医学图像包含了大量的病理信息,对临床的诊断和治疗具有非常重要的意义。医学图像的计算机处理一直是国内外学者的研究热点。因此,探求新的更加精确的快速的计算机自动处理和诊断是非常有意义的。 医学图像处理的任务主要有图像的预处理如去噪和增强,分割,特征提取,图像配准与融合和三维重建等。本文研究的主要内容是:探求图像的预处理和图像分割的新方法,期望为下一步的更为复杂的处理如三维重建,打下基础。医学图像处理可以归类于数字图像处理的范畴,因此可以应用数字图像处理的常规方法来对之进行处理,但是医学图像又具有自己的特点,常规的方法往往达不到理想的处理结果。因此,本文在总结前人研究的基础上,对常规的方法引入了新的理论方法加以改进,主要体现在以下几个方面: 运用小波变换的理论对模糊增强的图像进行多尺度分解,利用模极大值和边缘点之间的关系,结合改进的多孔算法进行图像的边缘提取,并对提取的初始边缘做边缘的跟踪补偿,最终得到较为理想的边缘图像。 将遗传算法强大的优化功能应用于医学图像处理中的参数的优化,并讨论了它在模糊增强的参数优化,分裂合并分割方法,图像的基元提取中的应用,取得了较为理想的结果。 将粗集理论应用于医学图像的处理中,主要体现在利用粗集理论的不同等价类属性对图像进行分类,利用粗集的上下近似集的处理获取图像的边缘区,非边缘区然后分别进行增强,从实验的结果来看,效果较为理想。 最后将小波变换的多尺度分解去噪,离散余弦变换,粗集理论的分类特性,模糊增强,遗传算法的阈值优化等结合起来进行图像的增强处理,然后利用遗传算法和图像的尺度和旋转不变性模板结合进行图像的分割。实验证明,该方法的结果能够令人满意,但是处理速度相对慢一些。 本文所述的各种方法均采用Matlab 6.5和Visual C++6.0仿真实现。