醫(yī)學(xué)圖像分割作為圖像分割的較早應(yīng)用領(lǐng)域,是醫(yī)學(xué)圖像分析的關(guān)鍵技術(shù),也是臨床應(yīng)用的重點和難點。我們可以通過分割算法提取出醫(yī)學(xué)圖像中的感興趣區(qū)域并單獨顯示,從而更直觀的了解病變區(qū)域和正常組織結(jié)構(gòu)。雖然現(xiàn)有的傳統(tǒng)模型已經(jīng)取得不錯的效果,但它們?nèi)稳淮嬖谝恍﹩栴},如乘法內(nèi)在分量優(yōu)化模型不能很好的分割噪聲圖像,對噪聲不具有魯棒性�；谠撃Ｐ偷纳鲜鋈秉c,同時受到該模型的啟發(fā),本文提出了兩種對于乘法內(nèi)在分量優(yōu)化模型的不同改進方法。對于醫(yī)學(xué)MR圖像,本文提出了一種精確魯棒的基于二區(qū)水平集函數(shù)的主動輪廓模型,并成功將其拓展為四區(qū)模型,應(yīng)用于人腦MR圖像中。我們將添加了邊緣檢測函數(shù)的水平集框架下乘法內(nèi)在分量優(yōu)化模型的能量函數(shù)作為數(shù)據(jù)項,并增添長度項,得到我們新定義的能量函數(shù)。同時應(yīng)用分裂Bregman方法有效的極小化能量函數(shù)。我們使用新模型來處理大量的腦磁共振圖像來測試它的性能。實驗結(jié)果表明,該模型能較好地處理含有嚴(yán)重偏磁場或陰影的圖像,并且對初始輪廓線和噪聲具有較強的魯棒性。同時,我們從實驗結(jié)果和數(shù)值結(jié)果兩方面將新模型與乘法內(nèi)在分量優(yōu)化模型進行了比較,結(jié)果表明,無論在分割精度還是校正效果上,我們的模型都優(yōu)... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 相關(guān)背景介紹
        1.3.1 MICO模型
        1.3.2 水平集方法
        1.3.3 分裂Bregman方法
        1.3.4 梯度下降法
    1.4 本文的主要研究內(nèi)容
第2章 抗噪聲的人腦MR圖像校正及分割模型
    2.1 引言
    2.2 二區(qū)能量函數(shù)
    2.3 四區(qū)能量函數(shù)
    2.4 實驗結(jié)果
        2.4.1 實驗設(shè)置
        2.4.2 定性分析
        2.4.3 定量比較
        2.4.4 復(fù)雜度分析
    2.5 本章小結(jié)
第3章 牙齒先驗條件信息的獲取
    3.1 引言
    3.2 橢圓方向的確定
    3.3 橢圓長度的獲取
        3.3.1 縱向長度的獲取
        3.3.2 橫向長度的獲取
    3.4 本章小結(jié)
第4章 結(jié)合先驗約束項的牙齒圖像分割模型
    4.1 引言
    4.2 能量函數(shù)
    4.3 最小化能量函數(shù)
    4.4 實驗結(jié)果
        4.4.1 模型驗證實驗
        4.4.2 對比實驗
    4.5 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝


【參考文獻】：
期刊論文
[1]A Geometric Flow Approach for Region-based Image Segmentation-theoretical Analysis[J]. Zhu-cui JING,Juntao YE,Guo-liang XU.  Acta Mathematicae Applicatae Sinica. 2018(01)
[2]基于區(qū)域劃分的多特征紋理圖像分割[J]. 趙泉華,高郡,李玉.  儀器儀表學(xué)報. 2015(11)
[3]基于同態(tài)濾波和K均值聚類算法的楊梅圖像分割[J]. 徐黎明,呂繼東.  農(nóng)業(yè)工程學(xué)報. 2015(14)
[4]基于演化算法的水果圖像分割[J]. 彭紅星,鄒湘軍,陳琰,楊磊,熊俊濤,陳燕.  農(nóng)業(yè)工程學(xué)報. 2014(18)
[5]SVM圖像分割中最優(yōu)權(quán)值組合核函數(shù)的研究[J]. 劉盼盼,李雷.  計算機技術(shù)與發(fā)展. 2013(03)
[6]基于圖割的圖像分割方法及其新進展[J]. 劉松濤,殷福亮.  自動化學(xué)報. 2012(06)
[7]基于三角網(wǎng)格演化的CBCT牙齒圖像分割方法[J]. 劉梟雄,石峰,張繼武.  中國醫(yī)療器械雜志. 2011(06)
[8]基于形態(tài)學(xué)的牙齒模型交互分割[J]. 郝國棟,程筱勝,戴寧,俞青.  中國制造業(yè)信息化. 2008(01)
[9]基于開放式遺傳算法的圖像閾值選取[J]. 張淑艷,姚曉東,鄒俊忠,王行愚.  華東理工大學(xué)學(xué)報. 2004(02)

碩士論文
[1]圖小波變換在圖像分割中的應(yīng)用研究[D]. 樊淋杰.西安理工大學(xué) 2017
[2]基于小波變換和模糊理論的圖像分割方法研究[D]. 施成湘.重慶大學(xué) 2006



本文編號：3449315