医学图像分割是把医学图像分成各具特性的区域并且提取感兴趣目标的过程。它是医学图像处理和分析中的关键技术,也是目前制约其发展和应用的瓶颈。 由美国发起的可视人计划是一项人类借助计算机技术进一步认识自身,同时在医学、仿生学等多个领域具有广阔应用前景的重大课题。目前人体可视化研究进入到对人体及组织器官的重建和理解阶段,其中对真彩图像的组织器官的成功分割是该项目能否顺利进行的核心环节,同时也是目前最具挑战性的问题。 本论文应用可视人体真彩数据集中的胸部切片图像真实数据,着重研究了医学图像分割的基于区域的分割方法,基于边界的分割方法、区域和边界结合的混合分割方法,对其中经典的算法给出了试验结果。此外还研究了医学图像分割技术的评价标准。 在以上研究和分析的基础上,结合待分割目标-肺部器官的颜色特征,取得了关于医学图像分割的具有新意的成果: (1) 提出了一种基于自适应阈值选取和彩色空间特征的区域增长方法。理论分析和实验结果表明,比传统的区域增长方法,分割结果从主观视觉效果上有显著改善。 (2) 对于散见报导的“区域和边界相结合的混合分割方法”,从理论、算法、和实现方法等方面进行了系统的分析和归纳,得出了有供参考的结论性意见。 (3) 提出了一种改进的基于模糊连接度和Voronoi图的混合分割算法。将原来仅限于灰度图像的分割方法引申到彩色图像分割,并达到较好的效果。