【摘要】：醫(yī)學(xué)圖像容易受到各種內(nèi)外因素的干擾,使得圖像具有復(fù)雜多樣性,原始的醫(yī)學(xué)圖像通常包含灰度不均、弱邊緣、高噪聲、多目標(biāo)等多種問題,使用傳統(tǒng)的圖像分割算法難以進(jìn)行有效分割。而水平集(LSM)憑借其算法復(fù)雜度低、易于擬合其他算法等優(yōu)勢(shì),引起了很多研究者的關(guān)注。水平集算法被廣泛地應(yīng)用到圖像分割領(lǐng)域,但是在處理復(fù)雜醫(yī)學(xué)圖像的過程中,水平集算法也會(huì)出現(xiàn)穩(wěn)定性差、魯棒性差、計(jì)算量大等一系列問題。本文針對(duì)醫(yī)學(xué)圖像存在的不同問題,對(duì)水平集方法進(jìn)行多種改進(jìn)與擬合。主要研究?jī)?nèi)容和成果如下:1、介紹了水平集分割算法中要用到的數(shù)學(xué)方面的知識(shí),包括偏微分方程的概念、偏微分方程的求解、變分的定義、Euler-Lagrange方程、梯度下降流等知識(shí)。對(duì)水平集基本理論中的曲線演化問題做了相關(guān)研究,通過對(duì)水平集基礎(chǔ)知識(shí)的學(xué)習(xí),進(jìn)一步了解了水平集的基本模型。2、針對(duì)醫(yī)學(xué)圖像含有高噪聲、多目標(biāo)、難分割的特點(diǎn),提出了基于小波去噪和雙水平集的腦部MR圖像分割模型。對(duì)于醫(yī)學(xué)圖像中存在較大噪聲偽影的問題,引入小波變換來去除噪聲,對(duì)圖像進(jìn)行預(yù)處理。多相CV模型雖然可以對(duì)多目標(biāo)圖像進(jìn)行分割,但分割速度慢,在DCV模型的能量函數(shù)中增加能量懲罰項(xiàng),改進(jìn)傳統(tǒng)DCV模型來對(duì)經(jīng)過小波去噪后的圖像進(jìn)行分割,最終實(shí)現(xiàn)對(duì)高噪聲、多目標(biāo)圖像的分割。3、針對(duì)醫(yī)學(xué)圖像中存在的噪聲、灰度不均等問題,提出了基于形態(tài)學(xué)和改進(jìn)型水平集的圖像分割算法。利用形態(tài)學(xué)重建算法降低圖像噪聲,對(duì)圖像進(jìn)行預(yù)處理。將偏移場(chǎng)信息加入能量函數(shù)中對(duì)雙水平集模型進(jìn)行改進(jìn),解決圖像灰度不均的問題。利用改進(jìn)后的模型對(duì)預(yù)處理后的圖像進(jìn)行分割,可以很好的分割灰度不均的醫(yī)學(xué)圖像。4、編寫了醫(yī)學(xué)圖像處理系統(tǒng),它的軟件環(huán)境既可讓開發(fā)員在M文件中進(jìn)行算法編譯對(duì)其進(jìn)行改良并完善用戶界面;同時(shí)也可以讓大部分用戶直接在GUI界面上進(jìn)行操作,人機(jī)互動(dòng)性很好。
【學(xué)位授予單位】：揚(yáng)州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：R445;TP391.41
【圖文】：

種變換；圖像技術(shù)的中層為圖像分析，可以檢測(cè)和分析圖像中感興趣的部分，是圖像處理逡逑和圖像理解之間的橋梁；而圖像理解位于圖像技術(shù)的最高層，可對(duì)圖像中每一個(gè)對(duì)象的本逡逑質(zhì)以及圖像之間的關(guān)系進(jìn)行更深層次的研宄，處理的數(shù)據(jù)量較小，圖１．１是圖像技術(shù)的層逡逑次簡(jiǎn)圖［３１。逡逑高層“邐圖像理解邐小逡逑—邐｜逡逑邐｜邐２邐逡逑中層邐圖像分析邐數(shù)據(jù)量逡逑Ｚ邐｜逡逑邐Ｉ邐［邐逡逑底層邐圖像處理邐大逡逑邐邋＋逡逑圖１．邋１圖像技術(shù)的層次簡(jiǎn)圖逡逑圖像分割是圖像處理中非常關(guān)鍵的一步，在圖像處理體系中占據(jù)了重要位置［４１。圖像逡逑分割就是先把圖像劃分為多個(gè)特定的、含有各自特征的子區(qū)域，繼而分割出有意義的特征逡逑部分１５］。后續(xù)的圖像分析和圖像理解過程都會(huì)受到圖像分割結(jié)果的影響［６］。逡逑在日常生活中，圖像分割的應(yīng)用也是非常廣泛的［７］，例如：在交通系統(tǒng)中，將違反交通逡逑規(guī)則的車輛從復(fù)雜的背景中分離出來，對(duì)這類違規(guī)行為進(jìn)行處置？，在安全檢查領(lǐng)域，對(duì)安逡逑檢系統(tǒng)中Ｘ射線掃描所得到的圖像進(jìn)行處理，分割出包裹中攜帶的不同材質(zhì)的物品，為人逡逑們的出行安全提供保障；在氣象技術(shù)領(lǐng)域，將衛(wèi)星云圖中的不同云系和背景分割出來，為逡逑天氣分析和天氣報(bào)告提供依據(jù)；在臨床醫(yī)學(xué)中，將粘連在一起的細(xì)胞分割出來，以便尋找逡逑病變組織；在導(dǎo)航系統(tǒng)中

從分割依據(jù)角度出發(fā)，可以根據(jù)相鄰區(qū)域中像素的不連續(xù)性［１２］和相似性［１３］將現(xiàn)有的分逡逑割算法進(jìn)行分類總結(jié)，可分為：基于邊緣的分割方法、基于區(qū)域的分割方法、基于特定理逡逑論的分割方法等，常見的醫(yī)學(xué)圖像分割方法分類如圖１．３。邐邐逡逑并行徽分算子逡逑基于邊緣邐邐逡逑Ａ邐邐邐邋—邐形變模型逡逑／邐／邐閾值法逡逑邐、／邐／Ｃ＾＼￣￣區(qū)域生長(zhǎng)￣逡逑醫(yī)學(xué)圖像＾—Ｉ基于區(qū)ｓ邐邐逡逑分割方法｜＼邐區(qū)域分裂合并逡逑＼邐＼聚類算法逡逑＼邐邋基于圖論逡逑基于特定理論邐逡逑基于神經(jīng)網(wǎng)絡(luò)逡逑圖１．３醫(yī)學(xué)圖像分割方法分類逡逑（１邋）、基于邊緣的分割方法。逡逑圖像的邊緣是圖像的一個(gè)基本特征，當(dāng)灰度值發(fā)生快速變化的時(shí)候，圖像的邊界也就逡逑愈發(fā)明顯，這些灰度不連續(xù)的像素全部集合起來就形成了圖像的邊緣［１４］。但是在邊緣灰度逡逑值變化不明顯時(shí)處理效果不是很理想，當(dāng)圖像中含有噪聲時(shí)，可能會(huì)將這些噪聲辨識(shí)為圖逡逑像的邊緣，產(chǎn)生錯(cuò)誤的分割結(jié)果。基于邊緣的分割方法可分為兩類：并行微分算子［１５］和形逡逑變輪廓模型。其中最重要的是形變輪廓模型，它又可以分為兩類：參數(shù)主動(dòng)輪廓模型［１６Ｈ１７］逡逑和幾何輪廓模型［１８］＿［２３］。前者的輪廓用參數(shù)表示；后者的輪廓用幾何表示，是本文研宄的重逡逑點(diǎn)。逡逑（２）、基于區(qū)域的分割方法。逡逑

統(tǒng)的去噪算法會(huì)使得圖像中仍然含有噪聲，本章去噪算法比傳統(tǒng)的去噪方法有更好的效果。逡逑０邋Ｅ３灥逡逑（ａ）嗓聲圖像１邐（ｂ）均值去嗓圖１邐（ｃ）閾值去噪圖１逡逑■邋ｍ邋１邋＇Ｗ逡逑１媝■逡逑（ｄ）嗓聲圖像２邐（ｅ）均值去嗓圖２邐（ｆ）閾值去噪圖２逡逑圖３．７醫(yī)學(xué)ＭＲ圖像去噪效果對(duì)比圖逡逑再分別用傳統(tǒng)ＤＣＶ模型和本章的改進(jìn)后的模型來分割去噪后的圖像，圖３．８是ＬＧＩＦ逡逑

【相似文獻(xiàn)】

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(xì)胞分割[J];中國(guó)圖象圖形學(xué)報(bào);2013年01期

2 王曉飛;郭敏;徐秋平;;基于圖割與改進(jìn)水平集的目標(biāo)提取方法[J];計(jì)算機(jī)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(shè)計(jì)方案[J];阜新礦業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);1989年01期

4 陶強(qiáng);劉莉;;基于雙區(qū)域演化水平集的圖像分割方法[J];電子測(cè)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(yùn)動(dòng)人體目標(biāo)分割算法(英文)[J];紅外與毫米波學(xué)報(bào);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(kuò)展中的應(yīng)用[J];巖土力學(xué);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(xué)報(bào);2012年09期

9 熊瑛;;隨機(jī)漫步中一些水平集的分形維數(shù)[J];數(shù)學(xué)物理學(xué)報(bào);2009年02期

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

相關(guān)會(huì)議論文 前10條

1 張東亮;莫軍;張曉燕;;基于擴(kuò)展有限元法和水平集描述的廣義形狀優(yōu)化[A];中國(guó)力學(xué)大會(huì)-2017暨慶祝中國(guó)力學(xué)學(xué)會(huì)成立60周年大會(huì)論文集（A）[C];2017年

2 陳躍良;黃海亮;張勇;卞貴學(xué);;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(hù)大會(huì)暨海洋新材料及防護(hù)新技術(shù)展覽會(huì)論文集[C];2018年

3 王亞光;高進(jìn)城;亢戰(zhàn);;考慮增材制造中懸空角約束的水平集拓?fù)鋬?yōu)化設(shè)計(jì)[A];2018年全國(guó)固體力學(xué)學(xué)術(shù)會(huì)議摘要集（上）[C];2018年

4 盛朗;朱清;陳進(jìn);居小平;;融合全局和局部圖像信息的水平集醫(yī)學(xué)圖像分割方法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[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(guó)工程物理研究院科技年報(bào)(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(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

7 凌和良;鄔冬華;劉瑞霞;;變測(cè)度的積分型全局優(yōu)化算法[A];中國(guó)運(yùn)籌學(xué)會(huì)第七屆學(xué)術(shù)交流會(huì)論文集（下卷）[C];2004年

8 賈海朋;劉波;;節(jié)點(diǎn)鄰域進(jìn)化的水平集結(jié)構(gòu)拓?fù)鋬?yōu)化[A];力學(xué)與工程應(yīng)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(fù)算法[A];第六屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2013年

10 夏利民;谷士文;;基于自適應(yīng)形變模型的3D動(dòng)畫[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

相關(guān)重要報(bào)紙文章 前2條

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

2 孫玲;產(chǎn)業(yè)領(lǐng)頭羊 群眾貼心人[N];上海科技報(bào);2011年

相關(guān)博士學(xué)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?fù)鋬?yōu)化設(shè)計(jì)研究[D];華中科技大學(xué);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(xué);2017年

3 李振華;基于水平集的結(jié)構(gòu)動(dòng)力學(xué)特性優(yōu)化與原子力探針優(yōu)化設(shè)計(jì)[D];華中科技大學(xué);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(jìn)[D];西安電子科技大學(xué);2018年

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

6 劉陽(yáng);變分和離散變分水平集圖像分割模型研究[D];重慶大學(xué);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(xué);2013年

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

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

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

相關(guān)碩士學(xué)位論文 前10條

1 趙龍賓;p-Laplace方程解的一些凸性估計(jì)[D];哈爾濱師范大學(xué);2019年

2 王明;基于核磁共振成像技術(shù)的碧根果酸敗無損檢測(cè)的研究[D];江蘇大學(xué);2019年

3 張文娟;基于水平集的灰度不均勻圖像分割方法研究[D];安徽理工大學(xué);2019年

4 智緒浩;顯微圖像細(xì)胞分割算法及其應(yīng)用研究[D];上海交通大學(xué);2018年

5 徐麗;基于改進(jìn)型水平集的醫(yī)學(xué)圖像分割算法研究與實(shí)現(xiàn)[D];揚(yáng)州大學(xué);2019年

6 趙佳;基于多相水平集圖像分割的地震數(shù)據(jù)聚類分析算法[D];廈門大學(xué);2017年

7 陳俊超;基于水平集的人工膝關(guān)節(jié)磨粒流加工流場(chǎng)分析與實(shí)驗(yàn)研究[D];浙江工業(yè)大學(xué);2018年

8 周鑫;并行符號(hào)距離計(jì)算及在腦組織提取中的應(yīng)用研究[D];南昌航空大學(xué);2019年

9 潘倩倩;基于多尺度水平集的灰度不均勻醫(yī)學(xué)圖像分割算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2019年

10 尚方信;基于水平集和卷積神經(jīng)網(wǎng)絡(luò)的噪聲圖像分割方法研究[D];太原理工大學(xué);2019年

本文編號(hào)：2801430