学位论文 > 优秀研究生学位论文题录展示

基于模糊聚类理论的脑部图像分割

作　者: 杨红
导　师: 张建伟
学　校: 南京信息工程大学
专　业: 应用数学
关键词: 磁共振图像图像分割局部熵偏移场非局部信息
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 0次
引　用: 0次
阅　读: 论文下载

内容摘要

脑部疾病是当前威胁人类身体健康的主要疾病之一。利用脑影像检查技术,定性和定量地分析脑组织,对有效诊断脑疾病有重要帮助。磁共振成像(magnetic resonance imaging, MRI)以其非介入性、非损伤性、很少受目标物体运动的影响等特点,已被广泛运用于医学图像拍摄,它已经成为人们进行脑功能、病理和解剖研究的主要手段。在中高层医学影像分析中,往往需要先对图像进行精确分割,从而得到关于病灶区域的定量分析结果,为后续医疗方案的制定和修改提供依据。由于脑图像内部组织间边界的模糊性和MR图像成像过程中所造成的图像内在的不确定性,使得模糊聚类技术广泛地应用于MR图像分割,目前应用最为广泛的模糊聚类技术是模糊C均值(fuzzy c means, FCM)聚类算法。然而由于成像机制等因素的影响,使得MR图像中常常同时含有噪声以及偏移场现象,因此仅考虑单个像素灰度信息的传统模型并不能得到良好的分割结果。为此,本文通过考察图像的全局和局部信息,将图像分割与偏移场恢复纳入统一框架,使得模型能同时降低噪声和偏移场的影响。本文主要研究工作包括以下几个方面：(1)提出一种参数化偏移场恢复与分割耦合模型。该模型将偏移场建模成一组多项式基函数的线性组合,以期获得较为光滑的偏移场,从而有效地降低灰度不均匀对分割结果的影响。(2)提出一种基于非局部信息的图像分割与偏移场恢复耦合模型。该模型首先采用非局部信息来构建邻域正则项,使得模型在降低噪声影响的同时能有效地保持图像的结构信息；其次将偏移场作为乘性附加场耦合到模型中,同时实现图像分割与偏移场恢复。(3)提出一种基于局部熵的图像分割与偏移场恢复耦合模型。该模型首先根据图像的局部信息构建局部能量项,并将偏移场耦合到模型中以恢复图像的偏移场；其次在对局部能量项进行全局积分时引入局部熵信息,使得模型具有各项异性,从而对噪声和偏移场影响更具鲁棒性。

全文目录

相似论文

森林防火系统中图像识别算法的研究,TP391.41
数字图像处理在集装箱检测中的应用研究,TP274.4
个性化人工膝关节设计及其生物力学特性研究,R318.1
基于Split Bregman算法的多相图像分割及三维重建,TP391.41
脑核磁共振影像脑组织分割及多发性硬化损伤算法,TP391.41
三维医学血管图像的分割,TP391.41
基于分形理论和活动轮廓模型的图像分割方法研究,TP391.41
弥散敏感度b值在脑梗塞多谱MR图像分割中的应用研究,TP391.41
基于指纹与手指静脉的双模态识别算法研究,TP391.41
贝叶斯优化算法的研究及其在图像分割中的应用,TP391.41
基于水平集和局部灰度阈值的神经干细胞序列图像的分割算法,TP391.41
自由搜索算法的改进及其在图像分割中的应用,TP391.41
基于图像特征的早期火灾探测技术的研究,X924.2
基于单目视觉的障碍物检测方法,TP242
可配置的高分辨率遥感图像目标识别方法研究,TP751
变电站电力设备红外图像分割技术研究,TP391.41
小波结合C-V模型的工业CT/DR图像缺陷检测算法研究,TP391.41
Chan-Vese活动轮廓模型的研究,TP391.41
无需重新初始化模型的研究,TP391.41
基于C-V模型的工业CT三维图像曲面面积与内腔体积测量算法研究,TP391.41
指纹图像预处理与识别算法研究,TP391.41