X线图像作为临床医学诊断中的重要工具,它的信息量很大,因此对X线图像进行分割,即将图像分割为若干互不交叠、有意义的、具有相同性质的区域,提取出感兴趣的部分,是医生做出正确诊断的有力依据,也是进一步进行参数提取、病区自动识别以及自动诊断的重要基础。本文根据X线骨骼图像的特点,采用了分水岭变换的分割方法,并对基于标记的分水岭分割方法中背景标记的方法进行了改进,提出了基于双阈值的分水岭分割方法,通过实验验证了该方法可以得到准确的前景和背景标记。一部分X线图像即使准确标记也不能得到准确的分割结果,存在过分割现象,对此本文引入了小波变换,提出了基于小波变换的双阈值分水岭分割方法,即先对图像进行小波分解,再进行双阈值分水岭分割,最后进行小波重构,得到了准确的分割结果,有效的克服了过分割问题。在分水岭分割过程中,都要用到结构元素,它一般依靠研究者不断试验进行选择,因此本文引入了遗传算法,提出了基于遗传优化的分水岭分割方法,实现了结构元素的自动选择。该方法中首先需要选取一幅样本图像,通过对样本图像处理,遗传算法不断收敛,从而得到最优结构元素,然后将这个结构元素用于类似图像的分割过程中。通过仿真实验得到了准确的分割结果,说明通过遗传优化得到的结构元素是适用于类似图像的分割过程的。
本文来源: https://www.lw50.cn/article/bfdd1099dee7a7a2bbca285d.html