基于水平集与多图谱的医学图像分割算法研究

发布时间：2023-02-26 06:25

　　医学图像分割是医学图像处理领域中的重要研究内容之一。精确分割医学图像,以提取图像中感兴趣的器官或病灶,在计算机辅助诊断或其他医学影像处理与应用过程中,都是必不可少的步骤之一。医学图像往往具有低分辨率、弱边界、噪声严重以及灰度不均匀等特点,实现其精准分割具有较大难度。目前尚未有一种分割算法可完美解决所有的医学图像分割问题。因此,针对医学图像研究其分割技术具有十分重要的理论意义和实用价值。传统的图像分割算法大多基于待分割图像的灰度、纹理等特征,利用这些特征实现感兴趣区域的分割,其中,水平集方法和多图谱方法在医学图像分割中得到了广泛的应用。前者也被称作几何活动轮廓模型,其基本思想是将曲线的演化隐含地表示为更高维的水平集函数的零水平集,从而可以更好的处理曲线的拓扑变化。其中的可变区域拟合(Region Scalable Fitting,RSF)水平集模型,通过将局部区域信息作为驱动曲线运动的外部能量项,可以有效的应对医学图像中常见的灰度不均匀问题。不同于水平集分割方法,多图谱分割方法是一种以临床医师的先验知识指导分割的医学图像分割方法。该算法的核心思想是将图像分割问题转化为图像配准问题,利用标...

【文章页数】：132 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 本文的主要工作和创新点
    1.4 论文章节的安排
第2章 相关理论概述
    2.1 引言
    2.2 基于水平集的医学图像分割方法
        2.2.1 参数活动轮廓模型
        2.2.2 几何活动轮廓模型
    2.3 基于图谱的医学图像分割方法
        2.3.1 医学图像配准方法
        2.3.2 基于单图谱的医学图像分割方法
        2.3.3 基于多图谱的医学图像分割方法
    2.4 本章小结
第3章 可自动初始化的水平集模型
    3.1 引言
    3.2 MS-RSF水平集模型
        3.2.1 可变区域拟合水平集模型
        3.2.2 初始轮廓自动生成方法
        3.2.3 参数估计方程
    3.3 AMS-RSF水平集模型
        3.3.1 初始轮廓自动生成方法
        3.3.2 参数估计方程
        3.3.3 避免重新初始化方法
    3.4 仿真实验和结果分析
    3.5 本章小结
第4章 基于联合表决的多图谱分割方法
    4.1 引言
    4.2 基于联合表决算法的多图谱分割方法
        4.2.1 基于多图谱方法的多目标图像分割
        4.2.2 联合表决算法
        4.2.3 基于联合表决算法的多图谱分割方法
    4.3 基于多图谱分割的部分容积校正方法
        4.3.1 SPCET图像中的部分容积效应
        4.3.2 基于多图谱分割的部分容积校正方法
    4.4 仿真实验和结果分析
    4.5 本章小结
第5章 基于边界修正的多图谱分割方法
    5.1 引言
    5.2 结合水平集模型的多图谱分割方法
        5.2.1 改进的算法流程
        5.2.2 基于RSF模型的边界修正算法
    5.3 仿真实验与结果分析
    5.4 本章小结
第6章 总结和展望
    6.1 主要工作总结
    6.2 未来研究展望
参考文献
致谢
攻读博士研究生期间研究成果和参与的项目
附件
学位论文评阅及答辩情况表



本文编号：3750002