本文關(guān)鍵詞：基于模糊聚類算法的腦MRI圖像分割

  更多相關(guān)文章： 腦MRI 模糊聚類 圖像分割 噪聲 偏移場(chǎng)

【摘要】：磁共振成像(Magnetic Resonance Imaging, MRI)是人體影像學(xué)中一種重要的無損檢測(cè)手段,對(duì)軟組織具有很好的成像效果,廣泛應(yīng)用在腦部組織結(jié)構(gòu)的成像中。腦部組織結(jié)構(gòu)的正確分割對(duì)腦發(fā)育與人體衰老、腦部疾病的診斷、病灶的定位、手術(shù)方案規(guī)劃等具有重要的指導(dǎo)意義。由于受設(shè)備自身以及成像過程中對(duì)象移動(dòng)等因素的影響,腦MRI圖像會(huì)受到噪聲、偏移場(chǎng)和部分容積效應(yīng)的干擾,使得成像質(zhì)量下降,給基于計(jì)算機(jī)的自動(dòng)分割算法帶來了挑戰(zhàn)。本文主要是針對(duì)腦MRI圖像自動(dòng)分割算法的研究,目標(biāo)是在噪聲和偏移場(chǎng)存在的情況下,通過自動(dòng)分割算法將腦MRI圖像準(zhǔn)確地分為白質(zhì)、灰質(zhì)、腦脊液。模糊聚類算法建立了樣本類屬不確定性的表達(dá),能夠描述部分容積效應(yīng)給腦MRI圖像帶來的模糊性,因此很適合腦MRI圖像的分割。模糊聚類算法中,模糊C-均值聚類(Fuzzy C-Means Clustering, FCM)算法得到了最為廣泛研究和應(yīng)用。經(jīng)典的FCM算法沒有利用鄰域信息,對(duì)噪聲和偏移場(chǎng)都極為敏感,直接應(yīng)用到腦MRI圖像的分割中,并不能得到理想的分割結(jié)果。為了提高FCM算法對(duì)噪聲的魯棒性,通常是在目標(biāo)函數(shù)中加入鄰域信息的約束。本文首先對(duì)各類FCM的改進(jìn)算法進(jìn)行了理論分析和實(shí)驗(yàn)結(jié)果的比較,總結(jié)了不同方法的改進(jìn)思想。然后在此基礎(chǔ)上提出了一種新算法,即邊緣感知模糊C-均值聚類圖像分割算法。新算法合理利用了鄰域內(nèi)灰度和空間信息以及鄰域的平滑程度對(duì)代價(jià)函數(shù)的約束,對(duì)不同類型的噪聲具有較強(qiáng)的魯棒性。合成圖像和腦MRI圖像的分割結(jié)果表明,本文提出的新算法較其他幾種方法分割結(jié)果更為準(zhǔn)確。腦MRI圖像中的噪聲和偏移場(chǎng)是同時(shí)存在的,因此能夠同時(shí)去除噪聲和偏移場(chǎng)的算法有利于腦組織的準(zhǔn)確分割。本文最后提出了一種邊緣感知模糊C-均值聚類與一致局部信息相結(jié)合的方法。該方法利用一致局部信息保證了估計(jì)的偏移場(chǎng)平滑且緩慢變化的特性。算法在去除噪聲的同時(shí)修正了偏移場(chǎng),大量仿真腦圖像及真實(shí)腦MRI圖像的分割結(jié)果表明該算法具有較好的分割性能,能夠準(zhǔn)確地分割腦組織。
【關(guān)鍵詞】：腦MRI 模糊聚類 圖像分割 噪聲 偏移場(chǎng)
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R445.2;TP391.41
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-13
• 1.1 課題的提出與研究意義8-10
• 1.2 腦MRI圖像分割方法綜述10-12
• 1.3 研究?jī)?nèi)容及章節(jié)安排12-13
• 2 腦MRI圖像簡(jiǎn)介及FCM類分割算法13-28
• 2.1 腦部磁共振成像簡(jiǎn)介13-16
• 2.2 算法評(píng)估準(zhǔn)則16-18
• 2.3 標(biāo)準(zhǔn)FCM算法18-20
• 2.4 改進(jìn)的FCM類分割算法20-28
• 2.4.1 算法介紹分析20-24
• 2.4.2 實(shí)驗(yàn)結(jié)果24-28
• 3 邊緣感知模糊C-均值聚類圖像分割算法28-38
• 3.1 概述28
• 3.2 問題分析及算法提出28-33
• 3.2.1 問題分析28-30
• 3.2.2 新算法的提出30-33
• 3.3 實(shí)驗(yàn)結(jié)果及分析33-37
• 3.3.1 合成圖像實(shí)驗(yàn)結(jié)果33-35
• 3.3.2 MRI圖像實(shí)驗(yàn)結(jié)果35-37
• 3.4 小結(jié)37-38
• 4 抗噪局部相干模糊聚類算法38-56
• 4.1 去除MRI圖像中偏移場(chǎng)的方法討論38-40
• 4.2 算法改進(jìn)與實(shí)現(xiàn)40-43
• 4.2.1 一致局部信息偏移場(chǎng)估計(jì)分析40-41
• 4.2.2 新算法的提出與實(shí)現(xiàn)41-43
• 4.3 實(shí)驗(yàn)結(jié)果及分析43-55
• 4.3.1 合成圖像實(shí)驗(yàn)43-49
• 4.3.2 Brainweb腦MRI圖像實(shí)驗(yàn)49-52
• 4.3.3 IBSR腦MRI圖像實(shí)驗(yàn)52-53
• 4.3.4 真實(shí)腦MRI圖像實(shí)驗(yàn)53-55
• 4.4 小結(jié)55-56
• 結(jié)論56-57
• 參考文獻(xiàn)57-61
• 附錄A ESFLICM算法計(jì)算公式推導(dǎo)61-63
• 附錄B ANCLIFC算法計(jì)算公式推導(dǎo)63-65
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況65-66
• 致謝66-67

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前1條

1 余紹德;伍世賓;張文濤;謝耀欽;;一種改進(jìn)的組織相似性映射圖方法[J];集成技術(shù);2014年01期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 王珊珊;基于解析和訓(xùn)練字典的稀疏表達(dá)理論研究及其在醫(yī)學(xué)和圖像處理中的應(yīng)用[D];上海交通大學(xué);2014年

2 李朝輝;磁共振成像中的非均勻場(chǎng)校正及線圈靈敏度估計(jì)算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉筱力;基于偏差場(chǎng)補(bǔ)償和鄰域約束的腦磁共振圖像分割方法[D];東北師范大學(xué);2013年

，

本文編號(hào)：1051365