学位论文 > 优秀研究生学位论文题录展示
肺部CT图像分割技术研究
作 者: 王娜娜
导 师: 陈树越
学 校: 中北大学
专 业: 生物医学工程
关键词: 肺部CT图像 图像分割 水平集方法 分水岭变换 轮廓检测
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 85次
引 用: 0次
阅 读: 论文下载
内容摘要
肺癌是一种常见的肺部恶性肿瘤。近年来,随着吸烟和各种环境因素的影响,世界各国尤其是工业发达国家,肺癌的发病率和死亡率均迅速上升,死于癌病的男性病人中肺癌已居首位。在对肺部疾病进行计算机辅助诊断研究时,肺部CT图像的分割是最核心的步骤,是影响分析稳定性、自动化、结果精确性的关键问题,其分割结果的好坏直接影响到后续的分析过程。传统的水平集分割方法在演化过程中,不得不周期性地对水平集函数进行重新初始化,反复的初始化不仅浪费时间,而且使演化速度变慢。本文分析了距离保持水平集分割方法,该方法在传统控制演化微分方程中加入了一项内部能量项,用以调节演化过程中水平集函数与符号距离函数之间的偏差,这样就有效地避免了传统水平集函数周期性地初始化这一局限。通过具体的肺部CT图像分割过程的演示,证明该方法在分割过程中能够很好地提取肺部边界。分水岭变换具有计算简便、分割结果精确、分割速度快等优点。这些优点使得它在医学图像分割中得到了广泛的应用。但是由于图像中通常存在的噪声和局部不规则性,在对医学图像进行分割的过程中容易产生“过分割”现象,这给算法的广泛应用造成了一定的障碍。本文在充分研究分水岭算法的基础上,分析了一种改进分水岭算法——标记分水岭算法。实验结果表明,在肺部CT图像分割过程中,该方法能够很好地抑制“过分割”现象的产生,准确提取肺区边缘。本文最后提出的基于水平集和分水岭相结合的轮廓检测算法,有效地结合了两种分割方法的优点,既能准确地收敛于待检测目标的边界处,还能避免由于噪声或图像不规则性等引起的过分割现象。该算法利用距离保持水平集算法初步获得待测目标的大致轮廓,进而利用标记分水岭算法提取准确的边界。实验结果表明,该方法在肺部CT图像的分割过程中,较之前两种方法,能更好地对肺部CT图像进行分割。
|
全文目录
摘要 4-5 Abstract 5-9 1 绪论 9-15 1.1 选题背景及研究意义 9-10 1.2 医学图像分割技术 10-13 1.2.1 图像分割概述 10-11 1.2.2 图像分割理论基础 11-12 1.2.3 图像分割技术的应用 12-13 1.2.4 图像分割技术的意义 13 1.3 论文的研究内容及安排 13-15 2 CT 成像技术与肺部 CT 图像分割技术 15-24 2.1 CT 的历史与展望 15-19 2.1.1 X 射线摄影术 15-16 2.1.2 CT 的发展历史 16-18 2.1.3 CT 的应用 18-19 2.2 肺部 CT 图像分割方法 19-24 2.2.1 阈值法 20 2.2.2 区域生长法 20-21 2.2.3 主动轮廓模型 21-23 2.2.4 遗传算法 23-24 3 基于水平集的肺部 CT 图像分割方法 24-38 3.1 活动轮廓模型 24-28 3.1.1 参数活动轮廓模型 24-27 3.1.2 几何活动轮廓模型 27-28 3.2 曲线演化理论 28-29 3.3 水平集方法的基本理论 29-31 3.3.1 水平集方法原理 29-30 3.3.2 水平集方法实现过程 30-31 3.4 距离保持水平集算法 31-34 3.4.1 算法原理 31-32 3.4.2 算法数学描述 32-33 3.4.3 算法步骤 33-34 3.5 实验结果及分析 34-38 4 基于分水岭的肺部 CT 图像分割方法 38-51 4.1 分水岭方法原理 38-39 4.2 分水岭算法 39-42 4.2.1 基本分水岭算法 39-40 4.2.2 Vincent-Soille 算法 40-42 4.3 过度分割问题 42 4.4 标记分水岭分割算法 42-44 4.4.1 算法原理 42-43 4.4.2 算法步骤 43-44 4.4.3 算法流程图 44 4.5 实验结果及分析 44-51 5 基于水平集和分水岭相结合的轮廓检测算法 51-71 5.1 图像边缘检测 51-52 5.2 几种边缘检测算子的实验结果比较 52-59 5.2.1 Robert Cross 边缘检测算子 53-54 5.2.2 Sobel 边缘检测算子 54-55 5.2.3 Prewitt 边缘检测算子 55-56 5.2.4 高斯-拉普拉斯(LoG)边缘检测算子 56-57 5.2.5 Canny 边缘检测算子 57-58 5.2.6 几种边缘检测算子的比较 58-59 5.3 基于水平集和分水岭相结合的轮廓检测方法 59-61 5.3.1 方法原理 59-60 5.3.2 算法步骤 60 5.3.3 算法流程图 60-61 5.4 实验结论及分析 61-71 6 总结与展望 71-73 6.1 本文总结 71-72 6.2 未来展望 72-73 参考文献 73-77 攻读硕士期间发表的论文及所取得的研究成果 77-78 致谢 78
|
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
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 一种求解有交界面的椭圆型方程的间断条件捕捉格式,O241.82
- 复杂相变热图序列相变线提取算法研究,TP391.41
- 基于马尔可夫随机场模型的医学图像分割方法研究,TP391.41
- 基于肺部CT图像的肺结节自动检测与识别,TP391.41
- ACF材料表面复杂形貌特征的图像处理分析方法研究,TP391.41
- 基于FPGA的图像处理方法研究与实现,TP391.41
- 肺部CT图像感兴趣区域提取方法研究,TP391.41
- 基于密度和网格相结合的聚类算法及其在图像分割中的应用,TP391.41;O157.5
- 变电站电力设备红外图像分割技术研究,TP391.41
- 基于注意力选择机制的图像分割与场景理解,TP391.41
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于分形理论和活动轮廓模型的图像分割方法研究,TP391.41
- 彩色图像分割算法研究,TP391.41
- 基于CBCT图像序列的三维牙齿分割技术研究,TP391.41
- 视觉注意模型的研究与应用,TP391.41
- 复杂场景下交通灯的检测与识别方法研究,TM923.5
- 骨扫描图像分割及配准算法研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|