1、本文針對醫(yī)學(xué)臨床圖像自動(dòng)識別技術(shù)中的醫(yī)學(xué)圖像邊緣檢測和圖像配準(zhǔn)等關(guān)鍵算法開展研究。鑒于醫(yī)學(xué)圖像邊緣檢測和圖像配準(zhǔn)是醫(yī)學(xué)臨床圖像智能識別中的基礎(chǔ)算法，該算法的準(zhǔn)確與否直接關(guān)系到臨床識別的準(zhǔn)確性，因此它們在醫(yī)學(xué)圖像分割、圖像拼接和病灶確定等方面占有舉足輕重的地位。 本文詳細(xì)地研究了傳統(tǒng)和新興的邊緣檢測方法，客觀地分析了它們的優(yōu)缺點(diǎn)。經(jīng)典邊緣檢測方法存在計(jì)算量大，對噪聲敏感等缺點(diǎn)。本文在研究數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)上，提出了一種基于多結(jié)構(gòu)元素

2、的醫(yī)學(xué)圖像邊緣檢測算法。該算法采用不同方向的結(jié)構(gòu)元素，保證了圖像信息的完整性，避免了采用單一結(jié)構(gòu)元素所造成的邊緣信息的丟失，并且可以很好地提取含有噪聲的圖像，從而實(shí)現(xiàn)了提高精度與抗噪聲性能的協(xié)調(diào)統(tǒng)一。針對無噪聲和有噪聲的真彩色醫(yī)學(xué)圖像進(jìn)行實(shí)驗(yàn)，并和其它的邊緣檢測算法進(jìn)行比較，實(shí)驗(yàn)表明，該算法在完整性、精確性和抗噪聲性能上都有顯著的改善。 其次，作者研究了醫(yī)學(xué)圖像的配準(zhǔn)技術(shù)，分析和總結(jié)了現(xiàn)有配準(zhǔn)的主要方法、性能以及存在的問題，提出