肝癌是我国最常见的消化道肿癌之一,严重威胁着人类的生命和健康。如何有效地提高肝癌的诊断和治疗,进而最大限度地降低病死率,已成为医学临床应用所面临的一个急需解决的问题。医学图像处理为肿瘤的识别、诊断和治疗提供了一种快捷高效精准的技术手段,而肿瘤的准确分割则是其中的关键步骤之一,不仅为肿瘤的早期放射治疗提供了重要依据,而且直接影响患者的治疗效果。因此,如何提高肝部CT图像中肿瘤的分割准确率得到了众多国内外研究者的重视。论文主要研究内容是肝部CT图像中肿瘤的分割方法。首先,对图像进行数学形态学梯度变换,增强图像的对比度;然后以此为基础,在特定邻域内建立结构元素半径与梯度级的函数关系对图像进行梯度修正,增强目标边缘聚合度并去除图像噪声及非规则细节引起的局部极小值,同时减小目标轮廓位置的偏移;最后根据图像梯度信息运用改进的水平集方法实现图像中单个或多个目标分割。主要研究内容体现在以下几个方面:(1)以形态学梯度图像为基础,建立均方差和与各像素梯度值的函数关系,确定不同像素点与其邻域内的灰度差异;同时建立均方差和与结构元素图谱的函数映射关系,定性地确定结构元素大小。(2)区别于传统闭运算,采用多尺度结构元素对梯度图像的不同灰度级邻域进行相应的黏性形态学逐点闭运算修正,平滑梯度图像,保持高梯度边缘轮廓的清晰度与其位置的准确性,并消除梯度图像中存在的局部极小值。(3)根据梯度修正后的图像特征,在分割目标与背景形成良好的梯度对比环境下,运用改进的水平集方法进行目标分割,能够有效抑制传统水平集方法在分割过程中存在的局限因素,并通过其曲线演化过程中的拓扑结构变化,实现图像中多目标轮廓检测。通过在MATLAB7.0平台下对临床医学肝部CT图像进行仿真实验验证,本文提出的方法有效解决了水平集分割算法因目标边缘模糊而导致的伪分割问题(精确度最高可达98.9%),并降低了传统水平集算法的计算复杂性(完全分割用时3.24秒),应用于低对比度及边缘模糊的医学图像分割具有较好的处理结果。