資源描述：
《基于圖論醫(yī)學(xué)圖像分割研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于圖論的醫(yī)學(xué)圖像分割研究MedicalImageSegmentationStudyingBasedonGraphTheory作者姓名孫喬博學(xué)位類型學(xué)歷碩士學(xué)科、專業(yè)信號(hào)與信息處理研究方向數(shù)字圖像分析與處理導(dǎo)師及職稱詹曙副教授2013年4月合肥工業(yè)大學(xué)本論文經(jīng)答辯委員會(huì)全體委員審查，確認(rèn)符合合肥工業(yè)大學(xué)碩士學(xué)位論文質(zhì)量要求。答辯委員會(huì)簽名：（工作單位、職稱）主席：委員：導(dǎo)師：獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)志和致謝的地
2、方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得合肥工業(yè)大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽字：簽字日期：年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解合肥工業(yè)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱或借閱。本人授權(quán)合肥工業(yè)大學(xué)可以將學(xué)位論文的全部或部分論文內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制
3、手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后適用本授權(quán)書）學(xué)位論文者簽名：導(dǎo)師簽名：簽字日期：年月日簽字日期：年月日學(xué)位論文作者畢業(yè)后去向：工作單位：電話：通訊地址：郵編：基于圖論的醫(yī)學(xué)圖像分割研究摘要醫(yī)學(xué)圖像是醫(yī)生對(duì)人體組織進(jìn)行定性和定量分析的關(guān)鍵依據(jù)。醫(yī)學(xué)圖像分割的任務(wù)是將病灶區(qū)和正常區(qū)域進(jìn)行分離，其結(jié)果的準(zhǔn)確與否直接影響到醫(yī)生的診斷和圖片的后續(xù)處理。然而，醫(yī)學(xué)圖像通常具有強(qiáng)噪聲、弱對(duì)比度、組織邊界模糊等缺點(diǎn)，給分割工作帶來了極大的難度。GraphCuts作為圖論中新興的一種圖像分割方法，
4、因其能量函數(shù)的可塑性以及全局最優(yōu)性得到了快速的發(fā)展；并且可以通過人工交互加入先驗(yàn)信息，對(duì)圖像的分割具有很強(qiáng)的指導(dǎo)作用。因此，在復(fù)雜的醫(yī)學(xué)圖像分割中，具有較好的適用性。本文以GraphCuts為算法基礎(chǔ)，在醫(yī)學(xué)圖像研究背景下，加入SUSAN邊緣特征對(duì)其進(jìn)行改進(jìn)，以達(dá)到更加準(zhǔn)確的分割結(jié)果。具體工作如下：1.與以往的微分邊緣檢測算子不同，SUSAN算子并不是以微分運(yùn)算作為提取邊緣的手段。通過引入更多的局部信息，對(duì)從含噪聲和弱邊界的醫(yī)學(xué)圖像中提取邊緣有著較好的效果。本文在原始SUSAN算子的基礎(chǔ)上，進(jìn)行穩(wěn)
5、定性、自適應(yīng)性和抗噪性的改進(jìn)，使其更加適用于醫(yī)學(xué)圖像的邊緣特征提取。2.對(duì)GraphCuts的能量泛函進(jìn)行優(yōu)化和改進(jìn)，便于引入新的SUSAN特征，用以代替灰度特征，使得新的算法更加適用于醫(yī)學(xué)圖像分割，得到更好的分割結(jié)果。通過實(shí)驗(yàn)，我們發(fā)現(xiàn)新的算法相對(duì)以往的GraphCuts算法，能夠更加準(zhǔn)確的從前列腺M(fèi)RI等其他醫(yī)學(xué)圖像中分割出感興趣的組織，為后續(xù)的其他圖像處理工作和醫(yī)生的臨床診斷奠定了基礎(chǔ)。關(guān)鍵詞：圖論；圖切割；SUSAN算子；能量函數(shù)；醫(yī)學(xué)圖像分割；核磁共振MedicalImageSegmen
6、tationStudyingBasedonGraphTheoryAbstractMedicalimageisthekeyofqualitativeandquantitativeanalysisforhumantissuebydoctor.Thetaskofmedicalimagesegmentationisseparatingthefocusandnormalarea.Theresultisaccurateornotwhichdirectlyaffectdoctor'sdiagnosisandth
7、esubsequentprocessingoftheimages.Medicalimage,however,usuallyhasastrongnoise,weakcontrastandvagueorganizationalboundaries,thatbringagreatdealofdifficultiestosegmentationtask.Becauseoftheplasticityofenergyfunctionanditsglobaloptimality,GraphCutshasdeve
8、lopedrapidlyasanewimagesegmentationmethodingraphtheory;andprioriinformationcanbeaddedtoitbyhumaninteractions,withwhich,itcouldguidetheimagesegmentationwell.Therefore,ithasbetterapplicabilityincomplexmedicalimagesegmentation.Inmedicalimageresea
