基于图切割算法的骨组织CT图像分割方法研究

发布时间：2021-06-03 22:42

　　医学图像分割是人体器官组织功能分析以及诊断治疗的基础,为提取病变组织周围信息、辅助医生进行病情分析和重建组织器官三维模型提供很好的技术支撑。随着医学影像技术的发展,医学图像的分辨率日益提高,图像细节信息越来越丰富,图像复杂度的增加使得现有分割技术难以取得满意的分割结果。近年来,利用Graph Cuts算法进行图像分割是一种新的思路,其通过人工交互的方式能够快速精确地提取图像中感兴趣的目标。然而传统Graph Cuts方法存在自动化和鲁棒性不足的缺陷,将该方法应用于复杂模糊医学图像的分割还存在一定的局限性。为了解决Graph Cuts算法在处理复杂医学图像分割时的效率问题,一种可行的方法是通过结合医学图像的某些特征信息,采用预处理算法,自动标记前景与背景点,从而大幅减少人工交互的时间,最终提高Graph Cuts算法的效率。论文主要从以下三个方面展开工作:首先,在基于图切割算法的交互式图像分割框架基础上,结合骨组织CT图像在灰度特征上与其周围组织存在明显不同的特点,设计了一种基于阈值标记自动生成的Graph Cuts算法。通过引入骨组织的灰度特征信息,结合用户的交互,改进后的算法不仅能够... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

邻接链表表示形式

（1）初始化图 G 的残留网络 Gf，每条边的初始容量初始化为其残余容量如图 2-6 为图 2-4 的初始化残留网络；图 2-6 残留网络（2）在残留网络中寻找增广路径 p，取增广路径 p 中边的残余容量的最值作为流的增量 D f，修改残留网络中每条边的容量，得到修正后的残留网络 G（3）重复执行步骤（2），直到找不到一条增广路径为止。经过第一条增广路径 p：1 3s v v ?t，增量 D f= 12，网络图和残留网如图 2-7 所示。sv1v2v3v4t15351214425334 32

一B第二


本文编号：3211388