分割中出現(xiàn)偽邊緣，而分水嶺變換算法對噪聲和灰度變化極其敏感。鑒于此現(xiàn)象，本文用一系列形態(tài)學(xué)運(yùn)算來消除細(xì)胞圖像中的偽邊緣，并且采用灰度差變換法來抑制噪聲和獲得均勻的圖像灰度信息，基本消除了噪聲、細(xì)胞孔洞和雜質(zhì)的不利影響且較為有效地解決了分水嶺算法在細(xì)胞分割時(shí)的過分割和漏分割問題。
　　大多數(shù)細(xì)胞都存在粘連和重疊現(xiàn)象，這些現(xiàn)象會使得分割算法難以準(zhǔn)確定位其重合的邊緣。傳統(tǒng)的分水嶺算法能基本達(dá)到分離重疊細(xì)胞的

3、目的，但經(jīng)常會增加分離點(diǎn)數(shù)量而過多的分割細(xì)胞。鑒于此，本文使用形態(tài)學(xué)算法提取粘連細(xì)胞的幾何特征，然后用非線性處理技術(shù)改善這些幾何特征，最后采用分水嶺分割。達(dá)到較為有效地分離了粘連細(xì)胞的目的。
　　現(xiàn)有的細(xì)胞圖像算法大都只能分割粘連或非粘連的細(xì)胞圖像，本文結(jié)合若干算法的特點(diǎn)用形態(tài)學(xué)的方法改進(jìn)分水嶺變換。得出了一種能同時(shí)分割粘連和非粘連細(xì)胞的圖像分割方法。
　　人體組織結(jié)構(gòu)的復(fù)雜性使得其圖像的灰度分布極不均勻，現(xiàn)有的分水嶺算法很