基于非局部FCM脑核磁共振图像分割

发布时间：2017-07-16 09:27

  本文关键词：基于非局部FCM脑核磁共振图像分割

  更多相关文章： 核磁共振图像 图像分割 模糊C均值 偏移场 噪声

【摘要】：随着中国老年化程度的加重,脑疾病病发程度日益加重。因此,借助医学影像技术对疾病进行临床辅助诊断具有重要意义。核磁共振成像(MRI)因其对人体没有任何电离辐射伤害,对软组织有较高的分辨率,成像参数多,包含信息量大等优点,已被广泛运用于医疗图像诊断。模糊C均值(FCM)算法是一种比较经典的聚类方法,具有无监督、实现简单、运算速度快等优点,常被用于脑MR图像分割。然而,由于噪声和灰度不均匀的影响,使得采用传统的FCM算法很难得到理想分割的结果。为此,本文针对脑MR图像分割问题,通过考察图像的空间结构信息,对传统算法中目标函数的距离项进行了改进,并将偏移场参数化且耦合到FCM框架下,使其不仅能够降低噪声的影响,还能够较好地恢复偏移场。本文的研究工作包括如下几个方面：(1)针对噪声和偏移场的影响,提出一种改进的非局部FCM脑MR图像分割与偏移场恢复耦合模型。该模型考虑了图像的非局部信息,通过空间图像块之间的相似性构造权重函数,并且将偏移场也纳入FCM模型中,可以有效地降低噪声和偏移场对分割结果的影响,并且能够保留更多的结构信息。(2)针对传统模型鲁棒性不足、分割精度不够高的问题,提出一种结合非局部信息的模糊聚类脑MR图像分割模型。该模型首先引入非局部信息,克服传统的空间信息仅依赖邻域灰度信息从而导致精度不高的缺点,使其在降低噪声影响的同时还能保持细长拓扑结构区域信息；其次,利用多元高斯分布模型对图像灰度分布进行拟合以构造距离函数,从而降低传统欧式距离导致鲁棒性不足的影响；最后利用正交基函数对偏移场进行拟合,并将偏移场参数化且耦合到FCM框架下,以降低灰度不均匀对分割的影响。
【关键词】：核磁共振图像 图像分割 模糊C均值 偏移场 噪声
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;R742;R445.2
【目录】：

• 摘要5-6
• Abstract6-8
• 第一章 绪论8-16
• 1.1 研究背景和意义8-9
• 1.2 图像分割及其方法综述9-12
• 1.2.1 图像分割原理9
• 1.2.2 脑MR图像分割方法综述9-12
• 1.3 模糊聚类算法国内外研究现状12-14
• 1.4 论文内容及章节安排14-16
• 第二章 模糊C均值聚类算法16-20
• 2.1 模糊理论简介16-17
• 2.1.1 模糊集合与隶属度函数16-17
• 2.1.2 模糊集合的表示方法17
• 2.2 模糊C均值聚类算法概述17-19
• 2.3 本章小结19-20
• 第三章 改进的非局部FCM脑MR图像分割与偏移场恢复耦合模型20-33
• 3.1 引言20-21
• 3.2 改进的非局部FCM图像分割与偏移场恢复耦合模型21-24
• 3.2.1 去偏移场21
• 3.2.2 改进的非局部FCM图像分割与偏移场恢复耦合模型21-24
• 3.3 实验结果与分析24-32
• 3.3.1 脑部合成图像分割24-27
• 3.3.2 真实脑MR图像分割27-30
• 3.3.3 非局部参数分析30-32
• 3.4 本章小结32-33
• 第四章 结合非局部信息的模糊聚类脑MR图像分割与偏移场恢复耦合模型33-47
• 4.1 引言33-34
• 4.2 背景介绍34-37
• 4.2.1 基于MRF的高斯混合模型34-35
• 4.2.2 非局部均值35-37
• 4.3 结合非局部信息的脑MR图像分割与偏移场恢复耦合模型37-40
• 4.4 实验结果与分析40-46
• 4.4.1 脑部合成图像分割40-44
• 4.4.2 真实脑MR图像分割44-45
• 4.4.3 算法参数分析45-46
• 4.5 本章小结46-47
• 第五章 总结与展望47-49
• 5.1 总结47
• 5.2 展望47-49
• 参考文献49-54
• 作者简介54-55
• 致谢55

，

本文编号：548042