精确快速自适应性和鲁棒性等几个方向作为研究目标。相信随着各种理论的不断发展完善和成熟，以及新理论在图像分割领域的尝试应用，医学图像分割的方法也会更多，更成熟。致谢本文的完成得到众多老师和亲人朋友的支持与帮助，借此机会深深感谢我的导师对我设计上的悉心指导，从论文设计工作的进行，到毕业论文的撰写和修改，倾注了侯老师的大量心血。他对工作严谨认真，丝不苟的态度，更是我学习的榜样。感谢同组的同学对我的帮助，他们使我得到许多启示。这是个团结向上的集体，在大学度过这四年给我留下终生难忘的回忆。很荣幸结识各位师长和同学，正是这种愉悦的氛围，让我的大学生涯充满快乐。最后，我要特别感谢我的父母，我所有的成绩都是他们的支持和鼓励下才能取得的，他们的支持和鼓励，使我直不畏前路的任何困难，勇往直前，奋斗不息。参考文献翁璇，郑小林，姜海医学图像分割技术研究进展重庆大学生物工程学院赵志峰，张尤赛缘检测，这里小波分解的级数可以控制观察距离的调焦。而改变高斯函数的标准差可选择所检测边缘的细节程度。小波变换的计算复杂度较低，抗噪声能力较强。理论证明以零点为对称点的对称二进小波适合检测屋顶状边缘现在非常新的种方法。小波变换是种多尺度多通道分析工具，比较适合对图像进行多尺度的边缘检测，例如可利用高斯函数的阶和二阶导数作为小波函数，利用算法分解小波，然后基于马尔算子进行多尺度边割方法，基于信息论的分割方法，基于模糊集合和逻辑的分割方法，基于小波分析和变换的分割方法，基于遗传算法的分割方法等。基于小波分析和变换的分割方法是借助新出现的数学工具小波变换来分割图像的种方法，也是计法与局部特性法概率松弛法模糊集法等。结合特定理论工具的分割方法近年来，随着各学科许多新理论和方法的提出，人们也提出了许多结合特定理论工具的分割方法，例如基于数学形态学的分割方法，基于神经网络的分法基于区域性质的阈值分割方法和基于坐标位置的阈值分割方法若考虑分割算法所用的特征或准则的特点，还可以分为直方图与直方图变换法最大类空间方差法最小误差法与均匀化误差法共生矩阵法最大熵法简单统比较以划分像素。可以看出，确定个最优阈值是分割的关键。现有的大部分算法都是集中在阈值确定的研究上。阈值分割方法根据图像本身的特点，可分为单阈值分割方法和多阈值分割方法也可分为基于像素值的阈值分割方像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素分为两类。这两类像素般分属图像的两类区域，从而达到分割的目的。阈值分割算法主要有两个步骤确定需要的阈值将分割阈值与像素值图像的目的。区域提取法的缺点是往往会造成过度分割，即将图像分割成过多的区域，因此近年来针对这种方法的研究较少。阈值分割法对灰度图像的取阈值分割就是先确定个处于图像灰度取值范围之中的灰度阈值，然后将图相似准则。生长准则般可分为三种基于区域灰度差准则基于区域内灰度分布统计性质准则和基于区域形状准则。分裂合并法是先将图像分割成很多的致性较强的小区域，再按定的规则将小区域融合成大区域，达到分割定图像中要分割的目标物体内的个小块或者说种子区域，再在种子区域的基础上不断将其周围的像素点以定的规则加入其中，达到最终将代表该物体的所有像素点结合成个区域的目的。该方法的关键是要选择合适的生长或切割至所需的分割区域。在实际中使用的通常是这两种基本形式的结合。根据以上两种基本形式，区域提取法可以分为区域生长法和分裂合并法。区域生长法的基本思想是将具有相似性质的像素合起来构成区域，具体做法是先给缘检测方法，是通过对原始图像中像素的小邻域构造边缘检测算子来达到检测边缘这目的。区域提取法区域提取法有两种基本形式种是从单个像素出发，逐渐合并以形成所需的分割区域另种是从全图出发，逐渐分裂种算法来提取出图像中对象与背景问的交界线。我们将边缘定义为图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。经典的边的分割方法。下面就这些方法展开介绍。边缘检测法图像分析和理解的第步常常是边缘检测。边缘检测方法是人们研究得比较多的种方法，它通过检测图像中不同区域的边缘来达到分割图像的目的。边缘检测的实质是采用灰度颜色纹理等提取的目标可以是对应的单个区域，也可以是对应的多个区域。图像分割方法有许多种分类方式，在这里将分割方法概括为四类边缘检测方法区域提取方法阈值分割方法结合特定理论工具性，并且它们没有公共特性分割的所有子区域的并集就是原来的图像各个子集是连通的区域图像分割是把图像分割成若干个特定的具有独特性质的区域并提取出感兴趣目标的技术和过程，这些特性可以是像素的义令集合代表整个图像区域，对的图像分割可以看做是将分成个满足以下条件的非空子集在分割结果中，每个区域的像素有着相同的特性在分割结果中，不同子区域具有不同的特性义令集合代表整个图像区域，对的图像分割可以看做是将分成个满足以下条件的非空子集在分割结果中，每个区域的像素有着相同的特性在分割结果中，不同子区域具有不同的特性，并且它们没有公共特性分割的所有子区域的并集就是原来的图像各个子集是连通的区域图像分割是把图像分割成若干个特定的具有独特性质的区域并提取出感兴趣目标的技术和过程，这些特性可以是像素的灰度颜色纹理等提取的目标可以是对应的单个区域，也可以是对应的多个区域。图像分割方法有许多种分类方式，在这里将分割方法概括为四类边缘检测方法区域提取方法阈值分割方法结合特定理论工具的分割方法。下面就这些方法展开介绍。边缘检测法图像分析和理解的第步常常是边缘检测。边缘检测方法是人们研究得比较多的种方法，它通过检测图像中不同区域的边缘来达到分割图像的目的。边缘检测的实质是采用种算法来提取出图像中对象与背景问的交界线。我们将边缘定义为图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。经典的边缘检测方法，是通过对原始图像中像素的小邻域构造边缘检测算子来达到检测边缘这目的。区域提取法区域提取法有两种基本形式种是从单个像素出发，逐渐合并以形成所需的分割区域另种是从全图出发，逐渐分裂切割至所需的分割区域。在实际中使用的通常是这两种基本形式的结合。根据以上两种基本形式，区域提取法可以分为区域生长法和分裂合并法。区域生长法的基本思想是将具有相似性质的像素合起来构成区域，具体做法是先给定图像中要分割的目标物体内的个小块或者说种子区域，再在种子区域的基础上不断将其周围的像素点以定的规则加入其中，达到最终将代表该物体的所有像素点结合成个区域的目的。该方法的关键是要选择合适的生长或相似准则。生长准则般可分为三种基于区域灰度差准则基于区域内灰度分布统计性质准则和基于区域形状准则。分裂合并法是先将图像分割成很多的致性较强的小区域，再按定的规则将小区域融合成大区域，达到分割图像的目的。区域提取法的缺点是往往会造成过度分割，即将图像分割成过多的区域，因此近年来针对这种方法的研究较少。阈值分割法对灰度图像的取阈值分割就是先确定个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素分为两类。这两类像素般分属图像的两类区域，从而达到分割的目的。阈值分割算法主要有两个步骤确定需要的阈值将分割阈值与像素值比较以划分像素。可以看出，确定个最优阈值是分割的关键。现有的大部分算法都是集中在阈值确定的研究上。阈值分割方法根据图像本身的特点，可分为单阈值分割方法和多阈值分割方法也可分为基于像素值的阈值分割方法基于区域性质的阈值分割方法和基于坐标位置的阈值分割方法若考虑分割算法所用的特征或准则的特点，还可以分为直方图与直方图变换法最大类空间方差法最小误差法与均匀化误差法共生矩阵法最大熵法简单统计法与局部特性法概率松弛法模糊集法等。结合特定理论工具的分割方法近年来，随着各学科许多新理论和方法的提出，人们也提出了许多结合特定理论工具的分割方法，例如基于数学形态学的分割方法，基于神经网络的分割方法，基于信息论的分割方法，基于模糊集合和逻辑的分割方法，基于小波分析和变换的分割方法，基于遗传算法的分割方法等。基于小波分析和变换的分割方法是借助新出现的数学工具小波变换来分割图像的种方法，也是现在非常新的种方法。小波变换是种多尺度多通道分析工具，比较适合对图像进行多尺度的边缘检测，例如可利用高斯函数的阶和二阶导数作为小波函数，利用算法分解小波，然后基于马尔算子进行多尺度边缘检测，这里小波分解的级数可以控制观察距离的调焦。而改变高斯函数的标准差可选择所检测边缘的细节程度。小波变换的计算复杂度较低，抗噪声能力较强。理论证明以零点为对称点的对称二进小波适合检测屋顶状边缘，而以零点为反对称点的反对称二进小波适合检测阶跃状边缘。近年来多通道小波也开始用于边缘检测。另外，利用正交小波基的小波变换也可提取多尺度边缘，并可通过对图像奇异度的计算和估计来区分些边缘的类型。论文的内容与结构安排本文的内容分为五章，具体的章节安排如下第章绪论介绍医学图像分割的研究意义起源与发展概括介绍了图像分割的分类层次及步骤并对图像分割的研究现状做了概述。第二章图像分割预处理介绍了图像分割前平滑与灰度调整等图像增强操作技术的定义原理算法。分析了在本系统中应用此操作的优势所在。第三章基于图像阈值分割前部分先简单介绍了阈值分割方法原理。后部分先简单介绍了双峰法选择阈值，接下来重点介绍最大类方差法，是种比较经典的图像分割方法，也称为分割方法，能够自动提取阈值，从而将图像分割。第四章小波图像阈值分割技术首先对小波图像分割的理论作