图论基础上医学X线图像分割措施探讨.docVIP

　　图论基础上医学X线图像分割措施探讨 -- 1 绪论 1.1课题研究的背景和意义 图像分割（Image Segmentation)是图像处理算法研究中的重点和难点，也是当前图像处理领域研究中的热点。图像分割是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，可为后续的分析、理解、分类、识别、有用信息的提取等图像处理提供基础。对图像分割算法的研究已有几十年的历史，借助各种理论至今已提出了上千种各种类型的分割算法，近年来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，以2011为发表时间、以图像分割为检索关键词，IEEE收录文章共3607篇，中国知网（KI)检索1153条记录中文期刊论文，国内发表博士学位论文49篇之多。 尽管人们在图像分割方面做了许多研究工作，但由于尚无通用分割理论，因此现已提出的分割算法大都是针对具体问题，并没有一种通用的分割算法，对于图像分割质量的评价目前没有统一的评价标准，通常是计算机的实际分割结果与理想结果相比较，图像的分割是在允许的误差限度内进行的。但是可以看出，图像分割方法正朝着更快速、更精确的方向发展，通过各种新理论和新技术的结合将不断取得突破和进展。 此外，医学检查和诊断技术的提高，是建设和谐社会的重要保证，而医学图像处理技术是提升现代医疗水平的有力依据。 《国家中长期科学和技术发展规划纲要（2006~2020)》将人口与健康列为重点规划领域之一，并指出要重点研究开发重大疾病的早期预警和诊断、疾病危险因素早期干预等关键技术，以及规范化、个性化和综合治疗关键技术与方案，重点幵发新型治疗和常规诊疗设备，数字化医疗技术、个体化医疗工程技术及设备。通过大量的医学检验技术的研究和医疗诊断设备的研制，为广大人民群众提供便携的医疗检查服务，可减轻国家和社会医疗保障负担。 现代医学越来越需要医学图像提供信息（具现代科学统计，人们通过图像获得的信息占总信息的70%)，医学图像往往在疾病的诊断、分级、以及选择治疗方法和手段等方面起决定性作用。具体表现在以下主要方面：感兴趣区域提取，便于后续的分析和识别，如图像配准与融合；人体器官或病灶的尺寸、体积的测量，辅助医生诊断、制定治疗方案；用于医学图像的三维重建和可视化，在外科手术方案制定和三维定位中扮演重要作用。现代医疗对影像技术的应用已经不再仅限于单纯的阅读影像图片等一般性的操作，开始以所获得的图像为基础，融合各种先进技术，从更广泛的角度分析和处理图像，力求挖掘更深层次的信息，为诊断和治疗提供详实可靠依据。 医学图像分割在图像处理中扮演重要的角色且尚未得到较好解决，而基于图论的图像分割方法为医学图像分割提供一个新的途径。 所谓医学图像分割是根据医学图像的相似性特征（如亮度，颜色，紋理，形状，位置，局部统计特征等）将其划分为若干互不相交的连通区域，相似性特征在同一区域内最大，在不同区域间最小，也就是说区域边界上的像素在某种特征上存在不连续性。医学图像分割是医学图像处理中的首要解决的问题，也是制约医学图像处理中相关技术发展和应用的瓶颈。医学图像分割至今仍然未获得很好解决的一个重要原因在于医学图像的复杂性和多样性。由于医学图像的成像原理和组织本身的特性差异，图像的形成受到诸如噪音、场偏移效应、局部体效应和组织运动等的影响，医学图像与普通图像比较，不可避免的具有模糊、不均匀性等特点。另外，人体的解剖组织和器官的结构和形状复杂，个体的病理和生理差异有很大的不确定性。这些显著特征都给医学图像分割的分割带来了困难和复杂性。因此，我们有必要针对医学应用这个领域，对图像分割方法进行研究。 通常，医学图像分割方法主要分为三大类：基于阈值的分割技术，基于边缘检测的分割技术和基于区域的分割方法。分割技术也由人工分割逐渐发展到半自动分割再到当今的全自动分割，全自动分割虽摆脱了人为因素的影响，为精确的自动分割奠定了基础，然而，绝大多数自动分割算法复杂，耗费的运算量大，分割结果尚不理想，分割速度和性能亟待进一步的提高。 基于图论的图像分割技术为图像分割提供了新思路、新结构，由于其良好的分割结果和特性，引起越来越多的研究兴趣，是近年来国际上图像分割领域的一个新的研究热点。该方法将图像映射为加权无向图G = (F,￡,fr)，代表节点的集合K在图像中表示为像素集，代表连接两节点的边集￡在图像中表示像素和像素之间的关联关系，而代表了两个节点之间的权重值，也就是像素间关联程度的度量，通过设计最小剪切准则得到图像的最佳分割，对于医学图像分割具有较好的应用前景。该方法本质上将图像分割问题转化为剪切代价函数最优化问题，以其抽象的无向图结构的灵活性与普适性，经典图论理论等较多的优点对医学图像分割具有很好的应用前景： 1)将图像分割问题转化