基于区域生长的oct图像分割算法研究

《基于区域生长的oct图像分割算法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于区域生长的OCT图像分割算法研究1绪论1.1引言近30年来，随着不同医学影像设备的迅猛发展和普及，全世界的医疗机构每天都要产生海量的医学影像资料，使得医学影像成为医学技术当中发展最快的领域之一。医学影像技术已经成为一种非介入的、无侵害的观察组织器官解剖结构的手段，例如计算机断层扫描(putedtomography,CT)成像，磁共振成像(magicresonanceimaging,MRI)、正电子发射断层成像(positronemissiontomography,PET)，单光子发射计算机断层扫描(single-photonemissionputedtomography,SPECT)，光

2、学相干断层成像(opticalcoherencetomography,OCT)等。伴随新的成像设备、技术的出现及计算机科技的发展，医学图像处理技术对医学科研和临床实践的作用、影响也越来越大。医学图像处理的结果使科研人员和临床工对人体内部正常和病变位置的观察更加直观、更加清晰，提高了确诊率，为临床诊断和生物医学研究提供了强有力的保证。因此，国内外相关专家一直都非常重视医学图像处理技术，而医学图像分割[1]一直是医学图像处理技术中的一个经典难题，不仅是进行图像分析和识别首要解决的问题，同时也是制约医学图像处理中可视化、不同模态图像配准和融合、三维重建等相关技术发展与应用的瓶颈。图像分割是指根据图

3、像的灰度、颜色、纹理和边缘等特征把一些有意义的特征部分分割、提取出来，便于进一步用作图像识别和分析等处理。图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多，有些分割运算可直接应用于多数图像的初步分割，有些只能适用于特殊类别的图像，还有一些算法需要先对图像进行粗分割，因为他们需要从图像中提取出位置信息等。值得一提的是，由于图像和应用领域的不同，目前还没有一种标准的分割方法适用于所有图像的分割。现实生活中，许多不同种类的图像和景物都可作为待分割的图像数据。针对不同类型的图像，科研人员已经提出了很多相对应的分割方法对其分割，同时，某些分割方法也

4、只是适合于某些特殊类型的图像。分割结果的好坏也需要根据具体的场合及要求来衡量。图像分割是由图像处理到图像分析、图像特征提取的主要步骤，可以说，图像分割结果的好坏直接影响对图像的识别。..1.2选题的依据与意义在对图像的研究和应用中，人们往往只对每幅图像中的某些部分感兴趣，这些部分常常被称为一幅图像的目标或者前景，它们一般对应图像中特定的、具有独特性质的区域。为了辨别和分析目标，需要将这些有关区域分离提取出来，在此基础上才有可能对目标进行进一步的利用，如进行特征提取和测量。图像分割就是把图像分割成各具特色、各有特点的区域，并从这些区域中提取出感兴趣的目标的技术和过程。根据需要的不同，提取的特征

5、可以是一幅图像的灰度、颜色、纹理等，而且分割的目标可以对应单个区域，也可以对应多个区域。图像分割是由图像处理过渡到图像分析的关键步骤，也是一种基本的计算机视觉技术。利用计算机进行图像处理有两个目的：一是产生出适合人观察和识别的图像，二是希望能由计算机自动识别和理解图像。无论为了哪种目的，关键的一步就是能够对包含大量、各式各样景物信息的图像进行分割。分割的最终结果是一些具有某种特征的最小成分即图像的基元。而这种基元，相对于整幅图像来说，更容易被人或计算机快速处理。这是因为图像的分割、目标的分离、特征的提取和参数的测量将会使原始图像转化为一种更为抽象更为紧凑的形式，使得更高层的分析和理解成为可能

6、。同时图像分割技术又是一个经典难题，多年来一直吸引着国内外科研人员为之努力，到现在已经提出了上千个各种类型的分割算法。由于各种图像分割算法都只利用了图像信息中的部分特征，所以必然都带有局限性，因此只能针对各种不同的领域、不同的用途来适当的选择所需的分割算法。到目前为止还没有一种通用的、适用于各种领域的分割算法。..2常用医学图像分割算法的比较2.1医学图像分割算法特点及要求一般来说图像分割就是把图像按照颜色、强度、纹理等划分为不重叠的、具有独特性质的同质区域并分离出感兴趣目标的技术和过程。医学图像分割是三维重建、定量分析等后续操作的基础，分割的准确性对医生判断疾病的真实情况并做出正确的诊断计

7、划至关重要。由于医学图像具有极为繁杂的多样性和复杂性，加上医学影像设备(CT、MRI、PET、OCT等)成像技术上的特点及操作人员的经验不同，使得医学图像存在一定的噪声，极端情况下可能使图片大部分畸形，图像中目标物体边缘也可能不清楚，这使得医学图像分割更加困难并且可复现性低。因此，目前来说在医学图像分割方面仍然没有可以通用的理论和方法。一般来说，医学图像分割主要可分为两类：基于区域的分割方法和基于边界的分割方