改进分水岭与K-means++结合的人体脊柱图像分割方法

由于在人体脊柱图像分割中,分水岭算法存在过分割现象以及对微弱边缘、噪声非常敏感的问题,故对其进行改进。原始人体脊柱CT图像存在许多不必要的局部极小值,首先利用K-means++聚类算法进行区域分类,减少错误的局部极小值;然后利用形态学图像处理技术对初始分割图像进行去噪处理,使图像变得平滑;接下来提取区域最大值标记为图像前景,将阈值分割得到的图像标记为背景;最后通过分水岭变换得到人体脊柱分割结果图。实验结果表明,该算法能实现对人体脊柱图像的准确分割,其Dice系数、Jaccard系数与Precision系数均值分别为89.2%、82.3%和85.4%,相比当前主流算法分别提高了15.2%、12.7%与10.3%。