摘  要： 图像分割是图像处理中的重要工作，医学图像的多样性和复杂性使其在图像分割中具有较大的难度。阈值法由于高效、简单而成为图像分割的重要方法，但对于复杂的医学图像，其效果并不很理想。Powell法是最好的直接搜索法，利用改进的Powell法可以更好地搜索目标。为此，提出了一种将Otsu法和Powell法相结合的图像分割方法，仿真实验表明，该方法可以快速有效地分割图像，鲁棒性强。
关键词： 医学图像; 图像分割; 阈值分割; 优化算法

    图像分割是图像处理中的一项关键技术,是按照一定的原则将一幅图像或景物分为若干个特定的、具有独特性质的部分或子集，并提出感兴趣的目标的技术和过程。在这个过程中，人们往往只对图像中的某些部分感兴趣，因此图像分割的质量会直接影响后续工作（如图像分析、识别）的进行。近年来，随着生物医学成像技术的快速发展，人们能够获得大量高分辨率的医学图像数据影像，如计算机断层成像(CT)、核磁共振成像(MRI)和超声成像(US)等技术，它们已经广泛应用于医疗诊断、术前计划和治疗等各个环节。这些技术不但丰富了医学诊疗中正常和带有病状的相关知识，同时也为医学诊断和治疗体系做出了重要贡献。从图像中把感兴趣区分离出来是医学图像分割的重点。由于人体解剖结构的复杂性、组织器官形状的不规则性以及不同个体间的差异性，研究图像分割技术在医学图像处理过程中具有十分重要的意义[1-2]。
1 Otsu阈值法的图像分割
    图像分割是图像处理领域中的一个基本问题，也是自动目标识别技术中的一项关键技术,是目标特征提取、识别与跟踪的基础。目前已经提出的图像分割方法的种类很多，从分割角度来看，分为相似性和非连续性。其中，非连续性分割包括边缘检测和边缘跟踪，相似性分割包括阈值分割和区域分裂与合并。阈值分割简单、有效且效果很好，但阈值法只能通过产生二值图像来区分两个不同的类，并且只考虑像素本身的值，没有考虑像素的空间特性，因此对噪声很敏感[3-4]。
1.1 Otsu算法的阈值分割
    由于阈值处理直观、实现简单且计算速度快，因此图像阈值处理在图像分割应用中处于核心地位。阈值处理可视为一种统计决策理论问题，其目的是在把像素分配给两个或多个组的过程中使引入的平均误差最小。Otsu方法在类间方差最大的情况下是最佳的，其基本概念是：好阈值分类就其像素灰度值而言应该是截然不同的，换言之，就其灰度值而言，给出最好的类间分离的阈值就是最好的阈值。除了最佳性之外，Otsu方法还有一个重要的特性，即它完全以在一幅图像的直方图上执行计算为基础，而直方图是很容易得到一维陈列的[5]。



  

    本文分析了经典Otsu算法的优点及不足，提出了一种将边缘改进Otsu算法与改进的Powell算法相结合的图像阈值分割法。该方法在搜索方向每次完全更新之后就将搜索方向再次设定为初始的正交搜索方向，使其计算量大为降低。将计算最佳阈值的过程作为一个优化问题进行计算，极大地缩短了最优阈值的搜索时间，更利于图像的实时处理。仿真结果表明，利用该算法可以得到很好的分割效果且鲁棒性强。
参考文献
[1] 翁漩，郑小林，姜海. 医学图像分割技术研究进展[J].医疗卫生装备， 2007，28(1)：37-39.
[2] 李康顺，李茂民，张文生. 一种基于改进遗传算法的图像分割方法[J]. 计算机应用研究，2009，26(11)：4364-4367.
[3] 胡斌，宫宁生. 一种改进的Otsu阈值分割算法[J]. 微电子学与计算机，2009，26(12)：153-155.
[4] 李丹霞，韦玉科.基于自适应阈值的舌像分割方法[J]. 计算机技术与发展， 2011，21(9)：63-65.
[5] 高欣，卓东风，刘国洋. 基于改进遗传算法的图像分割[J]. 通信技术，2011，44(10)：46-48.
[6] 韩翠英，孔娟. 关于图像分割算法的优化仿真研究[J].计算机仿真， 2011，28(6)：262-265.