2023年交互式分割算法研究硕士论文.docx

交互式分割算法研究硕士论文 　　帮助医务人员诊断和制定治疗方案，同时由于生物医学图像具有分辨率低、噪声大、图像特性差异大的特点，为该类图像的分割带来了困难，因此生物医学图像的分割技术具有重要的研究意义。依据不同生物医学图像间特性差异较大的特点，本文着重研究交互式分割算法，即由使用者给出图像中包含目标的感兴趣区域，再利用算法对该区域进行分割。 　　取阈值是最简单的图像分割方法[1-4]，即确定阈值后将灰度值大于阈值的像素划分为一类，灰度值小于阈值的像素为另一类，这2 类像素将分别对应于图像中的目标或背景区域。 　　该算法重点在于阈值的选取，经典算法包括otsu 的最大类间方差法[2]和kapur 的熵极值法[3]。 　　在2 种算法的根底上衍生出其他一些算法，如基于otsu准那么和图像熵的阈值选取方法[4]，基于区域生长[5-8]的分割算法是图像处理领域中另一种常用的技术，其根本思想是先对每个需要分割的区域找一个或多个种子像素作为生长起点，然后将种子像素周围邻域中与种子像素有相似性质的像素合并到种子像素所在区域中，再将这些新像素当作新的种子像素重复进行上述过程，直到没有满足条件的像素被包括进来[5]。该算法的重点在于种子像素的选取和像素相似性判定准那么确实定，如文献[6]使用区域平均灰度和局部梯度变化率来判定相似性，文献[7]利用灰度值和新像素与种子像素间的距离来定义相似性，文献[8]对图像进行分水岭变换后再确定相似性。本文提出一种简单有效的面向生物医学图像的交互式分割算法。