【摘要】：圖像分割是圖像處理中的一項(xiàng)關(guān)鍵技術(shù),近幾年圖像分割技術(shù)逐漸向著立體圖像處理方向發(fā)展,針對醫(yī)學(xué)立體圖像的分割研究成為一個重要的研究方向。目前對立體圖像分割的研究中,在鄰域結(jié)構(gòu)信息的充分利用、自動確定分割數(shù)目以及空域特征提取與分割等方面尚需進(jìn)一步完善。對醫(yī)學(xué)立體圖像分割的研究仍是一項(xiàng)具有挑戰(zhàn)性的課題,具有重要的研究意義和臨床實(shí)際應(yīng)用價值。本文針對醫(yī)學(xué)MRI立體圖像的分割進(jìn)行了深入的研究,主要研究工作如下：本文對利用矢量量化技術(shù)實(shí)現(xiàn)圖像分割的方法進(jìn)行了研究,利用矢量量化過程對圖像進(jìn)行以局部區(qū)域(圖像子塊)為單元的分割,提出了圖像分割的矢量量化方法。該分割方法不僅針對圖像像素灰度信息進(jìn)行,還利用了像素鄰域結(jié)構(gòu)信息,符合人類視覺對外界信息的認(rèn)知過程。在實(shí)現(xiàn)圖像子塊矢量量化的過程中,采用基于SOM神經(jīng)網(wǎng)絡(luò)的方法完成碼本設(shè)計(jì),并通過利用基于最小化類內(nèi)離散度與類間離散度比值的方法求取最佳碼本尺寸,據(jù)此自適應(yīng)確定圖像的分割數(shù)目。針對醫(yī)學(xué)MRI立體圖像的分割,提出了一套基于矢量量化的MRI立體圖像分割方法。該方法以立體圖像的空間子塊為基本單元,將矢量量化應(yīng)用于三維數(shù)據(jù)的分割之中。針對MRI立體圖像的特點(diǎn),設(shè)計(jì)了立體圖像的層間插值算法、空間子塊的邊緣模式檢測算法；在利用SOM神經(jīng)網(wǎng)絡(luò)獲取量化碼本過程中,設(shè)計(jì)了分層分割和整體分割兩種方式；利用矢量量化過程完成對由空間子塊構(gòu)造的矢量進(jìn)行的自適應(yīng)立體分割。實(shí)際中,將提出的立體圖像分割方法應(yīng)用于人腦MRI立體圖像的分割之中,分別以IBSR圖像庫和BrainWeb圖像庫中的仿真立體圖像和真實(shí)立體圖像為樣本進(jìn)行實(shí)驗(yàn)和結(jié)果分析。在立體圖像值域分割基礎(chǔ)上,本文通過對其空域特征進(jìn)行分析,提出了一種立體圖像的空域分割方法。該方法首先通過對立體圖像空間連通性的檢測得出值域分割結(jié)果中各個空間體在三維空間中的連通關(guān)系,并據(jù)此將值域分割結(jié)果進(jìn)行進(jìn)一步分割；然后通過提取各空間體相應(yīng)的空域幾何參數(shù),對得到分割結(jié)果進(jìn)行定量描述,完成對MRI立體圖像的最終分割。通過在人腦MRI立體圖像值域分割基礎(chǔ)上進(jìn)行的空域分割實(shí)驗(yàn),驗(yàn)證了提出的空域分割方法的有效性,并將得出的人腦各部分的定量信息和病灶隨時間變化的空域幾何參數(shù),應(yīng)用于實(shí)際臨床醫(yī)學(xué)研究和治療中。
[Abstract]:Image segmentation is a key technology in image processing. In recent years, image segmentation technology has gradually developed towards stereo image processing, and the research on medical stereo image segmentation has become an important research direction. At present, in the research of stereo image segmentation, it is necessary to make full use of neighborhood structure information, determine the number of segmentation automatically, and extract and segment spatial features. The research on medical stereo image segmentation is still a challenging subject with important research significance and clinical application value. In this paper, the segmentation of medical MRI stereo image is deeply studied. The main research work is as follows: in this paper, the method of image segmentation based on vector quantization is studied. Using the vector quantization process to segment the image with local region (image sub-block) as the unit, a vector quantization method for image segmentation is proposed. The segmentation method not only aims at the gray level information of image pixels, but also utilizes the pixel neighborhood structure information, which accords with the cognition process of human vision to the outside information. In the process of realizing image subblock vector quantization, the codebook design is accomplished based on SOM neural network, and the optimal codebook size is obtained by using the method based on minimizing the ratio of intra-class dispersion to inter-class dispersion. According to this, the number of image segmentation is determined adaptively. A set of MRI stereo image segmentation method based on vector quantization is proposed for medical MRI stereo image segmentation. In this method, the spatial subblock of stereo image is taken as the basic unit, and vector quantization is applied to the segmentation of 3D data. According to the characteristics of MRI stereo image, the interlayer interpolation algorithm of stereo image and the edge pattern detection algorithm of space sub-block are designed, and two methods of hierarchical segmentation and global segmentation are designed in the process of obtaining quantization codebook by using SOM neural network. The vector quantization process is used to realize the adaptive stereo segmentation of the vector constructed by the space subblock. In practice, the proposed stereo image segmentation method is applied to the segmentation of human brain MRI stereo image. The simulation stereo image and the real stereo image in the IBSR image library and the BrainWeb image database are taken as the samples and the results are analyzed respectively. On the basis of stereo image range segmentation, a spatial segmentation method of stereo image is proposed by analyzing its spatial features. Firstly, by detecting the spatial connectivity of the stereo image, the connectedness of each spatial body in the three-dimensional space is obtained, and then the range segmentation results are further segmented. Then, by extracting the corresponding spatial geometric parameters of each spatial volume, the segmentation results are quantitatively described, and the final segmentation of the MRI stereo image is completed. Based on the range segmentation of human brain MRI stereo image, the validity of the proposed spatial segmentation method is verified, and the quantitative information of each part of the human brain and the spatial geometric parameters of the lesion changing with time are obtained. It is applied to clinical medical research and treatment.
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報;2007年02期

2 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割[J];信息技術(shù);2008年09期

3 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動化;2009年11期

4 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2010年02期

5 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期

6 龔永義;黃輝;于繼明;關(guān)履泰;;基于熵的兩區(qū)域圖像分割[J];中國圖象圖形學(xué)報;2011年05期

7 張甫;李興來;陳佳君;;淺談圖像分割方法的研究運(yùn)用[J];科技創(chuàng)新與應(yīng)用;2012年04期

8 汪梅;何高明;賀杰;;常見圖像分割的技術(shù)分析與比較[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年06期

9 魏慶;盧照敢;邵超;;基于復(fù)雜性指數(shù)的圖像分割必要性判別技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2013年16期

10 陳曉丹;李思明;;圖像分割研究進(jìn)展[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2013年33期

相關(guān)會議論文 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進(jìn)展[A];中華中醫(yī)藥學(xué)會中醫(yī)診斷學(xué)分會第十次學(xué)術(shù)研討會論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測繪通報》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學(xué)CT中的應(yīng)用[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 白雪飛;基于視覺顯著性的圖像分割方法研究[D];山西大學(xué);2014年

2 黃萬里;基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學(xué);2015年

3 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學(xué);2014年

4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年

5 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);2013年

6 馮籍瀾;高分辨率SAR圖像分割與分類方法研究[D];電子科技大學(xué);2015年

7 李偉斌;圖像分割中的變分模型與快速算法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

8 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割[D];西安電子科技大學(xué);2014年

9 帥永e，

本文編號：2243885