基于图谱校正与特征融合的医学图像分割模型研究

发布时间：2021-07-28 19:44

　　医学图像分割在医学研究、临床诊断、病理分析、手术计划、影像信息处理、计算机辅助技术等医学研究和实践领域有着广泛的应用和研究价值。目前,多数前沿的图像分割算法在特定的条件下能够取得优异的分割表现和准确度,却难以克服模型自身对初始条件、参数设置和图像噪声的敏感性。因此,本课题针对上面的这些方法中存在的不足,提出具有一定创新性和进步性的模型。在基于区域的分割算法中,区域可伸缩拟合模型能够有效分割灰度不均匀的图像,但表现出对初始轮廓线和参数的敏感性。在基于聚类的分割算法中,相干局部强度聚类模型可以同时对图像进行快速分割和偏磁场校正,但表现出对图像噪声的敏感性。因此,本文提出一种新的带有图谱校正项的分割模型,该模型充分考虑到区域灰度拟合和局部灰度聚类这两种方法各自的优势和不足。具体的,新模型定义一种新的图谱能量项,它由聚类模型的分割结果转换得到。我们将新定义的图谱能量项添加到原有区域拟合模型的能量泛函,会得到新模型的能量泛函。图谱能量项的加入能够对水平集函数的演化起到约束和校正的作用,这不仅能加快能量泛函极小化的速度,还能保证分割结果的准确性。实验结果既从直观上对现有模型和新模型的分割表现进行定... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

三个模型DICE值的比较

哈尔滨工业大学理学硕士学位论文-18-a)6b)12c)16d)6e)12f)16g)6h)12i)16j)6k)12l)16m)6n)12o)16图2-3高斯参数不同取值下新模型分割结果的比较

高斯参数不同取值下新模型DICE值的比较


本文编号：3308526