心脏图像分析是医学图像研究领域中的热点课题,其研究成果在心脏疾病的临床诊断中具有十分重要的应用价值,心脏CT图像分割与左心室区域匹配是心脏图像分析研究中的关键步骤。本文针对心脏CT图像的数据特征,分别运用高斯概率模拟阈值化分割方法和质心增量边界特征提取方法,实现心脏CT图像左心室分割与区域的匹配。本文研究并分析了医学图像分割和医学图像特征提取的相关理论与方法。在心脏CT图像的分割过程,由于注入造影剂后的心脏CT图像表现出心脏区域对比度较强的灰度特性,本文将连续高斯概率分布密度函数运用于阈值化分割方法中,通过高斯概率模拟心脏CT图像灰度直方图来求解最优阈值,实现了心脏CT图像各个腔体区域的分割。该方法集成了直方图峰谷法和信息熵的阈值分割的思想,解决了由于造影剂分布不均而造成的难以准确选取分割阈值的问题,并通过统计直方图峰谷数量的方法对直方图呈现多峰多谷的心脏CT图像实现分割,改善了阈值化分割方法在心脏CT图像分割中的适用性。在左心室特征提取的中,本文采用了以质心向量增量矩阵作为区域边界数学描述为核心的方法,并针对本课题提出了最小面积特征点采样策略,解决了采样过程中采样点“越界”的现象准确构造了质心向量增量矩阵,最后提取了心脏各个连通区域以及左心室区域的边界特征。文中最后采用欧拉距离和几何距离相结合的相似度距离计算方法,针对质心向量增量矩阵特征参数,在该方法中加入了矩阵元素数量这一影响因子。实验结果表明该相似度距离描述缩小了相似度取值范围,增大了左心室区域与其它区域的区分程度。