基于水平集的医学图像分割方法研究

发布时间：2017-10-16 09:26

  本文关键词：基于水平集的医学图像分割方法研究

  更多相关文章： 医学图像分割 水平集 边界 区域 差异实验评估 先验形状

【摘要】：医学图像分割是一个传统而具有挑战性的课题,是医学影像可视化、计算机辅助分析和疾病诊断的前提和基础。本文在对目前国内外研究的多种图像分割方法进行综述的基础上,经过分析比较后,发现基于水平集的分割方法具有诸多优点且具有巨大的应用前景,因此,本文将目标定位在对水平集分割方法的研究上。 水平集方法将二维闭合曲线或三维闭合曲面的演化问题转化为高维空间中水平集函数曲面演化的隐含方式来求解,适应于对拓扑结构变化的处理,其计算精度高,算法稳定,因而得到广泛应用。本文对水平集方法的医学图像分割进行了深入的研究,主要包括以下几个方面： 首先,系统研究了水平集方法的基本理论及其在图像分割领域的应用,通过具体实验验证水平集方法在医学图像分割中的应用,为后继的研究奠定了坚实的理论基础。 其次,分别研究了基于图像边界和基于区域的水平集分割方法,通过仿真实验分析了各自的优缺点。由于医学图像自身的复杂性,所以单纯结合一种图像信息对医学图像进行分割,往往得不到较好的分割效果,为此提出一种新的结合图像边界信息和区域信息的混合分割方法,并将所提出的混合分割方法应用到国际脑分割数据库中脑MRI图像和临床医学图像的分割中,通过实验对比和差异实验评估方法证明了所提出的混合分割方法的有效性和准确性。 再次,在总结所提出的基于图像边界信息和区域信息的混合分割方法不足的基础上,对其进行改进,提出一种结合改进的先验形状项作为形状约束的混合分割方法。通过仿真实验证明,结合先验形状的混合分割方法不仅在分割准确性上优于结合图像边界信息和区域信息的混合分割方法,而且具有更广泛的应用范围。 最后,作者对自己的研究工作进行了总结,并对未来的研究工作进行了展望。
【关键词】：医学图像分割 水平集 边界 区域 差异实验评估 先验形状
【学位授予单位】：东北大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-19
• 1.1 医学影像技术及医学图像的特点9-10
• 1.2 医学图像分割及其研究意义10-12
• 1.3 医学图像分割的发展现状及发展趋势12-16
• 1.4 论文研究的主要内容及组织结构16-19
• 第2章 曲线演化理论与水平集方法19-33
• 2.1 曲线演化理论19-22
• 2.2 水平集方法22-29
• 2.2.1 水平集方法概述22
• 2.2.2 水平集方法的函数表示22-26
• 2.2.3 水平集函数的数值解法26-27
• 2.2.4 水平集方法的关键问题27-29
• 2.3 仿真实验29-30
• 2.4 结果分析30-31
• 2.5 本章小结31-33
• 第3章 结合图像边界和区域信息的水平集混合分割方法33-53
• 3.1 基于图像边界信息的水平集分割方法34-38
• 3.1.1 基于边界的分割模型34
• 3.1.2 仿真实验34-38
• 3.1.3 结果分析38
• 3.2 基于图像区域信息的水平集分割方法38-44
• 3.2.1 C-V模型38-41
• 3.2.2 仿真实验41-43
• 3.2.3 结果分析43-44
• 3.3 结合图像边界和区域信息的混合分割方法44-47
• 3.3.1 混合分割方法的基本流程44
• 3.3.2 初始化水平集函数φ(x,y,0)44
• 3.3.3 构建初始化速度函数F44
• 3.3.4 设计能量函数44-46
• 3.3.5 基于区域信息的修正速度函数46-47
• 3.4 仿真实验与结果评估47-51
• 3.4.1 数据来源47-48
• 3.4.2 不同算法分割结果的比较48-49
• 3.4.3 差异实验评估方法49-51
• 3.5 本章小结51-53
• 第4章 结合先验形状的水平集混合分割方法53-65
• 4.1 初始先验形状模型53-57
• 4.1.1 形状配准53-54
• 4.1.2 形状建模54-57
• 4.2 更新先验形状模型57-58
• 4.3 结合先验形状的能量函数58-59
• 4.4 仿真实验59-64
• 4.5 本章小结64-65
• 第5章 结论65-67
• 5.1 本文工作总结65-66
• 5.2 未来工作展望66-67
• 参考文献67-77
• 致谢77-79
• 作者攻读硕士学位期间的论著及发表的论文79

【引证文献】

中国硕士学位论文全文数据库 前1条

1 范英豪;基于几何活动轮廓的SAR目标提取技术研究[D];浙江工商大学;2013年

，

本文编号：1041890