基于模型的醫(yī)學(xué)圖像分割研究

《基于模型的醫(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、碩士學(xué)位論文基于模型的醫(yī)學(xué)圖像分割研究StudyofMedicalImageSegmentationBasedonModel作者：唐子淑導(dǎo)師：劉杰北京交通大學(xué)2014年3月學(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北京交通大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。特授權(quán)北京交通大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，提供閱覽服務(wù)，并采用影印、縮印或掃描等復(fù)制手段保存、匯編以供查閱和借閱。同意學(xué)校向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤。(保密的學(xué)位論文在解密后適用本授權(quán)說明)學(xué)位論文作

2、者簽名：贏虧淑導(dǎo)師簽名：簽字f：t期：2孵年弓月弓lFI、J—L訓(xùn)u4-八簽字日期：圳降咿多日中圖分類號：TP391．41UDC：學(xué)校代碼：10004密級：公開北京交通大學(xué)碩士學(xué)位論文基于模型的醫(yī)學(xué)圖像分割研究StudyofMedicalImageSegmentationBasedonModel作者姓名：唐子淑導(dǎo)師姓名：劉杰學(xué)位類別：工學(xué)學(xué)科專業(yè)：生物醫(yī)學(xué)工程學(xué)號：11120527職稱：教授學(xué)位級別：碩士研究方向：圖像處理與分析北京交通大學(xué)2014年3月致謝本論文的工作是在我的導(dǎo)師劉杰教授的悉心指導(dǎo)

3、下完成的，劉杰教授嚴謹?shù)闹螌W(xué)態(tài)度和科學(xué)的工作方法給了我極大的幫助和影響。在此衷心感謝劉杰老師對我的關(guān)心和指導(dǎo)。劉杰教授悉心指導(dǎo)我們完成了實驗室的科研工作，在學(xué)習(xí)上和生活上都給予了我很大的關(guān)心和幫助，在此向劉杰老師表示衷心的謝意。在實驗室工作及撰寫論文期間，別術(shù)林、姜昕等同學(xué)對我論文中的研究工作給予了熱情幫助，在此向他們表達我的感激之情。另外也感謝我的父母、親朋以及師兄師姐，父母的理解和給予的無私幫助，親朋好友給予我熱情的關(guān)懷，師兄師姐對我學(xué)習(xí)工作上的指導(dǎo)，使我能夠在學(xué)校專心完成我的學(xué)業(yè)。j匕立交通太

4、堂亟±堂焦途童摘蔓摘要圖像分割是圖像處理和分析的重要組成部分，其目的是將圖像中感興趣的目標(biāo)提取出來，使其盡可能地接近真實的結(jié)構(gòu)，從而為后續(xù)的圖像分析提供可靠的依據(jù)。由于醫(yī)學(xué)圖像組織結(jié)構(gòu)復(fù)雜，形狀的不規(guī)則性，灰度差異小等特點，使用傳統(tǒng)的分割方法往往難以達到理想的分割效果。本文主要研究基于主動輪廓模型的醫(yī)學(xué)圖像分割，該模型適用于圖像處理、計算機視覺等眾多領(lǐng)域。本文首先對現(xiàn)有的圖像分割方法進行了比較全面的綜述，并分析其優(yōu)缺點，介紹了主動輪廓模型和水平集方法。由于傳統(tǒng)的Chan—Vese模型存在計算量大、分

5、割速度慢的問題，根據(jù)醫(yī)學(xué)圖像自身特點，本文提出了一種基于水平集改進的分割算法。在圖像全局信息的基礎(chǔ)，E，引入局部信息，減少了曲線演化過程中迭代次數(shù)，提高了分割速度。將二維圖像分割擴展到對醫(yī)學(xué)圖像序列的半自動分割，利用相鄰圖像之問的相似性，將當(dāng)前的分割結(jié)果作為下一幅圖像的初始輪廓，降低了人工選取初始輪廓曲線的隨機性，提高了分割效率。在MATLAB平臺上實現(xiàn)了相關(guān)算法，實驗結(jié)果驗證了改進算法的可靠性和準(zhǔn)確性，本文提出的方法能夠快速、準(zhǔn)確地提取目標(biāo)物體，是一種較為理想的醫(yī)學(xué)圖像分割方法。關(guān)鍵詞：醫(yī)學(xué)圖像分

6、割；水平集；主動輪廓模型；Chan．Vese模型分類號：TP391．41jE瘟交道太堂亟±堂位論塞△旦墨!B△￡!ABSTRACTImagesegmentationis柚importantpartofimageprocessingandimageanalysis．thepurposeistoextracttheregionofinterestintheimage,andmakeitbeclosetoanatomicalstmctllre．SOastoprovidethereliablebasisfo

7、rthesubsequentimageanalysis．Thestructureofmedicalimageorganizationiscomplex，andmedicalimagehasthecharacteristicsofirregularshapeandheterogeneity,itisdifficulttoachievetheidealsegmentationusingthetraditionalmethods．Thisarticlestudiesmedicalimagesegmenta

8、tionbasedonactivecontourmodel，themodelCanbeusedinmanyfieldssuchasimageprocessing，computervision．Inthisarticle，wefirstlyreviewtheexistingimagesegmentationmethods，andanalyzetheiradvantagesanddisadvantages．Thenactivecontourmodelandlevelset