基于自适应活动轮廓模型的医学图像分割研究
发布时间：2020-12-29 04:15
随着医学成像技术的快速发展,计算机辅助诊断系统成为当今医生诊断的重要辅助工具,计算机辅助诊断系统中的重要环节为图像分割,图像分割的准确与否关乎到后期对病灶区域的诊断是否正确。针对医学图像的特点,图像分割算法中的活动轮廓模型成为当今学者的研究重点,原因在于活动轮廓模型引入水平集函数,能够灵活处理医学图像复杂的拓扑结构变化,且数值计算较为简单。本文对活动轮廓模型在处理医学图像的问题上做了详细的研究,主要研究内容如下:首先本文介绍了活动轮廓模型涉及到的相关基础理论知识,重点介绍了经典活动轮廓模型CV模型,针对CV模型在分割医学图像上存在的缺点,如不能准确分割灰度不均匀图像,对医学图像的噪声鲁棒性不强等缺点,对其进行改进。改进如下:针对CV模型中权重系数往往被人忽视的问题,本文引入图像熵作为CV模型的自适应权重,通过自适应计算区域内外的灰度信息变化情况,驱动拟合曲线移动到目标边界,从而避免先验参数对分割结果的影响,最终提高模型在分割灰度不均匀图像上的运行速率和分割准确度;在此基础上改进长度项,在长度项中添加边界信息,边界指示函数能吸引曲线向边界靠近,提高分割弱边界的准确度。为了提高模型对多重噪...
【文章来源】：贵州大学贵州省 211工程院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
不同权重的分割效果
贵州大学硕士学位论文一问题，本文对这两处缺点进行改进：首先边界指示函数中高斯平滑滤波器主要考虑了像素间的空间距离关系，并没有考虑像素值之间的相似程度，而对于图像来说即使是弱边界往往也是图像灰度相对剧烈变化的地方，所以要综合考虑图像的灰度因素。本文采用双边滤波代替高斯滤波，双边滤波在考虑像素空间距离的同时加入像素间的相似程度，从而能够最大程度的保留目标边界。图 3.4 表示原图像经过高斯滤波和双边滤波后边界梯度的变化情况，从图中可以看出，原图像经过高斯滤波后的边界虚化严重，经过双边滤波后的边界较为清楚；图 3.5 表示含噪声污染图像经过高斯滤波和双边滤波后图像边界的变化情况，从图中可以看出，含噪声图像经过高斯滤波与双边滤波在一定程度上都滤除了噪声，但是高斯滤波削弱了边界信息，而双边滤波较为完整的保留了边界信息。
（a）含噪声图像 （b）边界梯度信息 （c）高斯滤波 （d）双边滤波图 3.5 噪声图像滤波后的梯度变化综上所述，改进后的边界指示函数如式 3-31：211()LWgpw (3-31)其中： xyxyijSijSwijwijIijW,,(,)(,)(,)(,)(,) (3-32)上式中xyS,表示中心点 (i ,j)的大小为 ( 2N 1) (2N 1)的领域，经过滤波后，像素点的灰度大小相当于区域中像素的加权平均，权系数如下：w(i ,j)w(i,j)w(i,j)sr (3-33)
【参考文献】：
期刊论文
[1]基于CV模型改进的磁共振成像图像分割方法[J]. 兰红,韩纪东. 科学技术与工程. 2018(28)
[2]活动轮廓的演化控制及其在铁谱图像分割中的应用[J]. 宋佳声,戴乐阳,陈丹,王永坚. 控制理论与应用. 2018(06)
[3]基于改进区域项CV模型的金相图像分割[J]. 倪康,吴一全,庚嵩. 光学学报. 2018(04)
[4]基于局部偏差的图像分割与偏置场校正模型[J]. 黄臣程,李兆飞. 四川理工学院学报(自然科学版). 2017(05)
[5]一种新的活动轮廓模型图像分割方法[J]. 刘晨,池涛,李丙春,张宗虎. 工程科学与技术. 2017(05)
[6]基于局部和全局信息的自适应水平集图像分割[J]. 蔡青,刘慧英,周三平,孙景峰. 强激光与粒子束. 2017(02)
[7]一种全自动的脊柱CT图像分割算法研究[J]. 张媛,周啸虎,郭静丽,高伟. 中国医疗设备. 2016(12)
[8]结合分水岭算法的水平集医学图像分割方法[J]. 张辉,朱家明,陈静,吴杰. 计算机科学. 2016(S2)
[9]改进边界指示函数的水平集活动轮廓模型[J]. 郑伟,张晶,杨虎. 激光技术. 2016(01)
[10]边缘修正CV模型的卫星遥感云图分割方法[J]. 宋昱,吴一全,毕硕本. 光学学报. 2014(09)
硕士论文
[1]医学图像分割算法研究与实现[D]. 阎贝.电子科技大学 2012
本文编号：2944988
【文章来源】：贵州大学贵州省 211工程院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
不同权重的分割效果
贵州大学硕士学位论文一问题，本文对这两处缺点进行改进：首先边界指示函数中高斯平滑滤波器主要考虑了像素间的空间距离关系，并没有考虑像素值之间的相似程度，而对于图像来说即使是弱边界往往也是图像灰度相对剧烈变化的地方，所以要综合考虑图像的灰度因素。本文采用双边滤波代替高斯滤波，双边滤波在考虑像素空间距离的同时加入像素间的相似程度，从而能够最大程度的保留目标边界。图 3.4 表示原图像经过高斯滤波和双边滤波后边界梯度的变化情况，从图中可以看出，原图像经过高斯滤波后的边界虚化严重，经过双边滤波后的边界较为清楚；图 3.5 表示含噪声污染图像经过高斯滤波和双边滤波后图像边界的变化情况，从图中可以看出，含噪声图像经过高斯滤波与双边滤波在一定程度上都滤除了噪声，但是高斯滤波削弱了边界信息，而双边滤波较为完整的保留了边界信息。
（a）含噪声图像 （b）边界梯度信息 （c）高斯滤波 （d）双边滤波图 3.5 噪声图像滤波后的梯度变化综上所述，改进后的边界指示函数如式 3-31：211()LWgpw (3-31)其中： xyxyijSijSwijwijIijW,,(,)(,)(,)(,)(,) (3-32)上式中xyS,表示中心点 (i ,j)的大小为 ( 2N 1) (2N 1)的领域，经过滤波后，像素点的灰度大小相当于区域中像素的加权平均，权系数如下：w(i ,j)w(i,j)w(i,j)sr (3-33)
【参考文献】：
期刊论文
[1]基于CV模型改进的磁共振成像图像分割方法[J]. 兰红,韩纪东. 科学技术与工程. 2018(28)
[2]活动轮廓的演化控制及其在铁谱图像分割中的应用[J]. 宋佳声,戴乐阳,陈丹,王永坚. 控制理论与应用. 2018(06)
[3]基于改进区域项CV模型的金相图像分割[J]. 倪康,吴一全,庚嵩. 光学学报. 2018(04)
[4]基于局部偏差的图像分割与偏置场校正模型[J]. 黄臣程,李兆飞. 四川理工学院学报(自然科学版). 2017(05)
[5]一种新的活动轮廓模型图像分割方法[J]. 刘晨,池涛,李丙春,张宗虎. 工程科学与技术. 2017(05)
[6]基于局部和全局信息的自适应水平集图像分割[J]. 蔡青,刘慧英,周三平,孙景峰. 强激光与粒子束. 2017(02)
[7]一种全自动的脊柱CT图像分割算法研究[J]. 张媛,周啸虎,郭静丽,高伟. 中国医疗设备. 2016(12)
[8]结合分水岭算法的水平集医学图像分割方法[J]. 张辉,朱家明,陈静,吴杰. 计算机科学. 2016(S2)
[9]改进边界指示函数的水平集活动轮廓模型[J]. 郑伟,张晶,杨虎. 激光技术. 2016(01)
[10]边缘修正CV模型的卫星遥感云图分割方法[J]. 宋昱,吴一全,毕硕本. 光学学报. 2014(09)
硕士论文
[1]医学图像分割算法研究与实现[D]. 阎贝.电子科技大学 2012
本文编号：2944988
本文链接：https://www.wllwen.com/yixuelunwen/swyx/2944988.html
