心脏核磁共振图像边缘检测与分割方法研究的中期报告.docx

心脏核磁共振图像边缘检测与分割方法研究的中期报告 本次研究旨在探究一种适用于心脏核磁共振图像的边缘检测与分割方法。 首先，我们进行了对现有的边缘检测算法进行了综合比较，包括Canny算法、Sobel算法、Laplacian算法等。我们发现在处理心脏核磁共振图像时，由于该类型图像较为复杂，Canny算法虽然具有较高的准确率，但处理速度较慢，不太适合实际应用。而Sobel算法和Laplacian算法虽然处理速度较快，但在处理复杂图像时会出现较大的误差。 因此，我们着眼于改进已有算法并将其应用于心脏核磁共振图像的边缘检测与分割中。具体来说，我们提出了一种结合多尺度空间下变化的边缘检测与物体分割方法。该方法首先将图像按不同尺度进行高斯滤波，得到多尺度图像，然后采用改进的Otsu自适应阈值分割算法对每张图像进行分割，最终对多张分割图像进行剪切与合并，得到最终物体分割结果。 我们在自行搜集的心脏核磁共振图像数据集上测试了该方法，并与Canny算法、Sobel算法、Laplacian算法进行了比较。结果表明，该方法在处理速度和准确率上均具有明显优势，特别是在处理较为复杂的心脏核磁共振图像时表现出了更好的效果。 未来，我们将进一步优化该方法并应用于临床实践中，为医师提供更准确的心脏病变检测和诊断。