資源描述：
《基于圖論醫(yī)學(xué)圖像分割研究》由會員上傳分享，免費在線閱讀，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)答辯委員會全體委員審查，確認符合合肥工業(yè)大學(xué)碩士學(xué)位論文質(zhì)量要求。答辯委員會簽名：（工作單位、職稱）主席：委員：導(dǎo)師：獨創(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本研究所做的任何貢獻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)生對人體組織進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)圖像通常具有強噪聲、弱對比度、組織邊界模糊等缺點，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信息，對圖像的分割具有很強的指導(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邊緣特征對其進行改進，以達到更加準(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算作為提取邊緣的手段。通過引入更多的局部信息，對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，進行穩(wěn)
5、定性、自適應(yīng)性和抗噪性的改進，使其更加適用于醫(yī)學(xué)圖像的邊緣特征提取。2.對GraphCuts的能量泛函進行優(yōu)化和改進，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。通過實驗，我們發(fā)現(xiàn)新的算法相對以往的GraphCuts算法，能夠更加準(zhǔn)確的從前列腺MRI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
