本文關(guān)鍵詞：基于模型的醫(yī)學圖像分割研究，由筆耕文化傳播整理發(fā)布。

【摘要】：圖像分割是圖像處理和分析的重要組成部分,其目的是將圖像中感興趣的目標提取出來,使其盡可能地接近真實的結(jié)構(gòu),從而為后續(xù)的圖像分析提供可靠的依據(jù)。由于醫(yī)學圖像組織結(jié)構(gòu)復(fù)雜,形狀的不規(guī)則性,灰度差異小等特點,使用傳統(tǒng)的分割方法往往難以達到理想的分割效果。 本文主要研究基于主動輪廓模型的醫(yī)學圖像分割,該模型適用于圖像處理、計算機視覺等眾多領(lǐng)域。本文首先對現(xiàn)有的圖像分割方法進行了比較全面的綜述,并分析其優(yōu)缺點,介紹了主動輪廓模型和水平集方法。由于傳統(tǒng)的Chan-Vese模型存在計算量大、分割速度慢的問題,根據(jù)醫(yī)學圖像自身特點,本文提出了一種基于水平集改進的分割算法。在圖像全局信息的基礎(chǔ)上,引入局部信息,減少了曲線演化過程中迭代次數(shù),提高了分割速度。將二維圖像分割擴展到對醫(yī)學圖像序列的半自動分割,利用相鄰圖像之間的相似性,將當前的分割結(jié)果作為下一幅圖像的初始輪廓,降低了人工選取初始輪廓曲線的隨機性,提高了分割效率。 在MATLAB平臺上實現(xiàn)了相關(guān)算法,實驗結(jié)果驗證了改進算法的可靠性和準確性,本文提出的方法能夠快速、準確地提取目標物體,是一種較為理想的醫(yī)學圖像分割方法。
【關(guān)鍵詞】：醫(yī)學圖像分割 水平集 主動輪廓模型 Chan-Vese模型
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：R310
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-8
• 目錄8-10
• 1 引言10-13
• 1.1 研究背景和意義10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.3 論文任務(wù)及安排12-13
• 2 圖像分割原理及方法13-25
• 2.1 圖像分割原理13-14
• 2.2 圖像分割方法14-22
• 2.2.1 基于閾值的分割方法14-15
• 2.2.2 基于邊緣檢測的分割方法15-18
• 2.2.3 基于區(qū)域的分割方法18-20
• 2.2.4 基于特定理論的分割方法20-22
• 2.3 圖像分割結(jié)果的評價22-24
• 2.3.1 區(qū)域?qū)Ρ刃?/span>23
• 2.3.2 區(qū)域內(nèi)部均勻性23
• 2.3.3 計算費用23-24
• 2.3.4 算法收斂魯棒性24
• 2.4 本章小結(jié)24-25
• 3 主動輪廓模型和水平集方法25-35
• 3.1 主動輪廓模型25-29
• 3.1.1 參數(shù)主動輪廓模型25-28
• 3.1.2 幾何主動輪廓模型28-29
• 3.2 水平集方法29-34
• 3.2.1 曲線演化理論29-31
• 3.2.2 水平集方法31-34
• 3.3 本章小結(jié)34-35
• 4 算法實現(xiàn)及結(jié)果分析35-53
• 4.1 傳統(tǒng)Chan-Vese模型35-38
• 4.2 Chan-Vese模型的改進38-44
• 4.2.1 二維圖像分割算法改進38-41
• 4.2.2 算法實現(xiàn)41-42
• 4.2.3 圖像序列分割算法原理42-44
• 4.3 實驗結(jié)果及分析44-52
• 4.3.1 二維圖像分割實驗結(jié)果及分析44-49
• 4.3.2 圖像序列分割實驗結(jié)果及分析49-52
• 4.4 本章小結(jié)52-53
• 5 總結(jié)與展望53-55
• 5.1 總結(jié)53
• 5.2 展望53-55
• 參考文獻55-57
• 作者簡歷57-59
• 學位論文數(shù)據(jù)集59

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 戴青云,余英林;數(shù)學形態(tài)學在圖象處理中的應(yīng)用進展[J];控制理論與應(yīng)用;2001年04期

2 林瑤;田捷;;醫(yī)學圖像分割方法綜述[J];模式識別與人工智能;2002年02期

3 安成錦;陳曾平;;基于Otsu和改進CV模型的SAR圖像水域分割算法[J];信號處理;2011年02期

  本文關(guān)鍵詞：基于模型的醫(yī)學圖像分割研究，，由筆耕文化傳播整理發(fā)布。

本文編號：276104