学位论文 > 优秀研究生学位论文题录展示

MRI颅脑图像分割算法研究

作　者: 王银玲
导　师: 范立南
学　校: 沈阳大学
专　业: 控制理论与控制工程
关键词: MRI 脑图像分割分水岭算法自适应滤波最小割归一割
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 87次
引　用: 0次
阅　读: 论文下载

内容摘要

随着各种影像检查设备在临床上的应用,医学图像的后处理技术成为近年来图像处理领域中的研究热点问题,而图像分割是图像的三维重建、可视化、配准、融合和定量分析等技术的前提和基础。本文在研究常用图像分割算法的基础上,主要探讨图割(Graph Cut)算法在MRI脑组织图像分割中的应用问题,任务是实现脑灰质(Gray Matter, GM)、脑白质(white matter, WM)和脑脊液(cerebrospinal fluid,CSF)等组织的分割。对于最小割的求解问题,本文采用“预流”(preflow)算法求网络最大流,获得最小割集,实现图像的分割,提高了算法的运算速度。针对归一割算法计算速度慢的弱点,本文将分水岭变换引入到图割(GraphCut)框架中,提出一种新的基于分水岭预分割的快速归一割(sNcut)算法。图割算法应用到图像分割中,其核心是根据某个模型将图像映射成一个加权无向图,并寻求图的最优割集,从而实现图像目标区域与背景区域的分割。将分水岭变换分割出来的若干个内部像素密切相关的小区域映射成图的顶点,可大大减少顶点的数目,运算速度较像素点的直接映射方法明显提高。针对分水岭算法本身的过分割问题,以及噪声信号对过分割的助长现象,本文设计了一个多结构的自适应形态滤波器,消除图像中的噪声,并在分水岭分割之后采用添加标记点法进行区域合并,这种分割的前处理和后处理有效地抑制了过分割现象,保证预分割的结果是有意义的,为图的构建及最优割集的寻找提供前提条件。另外,为了保证归一割算法分割的准确性,本文对权重的确定方法进行了改进,一般的方法是利用像素的灰度梯度确定权重,建立图模型,本文综合利用像素的灰度和空间两方面的信息确定顶点之间的权重,提出一个新的权重模型ISI(indensity and spatial information, ISI)。为了验证算法的有效性,本文采用40套脑图像数据进行仿真实验,其中35套数据的分割结果达到预期目的,可以准确地将脑灰质、脑白质和脑脊液等组织分割出来,其它5套数据由于图像质量导致无法分割或分割错误,其分割的正确率为87.5%,该实验结果表明本文提出的算法是有效的。

全文目录

摘要  5-7
Abstract  7-11
1 绪论  11-19
  1.1 MRI脑图像分割的目的和意义  11-12
  1.2 图像分割技术的国内外研究现状  12-16
  1.3 本文的主要研究内容  16-19
2 MRI脑组织图像特点分析  19-25
  2.1 MRI成像机理  19-20
  2.2 MRI技术的优势和缺陷  20-21
  2.3 MRI技术在脑组织成像中的应用  21-22
  2.4 脑组织图像分割的重点和难点分析  22-23
  2.5 小结  23-25
3 几种常用分割算法在MRI脑组织图像分割问题中的应用  25-37
  3.1 阈值分割方法  25-31
    3.1.1 阈值分割的基本原理  25-26
    3.1.2 结合直方图的迭代阈值法  26
    3.1.3 一维最大熵算法  26-27
    3.1.4 二维最大熵算法  27-29
    3.1.5 实验结果与分析  29-31
  3.2 边缘检测  31-35
    3.2.1 边缘检测的基本原理  32-33
    3.2.2 边缘检测算子的比较及应用  33-34
    3.2.3 实验结果及分析  34-35
  3.3 小结  35-37
4 基于多结构形态滤波的改进分水岭预分割方法  37-53
  4.1 分水岭算法  37-43
    4.1.1 分水岭算法的基本原理  37-42
    4.1.2 分水岭算法的弱点及其改进方向的分析  42-43
  4.2 多结构自适应形态滤波器的设计  43-46
    4.2.1 常见滤波器的性能比较  43-44
    4.2.2 多结构元素的选取和权重自适应算法  44-45
    4.2.3 多结构元素自适应权重形态滤波器设计  45-46
  4.3 实验结果与分析  46-52
  4.5 小结  52-53
5 改进的图割算法在图像分割中的应用  53-71
  5.1 基于图割理论的图像分割方法  53-58
  5.2 利用预流算法实现最小割集求解  58-61
  5.3 基于分水岭预分割的快速Ncut (sNcut) 算法  61-66
    5.3.1 归一割的准则函数分析  62-63
    5.3.2 归一割算法的具体实现步骤及改进方向分析  63-65
    5.3.3 改进的快速归一割(sNcut)算法及ISI权重模型  65-66
  5.4 实验结果与分析  66-68
  5.5 小结  68-71
6 结论与展望  71-73
参考文献  73-79
在学期间研究成果  79-81
致谢  81

MRI颅脑图像分割算法研究

内容摘要

全文目录

相似论文