【摘要】：肝臟是人體內(nèi)非常重要的器官之一,參與了多項代謝活動。近年來肝臟疾病的頻發(fā)引起了人們對肝臟疾病的重視。對腹部進(jìn)行磁共振成像(Magnetic Resonance Imaging,MRI)檢查可以觀察到豐富的腹部組織信息,利于醫(yī)生對肝臟疾病進(jìn)行準(zhǔn)確的診斷和快速的治療。但在MRI的成像過程中,常常會存在偏移場現(xiàn)象,即MR圖像中存在灰度不均勻性。MRI中偏移場的存在會使得后續(xù)的圖像處理存在很大的困難,如肝臟分割,肝臟組織的建模等,所以對腹部MRI進(jìn)行了偏移場矯正是十分重要的�；谝陨戏治�,本文選取了CLIC和N4這兩種偏移場矯正方法,在了解這兩種算法的基礎(chǔ)上,使用這兩種算法對已有的腹部MRI進(jìn)行偏移場矯正處理。并通過直接觀察矯正后MR圖像,矯正后MRI的直方圖比較,以及比較矯正后圖像的肝臟提取效果的評價手段對這兩種偏移場矯正方法進(jìn)行評價。本文所做的主要工作包含以下幾方面:首先,由于腹部MRI存在灰度不均勻性,導(dǎo)致肝臟組織的提取存在一定的困難,本文分別使用了N4和CLIC偏移場矯正算法對腹部MRI進(jìn)行偏移場矯正,并對兩種方法矯正后的MR圖像進(jìn)行了直接觀察比較和差值圖像比較,同時對兩種方法矯正后的圖像進(jìn)行直方圖處理,發(fā)現(xiàn)經(jīng)CLIC矯正后圖像的直接觀察效果要好于N4矯正后的圖像,灰度分布也更加均勻。其次,本文使用了Level set方法對兩種方法矯正后的圖像進(jìn)行了肝臟組織的提取,并通過與人工分割的圖像進(jìn)行對比,在分割圖像的對比過程中使用了參數(shù)評價的方法,觀察到經(jīng)CLIC方法矯正后的MR圖像提取出的肝臟組織范圍更大,與人工分割的肝臟組織的圖像的相似程度更高。最后,本文使用通過MATLAB和Visual Studio軟件得出以下結(jié)論,即在本文的實驗條件下,可以認(rèn)為CLIC方法的偏移場矯正效果要略好于N4方法的偏移場矯正效果。
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：R575;R445.2;TP391.41
【圖文】：

爾濱理工大學(xué)工程碩士學(xué)位minmin1 , (( )0 , ii i u xi i = = I(x))}。算法原理進(jìn)行了簡要代所獲得的，因為目凸函數(shù)，即 CLIC 初 始 化 參

（g） （h） （I）圖 2-2 原始 MR 圖像與 CLIC 矯正后的腹部 MR 圖像（其中圖 a，d，g 表示原始腹部 MR 圖像；圖 b，e，h 表示 CLIC 方法矯正后的腹部 M圖像；圖 c，f，I 表示 CLIC 方法矯正前后的差值圖像。）

N4算法流程圖

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張錦華;孫挺;;引入像點融合度修補的圖像邊緣化參差拼接實現(xiàn)[J];微電子學(xué)與計算機;2014年08期

2 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術(shù)開發(fā);2013年12期

3 顧長友;妙用Photoshop處理圖像邊緣[J];電腦知識與技術(shù);2003年08期

4 濮群,余桂;用線性模型檢測圖像邊緣[J];清華大學(xué)學(xué)報(自然科學(xué)版);1988年01期

5 宋建中;;噴霧圖像的自動分析[J];光學(xué)機械;1988年04期

6 高華;;關(guān)于古建筑圖像中破損點優(yōu)化提取仿真[J];計算機仿真;2017年11期

7 劉娟娟;劉斌;;低照度非線性光學(xué)圖像邊緣自適應(yīng)增強裝置設(shè)計[J];激光雜志;2017年03期

8 張琳梅;;基于圖像邊緣增強的改進(jìn)方法[J];信息系統(tǒng)工程;2016年03期

9 王水萍;鄒蕾;;空中模糊目標(biāo)圖像邊緣信息的融合與恢復(fù)方法[J];科技通報;2014年06期

10 朱慶生;楊世泉;柳鋒;;基于圖像邊緣摘要的快速模板匹配[J];計算機應(yīng)用研究;2009年02期

相關(guān)會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)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

3 王亮亮;李明;高昕;;強模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

4 陳煒;張陽陽;孟慶勛;;一種基于Curvelet變換的圖像邊緣增強方法[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

6 孫增國;師蕊;;基于L_(1/2)范數(shù)的高分三SAR圖像的非局部均值降斑[A];第五屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2018年

7 楊文秀;陸常周;;最優(yōu)小波問題探討[A];新世紀(jì) 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

8 趙恩良;姜盈帆;孫麗華;曹康敏;金瑞巧;;一種基于變窗口的圖像去噪算法研究[A];第十六屆沈陽科學(xué)學(xué)術(shù)年會論文集（理工農(nóng)醫(yī)）[C];2019年

9 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

10 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];2012年

相關(guān)重要報紙文章 前7條

1 侯杰;國產(chǎn)芯片進(jìn)軍移動多媒體市場[N];人民郵電;2003年

2 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動[N];電腦報;2003年

4 ;體驗決定一切[N];中國計算機報;2003年

5 Wang JS;摳圖又有新招[N];電腦報;2002年

6 徐和德;從實戰(zhàn)出發(fā)選擇合適鏡頭[N];中國攝影報;2019年

7 ;令挑剔的人也刮目相看[N];中國電子報;2001年

相關(guān)博士學(xué)位論文 前10條

1 劉奇;基于結(jié)構(gòu)保持濾波的圖像去霧算法研究[D];西安電子科技大學(xué);2018年

2 劉飛;透混沌介質(zhì)偏振成像技術(shù)[D];西安電子科技大學(xué);2016年

3 李永軍;圖像與視頻低復(fù)雜度壓縮算法研究[D];西安電子科技大學(xué);2017年

4 何人杰;圖像去霧與去湍流方法研究[D];西北工業(yè)大學(xué);2017年

5 張文靜;光場成像技術(shù)在天空偏振模式測量和湍流圖像清晰化中的應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2016年

6 左承林;圖像非局部均值去噪方法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

7 王丹;基于暗通道先驗的圖像和視頻去霧模型及算法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

8 宋文青;SAR圖像自動目標(biāo)提取方法研究[D];西安電子科技大學(xué);2018年

9 楊濱;圖像克隆拼接篡改盲取證技術(shù)研究[D];湖南大學(xué);2014年

10 張小帆;基于介觀尺度的內(nèi)燃機進(jìn)氣流場層析圖像診斷機理研究[D];華南理工大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 葉顯一;基于深度學(xué)習(xí)的糖尿病視網(wǎng)膜病變圖像中滲出物的檢測方法研究[D];武漢工程大學(xué);2018年

2 張光裕;高質(zhì)量圖像的漸進(jìn)式并行檢索算法研究[D];廈門大學(xué);2017年

3 張秀;基于單幅圖像的沙塵圖像清晰化方法及系統(tǒng)[D];西安理工大學(xué);2019年

4 路鑫林;基于骨料形狀匹配的混凝土CT圖像裂紋信息提取方法研究[D];西安理工大學(xué);2019年

5 孫利國;基于深度學(xué)習(xí)的文物圖像單標(biāo)簽和多標(biāo)簽分類研究[D];浙江大學(xué);2019年

6 李嶺;圖像與數(shù)據(jù)融合的抓取機構(gòu)控制系統(tǒng)研究[D];沈陽工業(yè)大學(xué);2019年

7 王陳;指靜脈多曝光圖像的研究[D];北京郵電大學(xué);2019年

8 武筱琪;基于深度學(xué)習(xí)的漫畫風(fēng)格遷移方法研究[D];西安理工大學(xué);2019年

9 余鍇鑫;基于圖像分類算法的自動化摘酒方法研究[D];浙江大學(xué);2019年

10 左慶;基于卷積神經(jīng)網(wǎng)絡(luò)的單幅圖像去霧算法的研究與應(yīng)用[D];重慶師范大學(xué);2019年

本文編號：2803885