【摘要】：肝臟是人體內(nèi)非常重要的器官之一,參與了多項(xiàng)代謝活動(dòng)。近年來(lái)肝臟疾病的頻發(fā)引起了人們對(duì)肝臟疾病的重視。對(duì)腹部進(jìn)行磁共振成像(Magnetic Resonance Imaging,MRI)檢查可以觀察到豐富的腹部組織信息,利于醫(yī)生對(duì)肝臟疾病進(jìn)行準(zhǔn)確的診斷和快速的治療。但在MRI的成像過(guò)程中,常常會(huì)存在偏移場(chǎng)現(xiàn)象,即MR圖像中存在灰度不均勻性。MRI中偏移場(chǎng)的存在會(huì)使得后續(xù)的圖像處理存在很大的困難,如肝臟分割,肝臟組織的建模等,所以對(duì)腹部MRI進(jìn)行了偏移場(chǎng)矯正是十分重要的�；谝陨戏治�,本文選取了CLIC和N4這兩種偏移場(chǎng)矯正方法,在了解這兩種算法的基礎(chǔ)上,使用這兩種算法對(duì)已有的腹部MRI進(jìn)行偏移場(chǎng)矯正處理。并通過(guò)直接觀察矯正后MR圖像,矯正后MRI的直方圖比較,以及比較矯正后圖像的肝臟提取效果的評(píng)價(jià)手段對(duì)這兩種偏移場(chǎng)矯正方法進(jìn)行評(píng)價(jià)。本文所做的主要工作包含以下幾方面:首先,由于腹部MRI存在灰度不均勻性,導(dǎo)致肝臟組織的提取存在一定的困難,本文分別使用了N4和CLIC偏移場(chǎng)矯正算法對(duì)腹部MRI進(jìn)行偏移場(chǎng)矯正,并對(duì)兩種方法矯正后的MR圖像進(jìn)行了直接觀察比較和差值圖像比較,同時(shí)對(duì)兩種方法矯正后的圖像進(jìn)行直方圖處理,發(fā)現(xiàn)經(jīng)CLIC矯正后圖像的直接觀察效果要好于N4矯正后的圖像,灰度分布也更加均勻。其次,本文使用了Level set方法對(duì)兩種方法矯正后的圖像進(jìn)行了肝臟組織的提取,并通過(guò)與人工分割的圖像進(jìn)行對(duì)比,在分割圖像的對(duì)比過(guò)程中使用了參數(shù)評(píng)價(jià)的方法,觀察到經(jīng)CLIC方法矯正后的MR圖像提取出的肝臟組織范圍更大,與人工分割的肝臟組織的圖像的相似程度更高。最后,本文使用通過(guò)MATLAB和Visual Studio軟件得出以下結(jié)論,即在本文的實(shí)驗(yàn)條件下,可以認(rèn)為CLIC方法的偏移場(chǎng)矯正效果要略好于N4方法的偏移場(chǎng)矯正效果。
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：R575;R445.2;TP391.41
【圖文】：

爾濱理工大學(xué)工程碩士學(xué)位minmin1 , (( )0 , ii i u xi i = = I(x))}。算法原理進(jìn)行了簡(jiǎn)要代所獲得的，因?yàn)槟客购瘮?shù)，即 CLIC 初 始 化 參

（g） （h） （I）圖 2-2 原始 MR 圖像與 CLIC 矯正后的腹部 MR 圖像（其中圖 a，d，g 表示原始腹部 MR 圖像；圖 b，e，h 表示 CLIC 方法矯正后的腹部 M圖像；圖 c，f，I 表示 CLIC 方法矯正前后的差值圖像。）

N4算法流程圖

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張錦華;孫挺;;引入像點(diǎn)融合度修補(bǔ)的圖像邊緣化參差拼接實(shí)現(xiàn)[J];微電子學(xué)與計(jì)算機(jī);2014年08期

2 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術(shù)開(kāi)發(fā);2013年12期

3 顧長(zhǎng)友;妙用Photoshop處理圖像邊緣[J];電腦知識(shí)與技術(shù);2003年08期

4 濮群,余桂;用線性模型檢測(cè)圖像邊緣[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

5 宋建中;;噴霧圖像的自動(dòng)分析[J];光學(xué)機(jī)械;1988年04期

6 高華;;關(guān)于古建筑圖像中破損點(diǎn)優(yōu)化提取仿真[J];計(jì)算機(jī)仿真;2017年11期

7 劉娟娟;劉斌;;低照度非線性光學(xué)圖像邊緣自適應(yīng)增強(qiáng)裝置設(shè)計(jì)[J];激光雜志;2017年03期

8 張琳梅;;基于圖像邊緣增強(qiáng)的改進(jìn)方法[J];信息系統(tǒng)工程;2016年03期

9 王水萍;鄒蕾;;空中模糊目標(biāo)圖像邊緣信息的融合與恢復(fù)方法[J];科技通報(bào);2014年06期

10 朱慶生;楊世泉;柳鋒;;基于圖像邊緣摘要的快速模板匹配[J];計(jì)算機(jī)應(yīng)用研究;2009年02期

相關(guān)會(huì)議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強(qiáng)模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

4 陳煒;張陽(yáng)陽(yáng);孟慶勛;;一種基于Curvelet變換的圖像邊緣增強(qiáng)方法[A];國(guó)家安全地球物理叢書（十）——地球物理環(huán)境與國(guó)家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強(qiáng)[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（1）[C];2008年

6 孫增國(guó);師蕊;;基于L_(1/2)范數(shù)的高分三SAR圖像的非局部均值降斑[A];第五屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2018年

7 楊文秀;陸常周;;最優(yōu)小波問(wèn)題探討[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊(cè)）[C];2001年

8 趙恩良;姜盈帆;孫麗華;曹康敏;金瑞巧;;一種基于變窗口的圖像去噪算法研究[A];第十六屆沈陽(yáng)科學(xué)學(xué)術(shù)年會(huì)論文集（理工農(nóng)醫(yī)）[C];2019年

9 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測(cè)系統(tǒng)研究[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

10 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國(guó)波譜學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

相關(guān)重要報(bào)紙文章 前7條

1 侯杰;國(guó)產(chǎn)芯片進(jìn)軍移動(dòng)多媒體市場(chǎng)[N];人民郵電;2003年

2 吳飛;無(wú)邊距照片打印三部曲[N];中國(guó)電腦教育報(bào);2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動(dòng)[N];電腦報(bào);2003年

4 ;體驗(yàn)決定一切[N];中國(guó)計(jì)算機(jī)報(bào);2003年

5 Wang JS;摳圖又有新招[N];電腦報(bào);2002年

6 徐和德;從實(shí)戰(zhàn)出發(fā)選擇合適鏡頭[N];中國(guó)攝影報(bào);2019年

7 ;令挑剔的人也刮目相看[N];中國(guó)電子報(bào);2001年

相關(guān)博士學(xué)位論文 前10條

1 劉奇;基于結(jié)構(gòu)保持濾波的圖像去霧算法研究[D];西安電子科技大學(xué);2018年

2 劉飛;透混沌介質(zhì)偏振成像技術(shù)[D];西安電子科技大學(xué);2016年

3 李永軍;圖像與視頻低復(fù)雜度壓縮算法研究[D];西安電子科技大學(xué);2017年

4 何人杰;圖像去霧與去湍流方法研究[D];西北工業(yè)大學(xué);2017年

5 張文靜;光場(chǎng)成像技術(shù)在天空偏振模式測(cè)量和湍流圖像清晰化中的應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

6 左承林;圖像非局部均值去噪方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

7 王丹;基于暗通道先驗(yàn)的圖像和視頻去霧模型及算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

8 宋文青;SAR圖像自動(dòng)目標(biāo)提取方法研究[D];西安電子科技大學(xué);2018年

9 楊濱;圖像克隆拼接篡改盲取證技術(shù)研究[D];湖南大學(xué);2014年

10 張小帆;基于介觀尺度的內(nèi)燃機(jī)進(jìn)氣流場(chǎng)層析圖像診斷機(jī)理研究[D];華南理工大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 葉顯一;基于深度學(xué)習(xí)的糖尿病視網(wǎng)膜病變圖像中滲出物的檢測(cè)方法研究[D];武漢工程大學(xué);2018年

2 張光裕;高質(zhì)量圖像的漸進(jìn)式并行檢索算法研究[D];廈門大學(xué);2017年

3 張秀;基于單幅圖像的沙塵圖像清晰化方法及系統(tǒng)[D];西安理工大學(xué);2019年

4 路鑫林;基于骨料形狀匹配的混凝土CT圖像裂紋信息提取方法研究[D];西安理工大學(xué);2019年

5 孫利國(guó);基于深度學(xué)習(xí)的文物圖像單標(biāo)簽和多標(biāo)簽分類研究[D];浙江大學(xué);2019年

6 李嶺;圖像與數(shù)據(jù)融合的抓取機(jī)構(gòu)控制系統(tǒng)研究[D];沈陽(yáng)工業(yè)大學(xué);2019年

7 王陳;指靜脈多曝光圖像的研究[D];北京郵電大學(xué);2019年

8 武筱琪;基于深度學(xué)習(xí)的漫畫風(fēng)格遷移方法研究[D];西安理工大學(xué);2019年

9 余鍇鑫;基于圖像分類算法的自動(dòng)化摘酒方法研究[D];浙江大學(xué);2019年

10 左慶;基于卷積神經(jīng)網(wǎng)絡(luò)的單幅圖像去霧算法的研究與應(yīng)用[D];重慶師范大學(xué);2019年

本文編號(hào)：2803885