【摘要】：受醫(yī)學成像技術(shù)的約束和人體器官結(jié)構(gòu)復雜性的影響,醫(yī)學圖像具有復雜的多樣性和差異性,分割難度較大。變分水平集方法以其靈活的拓撲結(jié)構(gòu)適應能力、便利的曲線演化能量配置方案、簡潔有效的數(shù)值求解方法而廣泛應用于圖像分割領(lǐng)域。但是,在應用變分水平集方法進行醫(yī)學圖像分割時,還有兩點不足:一是對初始輪廓和演化控制參數(shù)的敏感性,目前仍存在泛化能力不足的缺點;二是水平集曲線演化驅(qū)動力的優(yōu)化問題。盡管目前已經(jīng)開發(fā)出許多基于邊界信息、區(qū)域信息或綜合邊界和區(qū)域信息的變分水平集模型,但是如何優(yōu)化水平集曲線演化的驅(qū)動能量,使其快速有效的收斂,仍是一個需要探索的問題。本文以兩種經(jīng)典的變分水平集算法(MS-RSF水平集算法和局部高斯分布擬合算法)為基礎(chǔ),對以上兩個問題進行了研究。具體工作如下:(1)針對MS-RSF模型中水平集曲線演化的驅(qū)動力的問題,提出在模型的能量方程中加入自適應權(quán)系數(shù)函數(shù),使其能夠自適應地控制曲線演化方向。同時,設置自適應相關(guān)函數(shù),自適應控制曲線演化迭代停止。實驗結(jié)果表明,自適應MS-RSF模型對于含噪聲、非均質(zhì)以及弱邊界醫(yī)學圖像分割速度快、精度高。(2)針對局部高斯分布擬合(LGDF)算法對初始輪廓的敏感性以及能量方程演化過程中參數(shù)的泛化問題提出了改進:提出利用Mean Shift聚類結(jié)果對LGDF算法的初始輪廓設置進行引導,使其比手動設置的初始輪廓更接近目標輪廓;LGDF算法基于圖像的局部均值和方差信息建立能量函數(shù),演化控制參數(shù)改為與聚類數(shù)目相關(guān)的函數(shù),利用此初始輪廓進行水平集演化,演化過程中無需人為設置,自動化程度提高,算法的魯棒性增強。
【圖文】：

圖１．３多閾值分割逡逑Ｆｉｇ．邋１．３邋Ｍｕｌｔｉ－ｔｈｒｅｓｈｏｌｄ邋ｓｅｇｍｅｎｔａｔｉｏｎ逡逑如圖１．３所示為多閾值分割方法，此時需要選擇三個閾值來劃分圖像為四個逡逑區(qū)域，這就是多閾值分割。閾值分割對于不同類型的圖像灰度值或者圖像其他逡逑特征值差別較大時，可以實現(xiàn)精確的分割結(jié)果［１４］。閾值分割法常常作為預處理，逡逑為醫(yī)學圖像分割的后續(xù)其他算法做好前期準備，便于得到理想的分割結(jié)果。逡逑（１）０ＴＳＵ閾值法－－類間方差閾值法，基本原理就是類間方差理論，是一種自逡逑動確定閾值的方法。ＯＴＳＵ閾值算法是一種全局最優(yōu)閾值算法，當前景區(qū)域和背逡逑景區(qū)域的灰度范圍只占灰度直方圖中的一小部分時，整體灰度平均會將大量灰逡逑度分布為零的像素納入計算范圍，從而影響二值化計算的效率。另外，，當背景逡逑區(qū)域與前景區(qū)域的灰度值在灰度分布直方圖中存在重合情況時

魏逡逑Ｔ１邋Ｔ２邋Ｔ３邋Ｘ邋軸逡逑圖１．３多閾值分割逡逑Ｆｉｇ．邋１．３邋Ｍｕｌｔｉ－ｔｈｒｅｓｈｏｌｄ邋ｓｅｇｍｅｎｔａｔｉｏｎ逡逑如圖１．３所示為多閾值分割方法，此時需要選擇三個閾值來劃分圖像為四個逡逑區(qū)域，這就是多閾值分割。閾值分割對于不同類型的圖像灰度值或者圖像其他逡逑特征值差別較大時，可以實現(xiàn)精確的分割結(jié)果［１４］。閾值分割法常常作為預處理，逡逑為醫(yī)學圖像分割的后續(xù)其他算法做好前期準備，便于得到理想的分割結(jié)果。逡逑（１）０ＴＳＵ閾值法－－類間方差閾值法，基本原理就是類間方差理論，是一種自逡逑動確定閾值的方法。ＯＴＳＵ閾值算法是一種全局最優(yōu)閾值算法，當前景區(qū)域和背逡逑景區(qū)域的灰度范圍只占灰度直方圖中的一小部分時，整體灰度平均會將大量灰逡逑度分布為零的像素納入計算范圍
【學位授予單位】：山東科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R445;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 王曉飛;龐全;;基于圓形約束快速水平集的原生質(zhì)體細胞分割[J];中國圖象圖形學報;2013年01期

2 王曉飛;郭敏;徐秋平;;基于圖割與改進水平集的目標提取方法[J];計算機工程;2010年22期

3 叢樹民,孫樹江;用模糊相似選擇確定礦井開發(fā)最優(yōu)設計方案[J];阜新礦業(yè)學院學報(自然科學版);1989年01期

4 陶強;劉莉;;基于雙區(qū)域演化水平集的圖像分割方法[J];電子測量技術(shù);2016年09期

5 汪程軍;;基于水平集算法的唇象分割[J];科技視界;2015年12期

6 郭永彩;譚勇;高潮;;基于水平集的熱紅外運動人體目標分割算法(英文)[J];紅外與毫米波學報;2014年01期

7 馬文濤;師俊平;李寧;;水平集和無網(wǎng)格耦合法在裂紋擴展中的應用[J];巖土力學;2012年11期

8 汪云飛;畢篤彥;史德琴;黃天軍;劉迪;;融合多尺度分析和水平集的交互式圖分割方法[J];電子與信息學報;2012年09期

9 熊瑛;;隨機漫步中一些水平集的分形維數(shù)[J];數(shù)學物理學報;2009年02期

10 李小林;梁忠;黃世國;;基于多水平集的植物圖像分割[J];福建農(nóng)林大學學報(自然科學版);2009年03期

相關(guān)會議論文 前10條

1 張東亮;莫軍;張曉燕;;基于擴展有限元法和水平集描述的廣義形狀優(yōu)化[A];中國力學大會-2017暨慶祝中國力學學會成立60周年大會論文集（A）[C];2017年

2 陳躍良;黃海亮;張勇;卞貴學;;基于水平集的鋁合金鈍化膜破損腐蝕仿真研究[A];2018第五屆海洋材料與腐蝕防護大會暨海洋新材料及防護新技術(shù)展覽會論文集[C];2018年

3 王亞光;高進城;亢戰(zhàn);;考慮增材制造中懸空角約束的水平集拓撲優(yōu)化設計[A];2018年全國固體力學學術(shù)會議摘要集（上）[C];2018年

4 盛朗;朱清;陳進;居小平;;融合全局和局部圖像信息的水平集醫(yī)學圖像分割方法[A];2013年中國智能自動化學術(shù)會議論文集（第五分冊）[C];2013年

5 程俊霞;;水平集方程在四邊形網(wǎng)格上的數(shù)值離散方法[A];中國工程物理研究院科技年報(2008年版)[C];2009年

6 梅立超;姜慧研;張柳青;劉洪娟;;基于GPU和水平集的肝臟快速分割方法的研究[A];第九屆全國信息獲取與處理學術(shù)會議論文集Ⅱ[C];2011年

7 凌和良;鄔冬華;劉瑞霞;;變測度的積分型全局優(yōu)化算法[A];中國運籌學會第七屆學術(shù)交流會論文集（下卷）[C];2004年

8 賈海朋;劉波;;節(jié)點鄰域進化的水平集結(jié)構(gòu)拓撲優(yōu)化[A];力學與工程應用（第十三卷）[C];2010年

9 李晉江;李孟軍;范輝;;低秩近似圖像修復算法[A];第六屆全國幾何設計與計算學術(shù)會議論文集[C];2013年

10 夏利民;谷士文;;基于自適應形變模型的3D動畫[A];中國圖象圖形學會第十屆全國圖像圖形學術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

相關(guān)重要報紙文章 前2條

1 黃正平 龍門書局銷售部主任;發(fā)行人點題助學讀物經(jīng)營[N];中國圖書商報;2004年

2 孫玲;產(chǎn)業(yè)領(lǐng)頭羊 群眾貼心人[N];上�？萍紙�;2011年

相關(guān)博士學位論文 前10條

1 高杰;基于參數(shù)化水平集的結(jié)構(gòu)/材料多尺度拓撲優(yōu)化設計研究[D];華中科技大學;2019年

2 宮照煊;基于CT/MRI影像病灶組織分割的關(guān)鍵算法研究[D];東北大學;2017年

3 李振華;基于水平集的結(jié)構(gòu)動力學特性優(yōu)化與原子力探針優(yōu)化設計[D];華中科技大學;2018年

4 劉如意;高分辨率遙感圖像道路提取算法研究與改進[D];西安電子科技大學;2018年

5 劉慶一;基于水平集與多圖譜的醫(yī)學圖像分割算法研究[D];山東大學;2019年

6 劉陽;變分和離散變分水平集圖像分割模型研究[D];重慶大學;2018年

7 李妍;基于變分水平集的遙感影像分割模型及算法研究[D];武漢大學;2013年

8 張迎春;基于粗糙集和擴展分水嶺變換的水平集圖像分割研究[D];大連理工大學;2018年

9 紀東升;圖像分割的水平集模型及其在醫(yī)學圖像分割中的應用研究[D];蘭州大學;2016年

10 張玲;基于變分水平集理論的活動輪廓模型在圖像分割中的應用研究[D];太原理工大學;2016年

相關(guān)碩士學位論文 前10條

1 王璐;基于水平集和神經(jīng)網(wǎng)絡的醫(yī)學圖像分割方法研究[D];重慶郵電大學;2019年

2 吳曉萌;基于灰度水平集的圖像去噪與分割研究[D];哈爾濱工業(yè)大學;2019年

3 智緒浩;顯微圖像細胞分割算法及其應用研究[D];上海交通大學;2018年

4 徐麗;基于改進型水平集的醫(yī)學圖像分割算法研究與實現(xiàn)[D];揚州大學;2019年

5 魏雪;水平集理論及其在圖像分割中的應用[D];西安電子科技大學;2019年

6 張世強;基于魯棒水平集的顯微鏡細胞圖像分割[D];西安電子科技大學;2019年

7 羅晨春;基于參數(shù)化水平集的多相材料結(jié)構(gòu)拓撲優(yōu)化方法研究[D];西安電子科技大學;2019年

8 王桃;水平集醫(yī)學圖像分割算法的自適應機制研究[D];山東科技大學;2018年

9 劉亞楠;基于水平集的紐扣圖像分割算法研究[D];華中科技大學;2019年

10 宋建宏;基于水平集及卷積神經(jīng)網(wǎng)絡的醫(yī)學圖像處理方法研究[D];燕山大學;2019年

本文編號：2618150