利用三维自适应分裂-合并的MRI图像分割算法设计

耿 淼，须文波,2，秦向东

(1.无锡太湖学院 物联网工程学院，江苏 无锡 214000；2.江南大学 物联网工程学院，江苏 无锡 210034)

利用三维自适应分裂-合并的MRI图像分割算法设计

耿 淼1，须文波1,2，秦向东1

(1.无锡太湖学院 物联网工程学院，江苏 无锡 214000；2.江南大学 物联网工程学院，江苏 无锡 210034)

为了在医学图像分割中，发现均匀几何三维区域的复杂形状，以提高分割准确率，提出一种基于3D几何特征分裂-合并(ASM)的脑部MRI图像分割算法；首先构建简单平行六面体的12种3D区域分割策略，体积分割技术将整个体积划分为许多大的均匀三维几何区；然后，在体积内定义更多小的均匀区域，以便在随后的合并步骤中有更大的生存概率；最后，进行多级区域合并，合并阶段只涉及复杂ASM树的叶子，考虑灰度相似性和共同边界区的大小，将小的区域合并为大邻近区；相比其他几种MRI图像分割算法，提出的方法在分割过程对噪声具有鲁棒性，提高了分割性能和准确率；另外提出的方法不需要训练数据集。

医学图像分割；分裂-合并；平行六面体；ASM树；鲁棒性

0 引言

颅脑核磁共振成像(magnetic resonance imaging, MRI)图像分割变成了医学图像处理领域一个非常活跃的研究课题[1-3]。现有的分割技术一般可以分为3类：基于结构分割[4-6]、随机分割[7-8]和混合型分割[9-11]。

随机3D分割技术利用统计学进行分割，在不考虑3D区域结构时，在离散的像素处使用随机分割。阈值方法、聚类算法和马尔可夫场都属于该类方法。例如，文献[7]中提出了一种大脑肿瘤分割方法，这种算法利用小波聚类算法对MR图像进行处理完成图像的分割。……