交互式分割算法研究碩士論文
幫助醫(yī)務人員診斷和制定治療方案，同時由于生物醫(yī)學圖像具有分辨率低、噪聲大、圖像特性差異大的特點，為該類圖像的分割帶來了困難，因此生物醫(yī)學圖像的分割技術具有重要的研究意義。依據(jù)不同生物醫(yī)學圖像間特性差異較大的特點，本文著重研究交互式分割算法，即由使用者給出圖像中包含目標的感興趣區(qū)域，再利用算法對該區(qū)域進行分割。
取閾值是最簡單的圖像分割方法[1-4]，即確定閾值后將灰度值大于閾值的像素劃分為一類，灰度值小于閾值的像素為另一類，這2 類像素將分別對應于圖像中的目標或背景區(qū)域。
該算法重點在于閾值的選取，經(jīng)典算法包括otsu 的最大類間方差法[2]和kapur 的熵極值法[3]。
在2 種算法的基礎上衍生出其他一些算法，如基于otsu準則和圖像熵的閾值選取方法[4]，基于區(qū)域生長[5-8]的分割算法是圖像處理領域中另一種常用的技術，其基本思想是先對每個需要分割的區(qū)域找一個或多個種子像素作為生長起點，然后將種子像素周圍鄰域中與種子像素有相似性質的像素合并到種子像素所在區(qū)域中，再將這些新像素當作新的種子像素重復進行上述過程，直到?jīng)]有滿足條件的像素被包括進來[5]。該算法的重點在于種子像素的選取和像素相似性判定準則的確定，如文獻[6]使用區(qū)域平均灰度和局部梯度變化率來判定相似性，文獻[7]利用灰度值和新像素與種子像素間的距離來定義相似性，文獻[8]對圖像進行分水嶺變換后再確定相似性。本文提出一種簡單有效的面向生物醫(yī)學圖像的交互式分割算法。