本文關(guān)鍵詞：顱腦損傷病灶區(qū)分割研究

  更多相關(guān)文章： 醫(yī)學(xué)圖像 圖像分割 活動輪廓模型 CV模型 模糊聚類 顱腦損傷

【摘要】：數(shù)字圖像分割是一切處理圖像的基礎(chǔ),對正確的圖像處理具有重要的意義。在醫(yī)學(xué)圖像分割中,活動輪廓模型一直備受學(xué)者的關(guān)注,其數(shù)學(xué)理論嚴(yán)謹(jǐn),利用輪廓曲線動態(tài)演化的思想解決其它分割算法無法解決的問題,充分體現(xiàn)出其在圖像分割領(lǐng)域優(yōu)越性。本文主要研究分割提取顱腦損傷病灶區(qū)的算法,根據(jù)活動輪廓模型的優(yōu)缺點(diǎn)提出一些改進(jìn)和創(chuàng)新,從而能夠?qū)崿F(xiàn)快速、精確的獲得顱腦損傷病灶區(qū)域。本文具體研究工作安排如下：(1)針對基于全局區(qū)域的活動輪廓模型能夠分割弱邊界圖像,但對灰度非均勻的圖像分割是不穩(wěn)定的；而基于局部區(qū)域的活動輪廓模型能夠很好的分割灰度值非均勻的圖像,但其分割效率并不高。本文提出整合待分割圖像的全局、局部區(qū)域信息作為算法的能量函數(shù),對灰度非均勻的圖像進(jìn)行分割。為了控制全局、局部區(qū)域在能量函數(shù)中所占的權(quán)重,進(jìn)一步提高圖像分割速度,本文引入基于自適應(yīng)權(quán)重函數(shù)用于控制能量函數(shù)中的全局及局部項(xiàng)所占的比例,從而能夠減少能量函數(shù)計(jì)算復(fù)雜度,本文稱該方法為基于自適應(yīng)權(quán)重混合活動輪廓模型。通過實(shí)驗(yàn)可以看出該算法能夠快速、準(zhǔn)確的提取出含有的病灶區(qū)域,但該算法對初始化輪廓位置要求交為嚴(yán)格。(2)由于基于自適應(yīng)權(quán)重混合活動輪廓模型需要人工給出初始化目標(biāo)輪廓區(qū)域的位置,且對初始化目標(biāo)區(qū)域要求較為嚴(yán)格。為了解決初始化輪廓區(qū)域位置問題,本文提出基于模糊自適應(yīng)權(quán)重混合活動輪廓模型對顱腦損傷圖像病灶區(qū)進(jìn)行分割提取。首先使用聚類算法對醫(yī)學(xué)圖像進(jìn)行初聚類分割,然后將初始聚類分割結(jié)果作為自適應(yīng)權(quán)重混合活動輪廓模型的初始目標(biāo)輪廓區(qū)域。實(shí)驗(yàn)表明,使用該方法不僅能夠提高病灶區(qū)的分割速度,而且能夠提高病灶區(qū)分割精度。
【關(guān)鍵詞】：醫(yī)學(xué)圖像 圖像分割 活動輪廓模型 CV模型 模糊聚類 顱腦損傷
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：R651.15;TP391.41
【目錄】：

• 摘要3-4
• Abstract4-11
• 第一章 緒論11-16
• 1.1 課題背景和研究意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.3 本文研究工作14-15
• 1.4 本文的內(nèi)容安排15-16
• 第二章 活動輪廓模型及其相關(guān)的數(shù)學(xué)知識16-26
• 2.1 參數(shù)活動輪廓模型16-17
• 2.2 幾何活動輪廓模型17-24
• 2.2.1 CV模型相關(guān)知識18-22
• 2.2.2 耦合曲線演化模型相關(guān)知識22-24
• 2.3 水平集方法基本理論24-25
• 2.4 本章小結(jié)25-26
• 第三章 基于自適應(yīng)權(quán)重混合活動輪廓模型的顱腦損傷病灶區(qū)提取26-41
• 3.1 引言26-27
• 3.2 基于自適應(yīng)權(quán)重混合區(qū)域活動輪廓模型圖像分割27-33
• 3.2.1 基于自適應(yīng)權(quán)重混合輪廓活動輪廓模型全局能量函數(shù)項(xiàng)28
• 3.2.2 基于自適應(yīng)權(quán)重混合輪廓活動輪廓模型局部能量函數(shù)項(xiàng)28-30
• 3.2.3 混合活動輪廓模型的自適應(yīng)參數(shù)w(x)30-31
• 3.2.4 基于自適應(yīng)權(quán)重混合輪廓活動輪廓模型能量函數(shù)31-33
• 3.3 實(shí)驗(yàn)結(jié)果與分析33-40
• 3.4 本章總結(jié)40-41
• 第四章 基于模糊自適應(yīng)權(quán)重混合模型顱腦損傷病灶區(qū)提取41-54
• 4.1 模糊C聚類模型理論及改進(jìn)41-47
• 4.1.1 模糊C聚類算法的思想與步驟41-44
• 4.1.2 模糊C聚類算法的改進(jìn)44-46
• 4.1.3 基于灰度直方圖FCM算法實(shí)驗(yàn)分析46-47
• 4.2 基于模糊自適應(yīng)權(quán)重混合活動輪廓模型47-48
• 4.3 實(shí)驗(yàn)結(jié)果與分析48-52
• 4.3.1 定性的分析49-51
• 4.3.2 定量分析51-52
• 4.4 本章小結(jié)52-54
• 第五章 總結(jié)與展望54-56
• 5.1 總結(jié)54-55
• 5.2 展望55-56
• 致謝56-57
• 參考文獻(xiàn)57-62
• 碩士期間發(fā)表論文62-63
• 碩士期間科研活動63

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 何愛軍,汪天富,鄭昌瓊,鄭翊,李德玉,趙樹魁;基于活動輪廓模型的超聲心臟圖像輪廓的自動檢測[J];生物醫(yī)學(xué)工程學(xué)雜志;2001年02期

2 王敏尤;秦斌杰;;基于圖像塊匹配和測地線活動輪廓模型的腫瘤自動檢測算法[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2007年06期

3 孫豐榮;李艷玲;曲懷敬;劉澤;張梅;;基于活動輪廓模型和邊緣對比度特征量的血管內(nèi)超聲圖像邊緣提取[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2006年04期

4 田飛;楊豐;劉國慶;;一種適用于血管圖像分割的活動輪廓模型[J];生物醫(yī)學(xué)工程學(xué)雜志;2010年05期

5 楊柳;汪天富;林江莉;李德玉;;基于平均曲率流活動輪廓模型的超聲醫(yī)學(xué)圖像邊緣提取[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2007年03期

6 聶敏;高滿屯;;基于活動輪廓模型的B超乳腺腫瘤圖像分割[J];北京生物醫(yī)學(xué)工程;2008年05期

7 苗鳳君;B超醫(yī)學(xué)圖像分割技術(shù)的研究[J];中原工學(xué)院學(xué)報(bào);2004年02期

8 許燕,樊瑜波,于曉軍;體表損傷圖像的分割[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2005年05期

9 程兆寧;宋志堅(jiān);;RSF模型的優(yōu)化及其在MRI腦腫瘤分割中的應(yīng)用[J];生物醫(yī)學(xué)工程學(xué)雜志;2013年02期

10 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 劉丹;賴志茂;;于活動輪廓模型的邊界快速提取算法[A];教育部中南地區(qū)高等學(xué)校電子電氣基礎(chǔ)課教學(xué)研究會第二十屆學(xué)術(shù)年會會議論文集（下冊）[C];2010年

2 主海文;高松;刁越;劉有軍;;基于改進(jìn)活動輪廓模型的血管斷層圖像分割[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

3 王國棟;潘振寬;趙希梅;劉存良;王鈺;;基于圖像分解和活動輪廓模型的紋理分割[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

4 方林;于海洋;李立超;鄒嬌;;基于光照不均勻的車輛提取與恢復(fù)模型[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 侍佼;模糊活動輪廓模型在圖像分割與變化檢測中的應(yīng)用[D];西安電子科技大學(xué);2015年

2 付斌;基于活動輪廓模型的目標(biāo)分割與跟蹤的研究[D];哈爾濱工程大學(xué);2006年

3 薛維琴;基于管狀約束活動輪廓模型的血管分割方法研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2013年

4 陳侃;基于活動輪廓模型的肺結(jié)節(jié)分割方法研究[D];華南理工大學(xué);2013年

5 崔華;基于活動輪廓模型的圖像分割方法研究[D];東北大學(xué);2009年

6 高向軍;活動輪廓模型及其在虛擬內(nèi)窺鏡中的應(yīng)用研究[D];華南理工大學(xué);2008年

7 朱國普;基于活動輪廓模型的圖像分割[D];哈爾濱工業(yè)大學(xué);2007年

8 方玲玲;圖像分割的活動輪廓模型研究[D];蘇州大學(xué);2013年

9 劉國奇;活動輪廓模型中向量場基本理論及發(fā)展[D];華南理工大學(xué);2013年

10 鄭罡;基于活動輪廓模型的人腦MRI結(jié)構(gòu)像多層次分割方法研究[D];南京航空航天大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 鐘輝強(qiáng);活動輪廓模型外部能量項(xiàng)的研究[D];華南理工大學(xué);2015年

2 官俊;活動輪廓模型在林木圖像分割中的應(yīng)用研究[D];東北林業(yè)大學(xué);2015年

3 苗宗霞;基于活動輪廓模型的醫(yī)學(xué)圖像分割方法研究[D];西南大學(xué);2015年

4 周飛飛;基于活動輪廓模型的圖像分割方法[D];南昌航空大學(xué);2015年

5 曹建伐;顱內(nèi)血管分割算法研究[D];浙江工業(yè)大學(xué);2015年

6 范兆龍;基于活動輪廓模型分割方法研究[D];南昌航空大學(xué);2015年

7 鐘景茹;顱內(nèi)動脈瘤介入治療支架植入圖像仿真優(yōu)化計(jì)算方法研究[D];首都醫(yī)科大學(xué);2016年

8 卜祥東;顱腦損傷病灶區(qū)分割研究[D];安徽大學(xué);2016年

9 王蓉;活動輪廓模型及在人臉部輪廓檢測中的應(yīng)用[D];太原科技大學(xué);2008年

10 丁煒;基于活動輪廓模型的圖像特征提取方法研究[D];廣東工業(yè)大學(xué);2004年

，

本文編號：624808