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