具有抗噪和偏场校正的医学图像分割算法研究
发布时间：2020-12-05 03:38
近年来,医疗设备体系不断完善,医学影像技术也变得愈发成熟,特别是在临床医疗方面,能够有效提高医生的确诊率。核磁共振图像(MRI)作为迄今为止医学图像分割的重点研究对象,在脑部各个组织的精准分割方面具有及其重要的作用。脑部组织主要由三大部分组成,分别是灰质(GM)、白质(WM)和脊髓液(CSF),准确地分割脑部组织能够有效对脑部区域进行定量分析,进而可以对脑部疾病进行精确评估。现有的分割算法虽然可以应用于不同类型的图像来完成分割,但这些算法在处理脑部MR图像时存在相同或相似的问题:首先,分割含偏场的脑部MR医学图像时,由于受偏场影响较大的原因不能有效地去除偏场进而导致分割结果不够精准;其次,分割含噪声的脑部MR医学图像时,由于像素点邻域之间的关系没有得到充分的考虑,不仅使得算法对噪声点敏感,而且鲁棒性较弱等。针对以上问题,本文提出了一种新的具有抗噪和偏场校正的医学图像分割方法(MPCFCM),该方法通过点到面的代数距离约束实现分割。与传统的基于点聚类的分割方法不同,本文定义了一个超聚类中心(即平面),通过优化不同的平面完成对数据的聚类。此外,如何度量点到平面的距离是用平面对点进行聚类需要...
【文章来源】： 叶才增 山东大学
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图２－１多种算法的分割结果比较
?山东大学硕士学位论文???Ｍ?Ｌ??（ａ）?（ｂ）?（ｃ）?（ｄ）??ＢＢＷＷｊ??（ｅ）?（ｆ）?（ｇ）?（ｈ）??图３－１算法分析结果。（ａ）由三张平面拼合得到的曲面＿，?（ｂ）拼合平面上采样得到的图像；（ｃ）??平面聚类分割结果；（ｄ）点聚类分割结果；（ｅ）脑图像原图；（ｆ）Ｇｒｏｕｉｉｄ?Ｔｒｕｔｈ；?（ｇ）平面聚类分割??结果；（ｈ）点聚类分割结果；??从上述实验可以看出，当数据点是从不同平面上采样得到时，将聚类中心定??义为平面能得到很好的聚类效果，如图（ｃ），而以点作为聚类中心的方法产生的错??误结果比较显著，如图（ｄ）。超聚类中心算法在对医学图像进行分割时，也表现??出了其分割准确度高的优势，同时也进一步证明了超聚类中心算法的可行性。??基于以上分析，本文提出了一种超聚类中心（即平面），并将其作为聚类中??心对数据进行聚类，通过优化不同的平面完成对数据的聚类，其实质是构造不同??的平面来拟合散乱数据点，聚类的结果是具有不同系数的平面，该拟合平面与聚??类中心相比，能够降低像素的分类错误并且更加准确的将图像像素点信息归类，??使分割更加准确，拟合平面可定义如下：??ｆＡｘｉ＞ｙ，）?＝?ａ＾ｘｉ＋ｂｋ＼ｙｉ＋ｃｋ２?（３－ｉ）??其中，４〇、＾＾是拟合平面／中第々个平面的系数，易、乂分别是当??前像素点的横纵坐标位置。为度量点与平面之间的长度，可以利用平面对点聚类??的方式。由于直接计算点到平面的最短距离会产生非线性问题，从而增加了算法??的复杂性，因此，本文采用点到平面的代数距离作为度量函数，以简化问题的复??杂性。??２４??
?山东大学硕士学位论文???＾?？衝?；５？７７?繼??ｉｓｏｓｓ？；??＇丨：：：??｜Ｈ?１６４：?■?１６７＊?ＩＫ：?■?２Ｎ，??５?１霧＿二二?圓＿二二?：１－１??Ｎｃｏｓｓｊｆ?ＳＳ？？？：?Ｓｉ＞?〇；？？?７％?ｔ？＊ｖｅ??！ｓａ；ｓ＊?ｌｉｒｖｅｉ??ｒｎ?；？，Ｃ?？；－?＊｛Ｃ－ＣＳ３?１｝?？?Ｓ?ｌ．ＳＪ．ｉｒ：?＊?；￡?１５，０．＾．??（ａ）??５５０００?ＨＩＳＳ?３２５５１?２２７？??—＝：：，１??Ｉ３？?■?■?．?．．．?■－?■．??＝｜?Ｉ?｜?丨??■?ＭＳｆ?■?％?■?２Ｓ３４?■??；－Ｔ＇－＾ｒ?Ｓ５：?４３１?圖圓?７４５?ＳＳＳ?國國?７５２?３４７?＿｜?圓?Ｓ３Ｓ?２５５??３％?ｒａｉｓｅ?５Ｊ？ｒ．ｏ＊ｓｅ?Ｔ＾ｖｎｓａｅ??ｆｉＧｆｅｓ?ｉｅ＞．－ｅｉ??Ｃ?ｆ３．０．：Ｓ，?＊?？＞．?：－５，Ｃ－．ｉｉ?＊?（Ｓ－ｉ，０１５．?？ｆ?；０．１５．０?ｉ＜??（ｂ）??图３－２两种抗噪因子的比较。⑷ＭＰＣＦＣＭ算法中平滑因子的分布；（ｂ）?ＲＣＬＦＣＭ??算法中模糊因子的分布。??综合以上分析探究，本文在目标函数中融入了空间距离和新构造的平滑因??子，得到新的影响因子表示如下：??４?０?，，７＾７?ｘ?（丄?一ｌｏｇ：?＋１）（外?＋?〇））?（３＿８）??空间距离、邻域窗口方差系数和灰度差系数均被应用到新提出的影响因子??中，从而全面地衡量了邻域信息点对中心点的影响程度。与其他算法相比较，本??文提出的新方法能较好的降低噪声，同时保留了更精确的图像信息。??２７??
【参考文献】：
期刊论文
[1]结合边缘局部信息的FCM抗噪图像分割算法[J]. 夏菁,张彩明,张小峰,李雪梅. 计算机辅助设计与图形学学报. 2014(12)
[2]基于分裂合并法和Ncut法的图像分割[J]. 邵健萍,陈丽芳. 江南大学学报(自然科学版). 2011(05)
[3]一种新的肝脏CT序列图像区域生长算法[J]. 陈彦达,鲍苏苏. 计算机工程与应用. 2010(13)
[4]井壁成像测井资料目标体自动检测方法研究[J]. 柯式镇,冯启宁. 石油大学学报(自然科学版). 2004(04)
[5]基于形态开闭滤波二值标记和纹理特征合并的分水岭算法[J]. 马丽红,张宇,邓健平. 中国图象图形学报. 2003(01)
[6]磁共振图像中非均匀场的校正[J]. 李音. 国外医学.生物医学工程分册. 2002(06)
硕士论文
[1]基于模糊聚类算法的图像分割方法研究[D]. 陈凌.江西理工大学 2012
[2]基于人工神经网络的血液细胞图像分割方法研究[D]. 王传永.天津理工大学 2005
本文编号：2898804
【文章来源】： 叶才增 山东大学
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图２－１多种算法的分割结果比较
?山东大学硕士学位论文???Ｍ?Ｌ??（ａ）?（ｂ）?（ｃ）?（ｄ）??ＢＢＷＷｊ??（ｅ）?（ｆ）?（ｇ）?（ｈ）??图３－１算法分析结果。（ａ）由三张平面拼合得到的曲面＿，?（ｂ）拼合平面上采样得到的图像；（ｃ）??平面聚类分割结果；（ｄ）点聚类分割结果；（ｅ）脑图像原图；（ｆ）Ｇｒｏｕｉｉｄ?Ｔｒｕｔｈ；?（ｇ）平面聚类分割??结果；（ｈ）点聚类分割结果；??从上述实验可以看出，当数据点是从不同平面上采样得到时，将聚类中心定??义为平面能得到很好的聚类效果，如图（ｃ），而以点作为聚类中心的方法产生的错??误结果比较显著，如图（ｄ）。超聚类中心算法在对医学图像进行分割时，也表现??出了其分割准确度高的优势，同时也进一步证明了超聚类中心算法的可行性。??基于以上分析，本文提出了一种超聚类中心（即平面），并将其作为聚类中??心对数据进行聚类，通过优化不同的平面完成对数据的聚类，其实质是构造不同??的平面来拟合散乱数据点，聚类的结果是具有不同系数的平面，该拟合平面与聚??类中心相比，能够降低像素的分类错误并且更加准确的将图像像素点信息归类，??使分割更加准确，拟合平面可定义如下：??ｆＡｘｉ＞ｙ，）?＝?ａ＾ｘｉ＋ｂｋ＼ｙｉ＋ｃｋ２?（３－ｉ）??其中，４〇、＾＾是拟合平面／中第々个平面的系数，易、乂分别是当??前像素点的横纵坐标位置。为度量点与平面之间的长度，可以利用平面对点聚类??的方式。由于直接计算点到平面的最短距离会产生非线性问题，从而增加了算法??的复杂性，因此，本文采用点到平面的代数距离作为度量函数，以简化问题的复??杂性。??２４??
?山东大学硕士学位论文???＾?？衝?；５？７７?繼??ｉｓｏｓｓ？；??＇丨：：：??｜Ｈ?１６４：?■?１６７＊?ＩＫ：?■?２Ｎ，??５?１霧＿二二?圓＿二二?：１－１??Ｎｃｏｓｓｊｆ?ＳＳ？？？：?Ｓｉ＞?〇；？？?７％?ｔ？＊ｖｅ??！ｓａ；ｓ＊?ｌｉｒｖｅｉ??ｒｎ?；？，Ｃ?？；－?＊｛Ｃ－ＣＳ３?１｝?？?Ｓ?ｌ．ＳＪ．ｉｒ：?＊?；￡?１５，０．＾．??（ａ）??５５０００?ＨＩＳＳ?３２５５１?２２７？??—＝：：，１??Ｉ３？?■?■?．?．．．?■－?■．??＝｜?Ｉ?｜?丨??■?ＭＳｆ?■?％?■?２Ｓ３４?■??；－Ｔ＇－＾ｒ?Ｓ５：?４３１?圖圓?７４５?ＳＳＳ?國國?７５２?３４７?＿｜?圓?Ｓ３Ｓ?２５５??３％?ｒａｉｓｅ?５Ｊ？ｒ．ｏ＊ｓｅ?Ｔ＾ｖｎｓａｅ??ｆｉＧｆｅｓ?ｉｅ＞．－ｅｉ??Ｃ?ｆ３．０．：Ｓ，?＊?？＞．?：－５，Ｃ－．ｉｉ?＊?（Ｓ－ｉ，０１５．?？ｆ?；０．１５．０?ｉ＜??（ｂ）??图３－２两种抗噪因子的比较。⑷ＭＰＣＦＣＭ算法中平滑因子的分布；（ｂ）?ＲＣＬＦＣＭ??算法中模糊因子的分布。??综合以上分析探究，本文在目标函数中融入了空间距离和新构造的平滑因??子，得到新的影响因子表示如下：??４?０?，，７＾７?ｘ?（丄?一ｌｏｇ：?＋１）（外?＋?〇））?（３＿８）??空间距离、邻域窗口方差系数和灰度差系数均被应用到新提出的影响因子??中，从而全面地衡量了邻域信息点对中心点的影响程度。与其他算法相比较，本??文提出的新方法能较好的降低噪声，同时保留了更精确的图像信息。??２７??
【参考文献】：
期刊论文
[1]结合边缘局部信息的FCM抗噪图像分割算法[J]. 夏菁,张彩明,张小峰,李雪梅. 计算机辅助设计与图形学学报. 2014(12)
[2]基于分裂合并法和Ncut法的图像分割[J]. 邵健萍,陈丽芳. 江南大学学报(自然科学版). 2011(05)
[3]一种新的肝脏CT序列图像区域生长算法[J]. 陈彦达,鲍苏苏. 计算机工程与应用. 2010(13)
[4]井壁成像测井资料目标体自动检测方法研究[J]. 柯式镇,冯启宁. 石油大学学报(自然科学版). 2004(04)
[5]基于形态开闭滤波二值标记和纹理特征合并的分水岭算法[J]. 马丽红,张宇,邓健平. 中国图象图形学报. 2003(01)
[6]磁共振图像中非均匀场的校正[J]. 李音. 国外医学.生物医学工程分册. 2002(06)
硕士论文
[1]基于模糊聚类算法的图像分割方法研究[D]. 陈凌.江西理工大学 2012
[2]基于人工神经网络的血液细胞图像分割方法研究[D]. 王传永.天津理工大学 2005
本文编号：2898804
本文链接：https://www.wllwen.com/shoufeilunwen/mpalunwen/2898804.html
最近更新
教材专著
