【摘要】：醫學圖像是反映人體生物組織的復雜圖像,圖像信息量大,處理困難。醫學圖像分割是醫學圖像研究的一個關鍵環節,對臨床醫學的應用和發展有著巨大的實用價值。醫學圖像主要包括X射線斷層(在圖像優化處理應該避免,CT)、超聲、核磁共振( ,MRI)等圖像,其在人體內部組織器官的定量分析、實時監控和治療規劃等方面都具有重要的作用。利用醫學圖像進行診斷時,常根據需要將特定的組織器官或感興趣的區域( of ,ROI)提取出來,以便更好地對其進行分析和診斷,這個過程就是圖像分割。由于醫學圖像本身分辨率較低、對比度較低,以及固有噪聲的影響,使用傳統的圖像分割方法很難達到要求。如何在計算機輔助下,精確地、自適應分割地提取影像中包含的信息來滿足醫學圖像處理的要求,是圖像分析專家需要解決的關鍵問題。本文首先介紹了圖像分割的基本原理、現狀和分類,以及一些常規的分割方法。然后對Snake模型的主要方法以及其對醫學圖像的分割結果進行了分析。針對Snake模型在凹陷輪廓、局部最優、收斂速度和分割精度等方面存在的不足,本文從以下方面展開工作:(1)針對蟻群算法由于初始信息素匱乏易陷于局部最優解,把魚群的擁擠度函數引入到蟻群算法中,實驗結果表明加入擁擠度函數的蟻群算法增加了算法的遍歷能力,提高了蟻群算法尋找全局最優解的能力。(2)改進了傳統的遺傳算法和蟻群算法分步起作用的結合方式,基本思想是用遺傳算法優化每一次迭代的螞蟻,使其作用于整個搜索尋優的過程,而不同于傳統的分步結合方式,實驗結果表明本文改進的混合算法在收斂速度、最優解的精度方面比傳統的結合方式有優勢。(3)為防止Snake模型陷入局部最優在圖像優化處理應該避免,把優化的蟻群算法應用到Snake模型中,增加其全局搜索性。實驗結果表明本文的基于優化蟻群算法的Snake分割方法比單獨Snake方法在尋求全局最優解的精度方面有優勢。