基于模型的医学图像分割研究

发布时间：2017-03-30 03:16

  本文关键词：基于模型的医学图像分割研究，由笔耕文化传播整理发布。

【摘要】：图像分割是图像处理和分析的重要组成部分,其目的是将图像中感兴趣的目标提取出来,使其尽可能地接近真实的结构,从而为后续的图像分析提供可靠的依据。由于医学图像组织结构复杂,形状的不规则性,灰度差异小等特点,使用传统的分割方法往往难以达到理想的分割效果。 本文主要研究基于主动轮廓模型的医学图像分割,该模型适用于图像处理、计算机视觉等众多领域。本文首先对现有的图像分割方法进行了比较全面的综述,并分析其优缺点,介绍了主动轮廓模型和水平集方法。由于传统的Chan-Vese模型存在计算量大、分割速度慢的问题,根据医学图像自身特点,本文提出了一种基于水平集改进的分割算法。在图像全局信息的基础上,引入局部信息,减少了曲线演化过程中迭代次数,提高了分割速度。将二维图像分割扩展到对医学图像序列的半自动分割,利用相邻图像之间的相似性,将当前的分割结果作为下一幅图像的初始轮廓,降低了人工选取初始轮廓曲线的随机性,提高了分割效率。 在MATLAB平台上实现了相关算法,实验结果验证了改进算法的可靠性和准确性,本文提出的方法能够快速、准确地提取目标物体,是一种较为理想的医学图像分割方法。
【关键词】：医学图像分割 水平集 主动轮廓模型 Chan-Vese模型
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：R310
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-8
• 目录8-10
• 1 引言10-13
• 1.1 研究背景和意义10
• 1.2 国内外研究现状10-12
• 1.3 论文任务及安排12-13
• 2 图像分割原理及方法13-25
• 2.1 图像分割原理13-14
• 2.2 图像分割方法14-22
• 2.2.1 基于阈值的分割方法14-15
• 2.2.2 基于边缘检测的分割方法15-18
• 2.2.3 基于区域的分割方法18-20
• 2.2.4 基于特定理论的分割方法20-22
• 2.3 图像分割结果的评价22-24
• 2.3.1 区域对比性23
• 2.3.2 区域内部均匀性23
• 2.3.3 计算费用23-24
• 2.3.4 算法收敛鲁棒性24
• 2.4 本章小结24-25
• 3 主动轮廓模型和水平集方法25-35
• 3.1 主动轮廓模型25-29
• 3.1.1 参数主动轮廓模型25-28
• 3.1.2 几何主动轮廓模型28-29
• 3.2 水平集方法29-34
• 3.2.1 曲线演化理论29-31
• 3.2.2 水平集方法31-34
• 3.3 本章小结34-35
• 4 算法实现及结果分析35-53
• 4.1 传统Chan-Vese模型35-38
• 4.2 Chan-Vese模型的改进38-44
• 4.2.1 二维图像分割算法改进38-41
• 4.2.2 算法实现41-42
• 4.2.3 图像序列分割算法原理42-44
• 4.3 实验结果及分析44-52
• 4.3.1 二维图像分割实验结果及分析44-49
• 4.3.2 图像序列分割实验结果及分析49-52
• 4.4 本章小结52-53
• 5 总结与展望53-55
• 5.1 总结53
• 5.2 展望53-55
• 参考文献55-57
• 作者简历57-59
• 学位论文数据集59

【参考文献】

中国期刊全文数据库 前3条

1 戴青云,余英林;数学形态学在图象处理中的应用进展[J];控制理论与应用;2001年04期

2 林瑶;田捷;;医学图像分割方法综述[J];模式识别与人工智能;2002年02期

3 安成锦;陈曾平;;基于Otsu和改进CV模型的SAR图像水域分割算法[J];信号处理;2011年02期

  本文关键词：基于模型的医学图像分割研究，，由笔耕文化传播整理发布。

本文编号：276104