海马体病变与神经疾病息息相关,海马体解剖结构的不规则性以及与周围组织结构如杏仁体边界模糊增加了分割海马体的难度。目前较流行的图像分割算法较适用于分割规则器官或大器官,而海马体体积较小,形状不规则,因此常用的图像分割算法不能达到理想的分割精度。而在常用的基于图谱的分割算法中多以基于灰度的描述子描述图像特征,基于灰度的图像特征在描述亮暗不均匀图谱时辨识度差,本论文提出一种新的识别度较高的图像特征描述子——方向-尺度描述子(orientation-scale descriptor OSD),然后结合稀疏编码算法提出一种新的基于方向尺度描述子和稀疏编码(orientation-scale descriptor and spare coding OSDSC)海马体分割算法,提高海马体分割精度。不同于主流的基于字典学习的方法,OSDSC算法用同时包含灰度纹理信息和空间结构信息的方向-尺度描述子(orientation-scale descriptor OSD)代替低维特征来描述像素特征,OSD的优点是它同时包含多种低维特征且能降低图谱间灰度不均匀性的影响。OSDSC算法包括四个步骤:首先,图像预处理。第二,特征提取:提取待分割图像像素和图谱图像像素的方向-尺度描述子。第三,字典构建及稀疏编码:选取图谱像素的方向-尺度描述子为目标像素构建特有字典,用特有字典近似表达即重建目标像素并得到稀疏编码系数;第四,标号融合及阈值判定。融合图谱像素的标号和编码系数得到目标像素的标号估计值;阈值判定估计值完成分割。为了验证OSDSC算法分割的准确性,分别用OSDSC算法,Simple,Major Voting,Staple,Collate算法分割MICCAI数据库中海马体,以Dice值作为分割评判标准,实验结果表明OSDSC方向-尺度描述子的分割精度高于Simple,Major Voting,Staple,Collate 算法。