- 研究背景
医学图像分割是医学图像处理与分析的基础,该问题的解决不仅直接影响到计算机图形图像技术在医学中成功应用，而且有重要的理论和实际意义。医学图像分割是一个提取所需要区域的过程，分割过程中将图像划分为多个区域，每个区域具有独立且不同的特征，以这些特征为依据进行图像分割。同时，图像分割也是医学领域的基本步骤之一。用任何医学成像系统获得的图像都需要经过分割处理，以检查某些器官，此外，其分割结果可以为随后的疾病诊断、治疗方案规划以及治疗效果评估等提供参考。
如今，计算机断层扫描（CT）是肺癌临床诊断中最常用的工具。CT图像由于具有较高分辨率、能更清晰地彰显解剖结构和病变组织等特点，使其被广泛地应用到许多疾病诊断当中，因此，研究图像分割方法在CT图像中的应用具有非常重要的意义。
胸腔CT在临床上来讲，是对怀疑患者肺部患有某种疾病的时候的一种深度检查方式，胸腔CT最主要的是可以辅助判断肺部疾病，包括肺部的炎症性改变及其占位性病变，由于肺部CT对于占位性病变来讲，具有非常好的观察效果，因此基本上可以做到定性诊断，由此可见准确的胸部CT分割在诊断过程中起着重要作用。
当前医学图像分割方法被广泛使用，根据区域、边缘、统计数据、聚类、图割和模式识别等算法来进行医学图像分割。
- 相关研究
在肺图像的分割过程中可以使用不同的分割方法，常见的有如下几种分割方法：阈值分割方法是一种常见的分割算法，其利用图像的灰度特性，选取一个或者几个阈值，将图像的灰度直方图分为两个或多个部分，从而实现图像分割；基于区域的图像分割本质在于借助图像的空间信息，将特征相似的像素归为一类，从而形成分割区域；聚类则是一种可以把相似元素划分到同一个簇的无监督学习方法，首先在特征空间内随机生成聚类中心，然后根据像素点的特征值在特征空间进行聚类，对特征空间进行分割，再将其映射至原图像空间，得到分割结果；基于能量函数的分割，由于能量函数的可塑性及其全局最优性，迅速发展成为一种有效的图像分割方法。
下面介绍上述几种算法近年来的相关研究，并总结分析，汲取精华。
分水岭分割在图像分割上的两种改进算法：
分水岭算法是一种经典有效的图像分割方法。它通常带有密封连续且单像素模式的对象轮廓。由于其分割未知准确、具有较高的分割精度、同时易于并行处理，近年来已成为图像分割研究的热点，但是当获取图像梯度时，在图像区域中可能存在不存在的边界，除此之外，分割对象在不同光源、角度可能会丢失边界，导致过分割或分割不足。
对此问题，Han等人基于链编码（Chain Code）的分水岭分割[2]假设水滴从山顶流下，模拟了水沿着山坡向底部流动的现象。水滴的路径是陡峭的，所有陡峭的路径将在底端汇合，称为储水盆地。从任何局部最小值开始，不必遍历图像，仅需参考指向链上的标注即可获得相应的储水盆地。通过使用定点链式标注、区域的大小、区域的平均灰度、方差等数值进行递归运算来获取有关各个区域的信息。
因为基于分水岭的链代码无法直接区分内部和外部区域，所以它不具有处理内部像素的能力。为了实现内部像素灰度的各种参数计算，Yu等人又定义另一种方法，称为行编码（Line Code）。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
