基于马尔可夫随机场和多尺度方向引导边缘检测的磁共振图像分割算法研究

磁共振图像分割是磁共振图像处理、分析与理解的关键技术。由于实际应用中，磁共振图像不可避免存在的灰度偏差场，并且人体组织器官结构存在个体差异性，不可预知的病灶区域破坏组织图像的完备性，这使得传统的磁共振图像分割算法的普适性不强，只能对特定种类的图像进行分割，并且在一些磁共振图像中，肿瘤组织和正常组织具有部分相同的灰度和纹理特征，传统的分割方法很难对其进行分割。针对以上难题，我们拟采取先粗分割、后精分割的方法，首先，从马尔可夫随机场模型出发，得图像中的统计分布信息，对图像区域进行大致的分割，减少噪声对算法的影响，使之对不同图像具有较强的普适性；然后，对图像各个尺度下的细节信息进行分析，在前面大致分割的图像区域的基础上，精确确定图像的边缘曲线，实现高精度的图像分割。

磁共振图像分割是磁共振图像处理、分析与理解的关键技术。在实际应用中，由于磁共振图像不可避免地存在灰度偏差场，人体组织器官结构存在个体差异性，不可预知的病灶区域破坏了组织图像的完备性，这些原因使得传统的磁共振图像分割算法的普适性不强，只能对特定种类的图像进行分割，并且在一些磁共振图像中，肿瘤组织和正常组织具有部分相同的灰度和纹理特征，传统的分割方法很难对其进行分割。为了解决以上难题，我们在研究过程中探索了复杂医学图像中的分割方法，并将之用于磁共振图像中脑部肿瘤的分割。研究采用多种技术手段，在图像增强、图像去噪、对非分割目标的特殊组织的检测、图像特征的提取和降维、特征决策及分割等方面取得了明显的进展。如：针对磁共振图像常常存在灰度偏差场、伪影等噪声问题，提出了改进的增维双边滤波的快速算法及空域与频域结合的图像增强算法。针对水肿组织常被误分割成肿瘤组织的问题，提出了对图像中的一些非分割目标的特殊组织进行检测和去除的算法。同时还提出了多种不同的特征的提取和降维、特征决策及分割方法对磁共振图像进行分割，取得了多项有意义的成果,完成了课题预订目标。