醫(yī)學圖像分割是人體器官組織功能分析以及診斷治療的基礎(chǔ),為提取病變組織周圍信息、輔助醫(yī)生進行病情分析和重建組織器官三維模型提供很好的技術(shù)支撐。隨著醫(yī)學影像技術(shù)的發(fā)展,醫(yī)學圖像的分辨率日益提高,圖像細節(jié)信息越來越豐富,圖像復(fù)雜度的增加使得現(xiàn)有分割技術(shù)難以取得滿意的分割結(jié)果。近年來,利用Graph Cuts算法進行圖像分割是一種新的思路,其通過人工交互的方式能夠快速精確地提取圖像中感興趣的目標。然而傳統(tǒng)Graph Cuts方法存在自動化和魯棒性不足的缺陷,將該方法應(yīng)用于復(fù)雜模糊醫(yī)學圖像的分割還存在一定的局限性。為了解決Graph Cuts算法在處理復(fù)雜醫(yī)學圖像分割時的效率問題,一種可行的方法是通過結(jié)合醫(yī)學圖像的某些特征信息,采用預(yù)處理算法,自動標記前景與背景點,從而大幅減少人工交互的時間,最終提高Graph Cuts算法的效率。論文主要從以下三個方面展開工作:首先,在基于圖切割算法的交互式圖像分割框架基礎(chǔ)上,結(jié)合骨組織CT圖像在灰度特征上與其周圍組織存在明顯不同的特點,設(shè)計了一種基于閾值標記自動生成的Graph Cuts算法。通過引入骨組織的灰度特征信息,結(jié)合用戶的交互,改進后的算法不僅能夠... 

【文章來源】：武漢理工大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

鄰接鏈表表示形式

（1）初始化圖 G 的殘留網(wǎng)絡(luò) Gf，每條邊的初始容量初始化為其殘余容量如圖 2-6 為圖 2-4 的初始化殘留網(wǎng)絡(luò)；圖 2-6 殘留網(wǎng)絡(luò)（2）在殘留網(wǎng)絡(luò)中尋找增廣路徑 p，取增廣路徑 p 中邊的殘余容量的最值作為流的增量 D f，修改殘留網(wǎng)絡(luò)中每條邊的容量，得到修正后的殘留網(wǎng)絡(luò) G（3）重復(fù)執(zhí)行步驟（2），直到找不到一條增廣路徑為止。經(jīng)過第一條增廣路徑 p：1 3s v v ?t，增量 D f= 12，網(wǎng)絡(luò)圖和殘留網(wǎng)如圖 2-7 所示。sv1v2v3v4t15351214425334 32

一B第二


本文編號：3211388