本文關(guān)鍵詞：基于水平集的醫(yī)學(xué)圖像分割算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：醫(yī)學(xué)圖像對(duì)于醫(yī)生診斷病情具有重要意義，良好的醫(yī)學(xué)圖像分割能夠幫助醫(yī)生迅速判斷病人病情并采取良好措施使病人恢復(fù)健康。伴隨著計(jì)算機(jī)圖形技術(shù)的迅速發(fā)展計(jì)算機(jī)醫(yī)學(xué)圖像處理技術(shù)在近年來(lái)成為研究的重點(diǎn)，各式各樣的醫(yī)學(xué)圖像分割算法出現(xiàn)在不斷的研究中，但沒(méi)有一種算法可以處理所有的醫(yī)學(xué)圖像。水平集算法作為一種較早提出的算法在醫(yī)學(xué)圖像分割方面取得了較理想的發(fā)展。水平集算法通過(guò)能量函數(shù)進(jìn)行對(duì)原函數(shù)的修正，逼近待分割物體輪廓。當(dāng)前，這種算法大體通過(guò)基于邊緣檢測(cè)和區(qū)域信息來(lái)建立能量函數(shù)。 醫(yī)學(xué)圖像分割與傳統(tǒng)的圖像分割的最顯著的區(qū)別是，在隨機(jī)分布噪聲的醫(yī)學(xué)圖像中進(jìn)行分割，由于醫(yī)學(xué)圖像的復(fù)雜性，傳統(tǒng)的分割方法很容易造成分段錯(cuò)誤，使用水平集并合理調(diào)整參數(shù)，可以取得較好的分割結(jié)果。然而，傳統(tǒng)的水平集方法使用的局部邊緣信息，對(duì)于醫(yī)學(xué)圖像的噪點(diǎn)和邊緣離散的部分會(huì)產(chǎn)生錯(cuò)誤的分割，難以取得好的分割效果。醫(yī)學(xué)圖像分割類似于人眼對(duì)客觀世界中不同對(duì)象進(jìn)行分類的過(guò)程，它從圖像中把相關(guān)的結(jié)構(gòu)（或感興趣區(qū)）分離出來(lái)，是圖像分析與識(shí)別首要解決的問(wèn)題，也是制約醫(yī)學(xué)圖像處理中其它相關(guān)技術(shù)發(fā)展和應(yīng)用的瓶頸。所以，醫(yī)學(xué)圖像分割是一種重要的圖像處理技術(shù)，是自動(dòng)圖像模式識(shí)別、場(chǎng)景分析和理解的一個(gè)至關(guān)重要的處理步驟，是從低層次圖像處理到高層次圖像理解的橋梁。 本文首先介紹了醫(yī)學(xué)圖像分割的相關(guān)理論和相關(guān)方法，并對(duì)水平集圖像分割的算法進(jìn)行了比較和分析，重點(diǎn)討論了基于水平集方法的多種分割方法以及當(dāng)前水平集分割算法的不足。本文提出了一種方法，該方法首先通過(guò)改進(jìn)的模糊聚類方法對(duì)圖像進(jìn)行初步處理，通過(guò)改進(jìn)的模糊聚類方法我們可以比傳統(tǒng)的模糊聚類方法獲得更好的結(jié)果。通過(guò)獲得初始分割結(jié)果，利用水平集方法進(jìn)行第二次更細(xì)致的分割，使用懲罰函數(shù)，避免了水平集的重新初始化，通過(guò)對(duì)距離規(guī)則化的水平集演化進(jìn)行改進(jìn)，獲得更少的計(jì)算量和更好的分割結(jié)果。 在實(shí)驗(yàn)中，我們采用了MATLAB R2010B進(jìn)行仿真實(shí)驗(yàn)，通過(guò)采用CT圖片進(jìn)行多種水平集分割結(jié)果的對(duì)比，并對(duì)算法的結(jié)果進(jìn)行了詳細(xì)的說(shuō)明和分析。結(jié)果表明，本文算法獲得了良好的分割效果。 本文對(duì)基于水平集的分割方法進(jìn)行了分析和比較，做出了有意義的改進(jìn)。然而，由于圖像分割涉及到多種因素，如圖像質(zhì)量，初始化精確度，最主要的是圖像中包含了很多相關(guān)領(lǐng)域的知識(shí)，，受限于當(dāng)前分割算法，并沒(méi)有一種算法能夠?qū)λ械膱D像獲得良好的分割效果。未來(lái)可能會(huì)考慮采用人工智能方法對(duì)圖像分割進(jìn)行操作，因?yàn)閳D像中除了包含像素的信息，更多的包含了交叉領(lǐng)域的知識(shí)，如果能夠?qū)⒔徊骖I(lǐng)域的知識(shí)應(yīng)用到圖像分割中，可能會(huì)獲得更好的效果。因此如何獲得更好的質(zhì)量的醫(yī)學(xué)圖像分割仍然是一個(gè)具有挑戰(zhàn)性的問(wèn)題，人們需要更多的深入討論和研究。
【關(guān)鍵詞】：水平集 圖像噪聲 圖像分割 模糊集
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-19
• 1.1 引言10
• 1.2 研究背景與意義10-16
• 1.2.1 閾值分割方法11-12
• 1.2.2 基于邊緣的分割方法12-13
• 1.2.3 基于區(qū)域的分割方法13-14
• 1.2.4 醫(yī)學(xué)圖像分割14-16
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀16-17
• 1.4 本文結(jié)構(gòu)17-19
• 第2章 相關(guān)知識(shí)介紹19-24
• 2.1 圖像的梯度19-20
• 2.2 圖像的曲率20-21
• 2.3 模糊 C 均值聚類方法21-23
• 2.4 本章小結(jié)23-24
• 第3章 水平集基本原理及改進(jìn)24-34
• 3.1 水平集分割的基本概念24-25
• 3.2 基于邊緣檢測(cè)的能量模型25-26
• 3.3 基于區(qū)域的能量模型26-31
• 3.3.1 C-V 模型26-28
• 3.3.2 Mumford-Shah 泛函28-29
• 3.3.3 局部二元擬合模型29-31
• 3.4 水平集算法的改進(jìn)31-34
• 第4章 基于水平集的醫(yī)學(xué)圖像分割算法實(shí)現(xiàn)34-44
• 4.1 算法介紹34-35
• 4.2 Agent Model35-39
• 4.3 實(shí)驗(yàn)結(jié)果分析39-43
• 4.4 本章小結(jié)43-44
• 第5章 總結(jié)與展望44-45
• 參考文獻(xiàn)45-49
• 作者簡(jiǎn)介及科研成果49-50
• 致謝50

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 徐旦華;鮑旭東;舒華忠;;基于區(qū)域劃分和改進(jìn)C-V法的醫(yī)學(xué)圖像分割方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年05期

2 謝振平;王士同;;融合模糊聚類的Mumford-Shah模型[J];電子學(xué)報(bào);2008年01期

3 楊青;何明一;;改進(jìn)CV模型的醫(yī)學(xué)圖像分割[J];計(jì)算機(jī)工程與應(yīng)用;2010年17期

4 楊莉,楊新;基于區(qū)域劃分的曲線演化多目標(biāo)分割[J];計(jì)算機(jī)學(xué)報(bào);2004年03期

5 蔣欣;水平集方法及其在圖像分割上的應(yīng)用[J];上海生物醫(yī)學(xué)工程;2004年03期

6 胡玉暉;;基于局部子區(qū)域的活動(dòng)輪廓圖像分割方法[J];通信技術(shù);2010年02期

7 陳旭鋒,管志成;基于Mumford-Shah泛函的數(shù)字信號(hào)去噪算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2004年10期

  本文關(guān)鍵詞：基于水平集的醫(yī)學(xué)圖像分割算法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：420046