基于模糊聚類算法的腦mri圖像分割

《基于模糊聚類算法的腦mri圖像分割》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(kù)。

1、丈ｉｌｉｉ－大摩ＤＡＬＩＡＮＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹ碩士芽位論文ＭＡＳＴＥＲＡＬＤＩＳＳＥＲＴＡＴＩＯＮ＿基于模糊聚類算法的腦ＭＲＩ圖像分割．‘■‘ｉ‘．Ｖ學(xué)科？業(yè)通信與信息系統(tǒng)＿＿＿＿作者姓名王新寧林相波副教授指導(dǎo)教師＿＿＿＿＿＿＿２０１５年６月５日答辯日期碩士學(xué)位論文基于模糊聚類算法的腦ＭＲＩ圖像分割ＦｕｚｚｙＣｌｕｓｔｅｒｉｎｇＡｌｇｏｒｉｔｈｍＢａｓｅｄＢｒａｉｎＭＲＩＩｍａｇｅＳｅｍｅｎｔａｔｉｏｎｇ作者姓名：王新寧學(xué)科、專業(yè)：通信與信息系統(tǒng)

2、學(xué)號(hào)：２１２０９０３７指導(dǎo)教師：林相波副教授完成日期：２０１５年５月２日大遠(yuǎn)理工大摩ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ大連理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明作者鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下進(jìn)行研究工作所取得的成果。盡我所知，除文中已經(jīng)注明引用內(nèi)容和致謝的地方外，本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表的研究成果，也不包含其他已申請(qǐng)學(xué)位或其他用途使用過的成果一。與我同工作的同志對(duì)本研究所做的貢獻(xiàn)均巳在論文中做了明確的說明并表示了謝意。若有不實(shí)之處，本人愿意承擔(dān)相關(guān)法律責(zé)任。？學(xué)位論文題目：；液．

3、ｆ＾後ｆｅｆｔｌＩＩ／ＭｌＨ敵德Ｉ＜？作者簽名：日期０ｒ：７ｊ年月？日確丨大連理工大學(xué)碩士學(xué)位論文摘要ａ一磁共振成像（ＭｎｅｔｉｃＲｅｓｏｎａｎｃｅＩｍａｉｎＭＲＩ）種重要的無(wú)損ｇｇｇ，是人體影像學(xué)中檢測(cè)手段，對(duì)軟組織具有很好的成像效果，廣泛應(yīng)用在腦部組織結(jié)構(gòu)的成像中。腦部組織結(jié)構(gòu)的正確分割對(duì)腦發(fā)育與人體衰老、腦部疾病的診斷、病灶的定位、手術(shù)方案規(guī)劃。等具有重要的指導(dǎo)意義由于受設(shè)備自身以及成像過程中對(duì)象移動(dòng)等因素的影響，腦ＭＲＩ圖像會(huì)，受到噪聲、偏移場(chǎng)和部分容積效應(yīng)的干擾，使得成像質(zhì)量下降給基于計(jì)算機(jī)的自動(dòng)分割算法帶來了挑戰(zhàn)。本文

4、主要是針對(duì)腦ＭＲＩ圖像自動(dòng)分割算法的研究，目標(biāo)是在噪聲和偏移場(chǎng)存在的情況下，通過自動(dòng)分割算法將腦ＭＲＩ圖像準(zhǔn)確地分為白質(zhì)、灰質(zhì)、腦脊液。．模糊聚類算法建立了樣本類屬不確定性的表達(dá)，能夠描述部分容積效應(yīng)給腦ＭＲＩ－。Ｃ圖像帶來的模糊性，因此很適合腦ＭＲＩ圖像的分割模糊聚類算法中，模糊均值聚ｚｚ－ｅａｎｓ類（ＦｕｙＭＣｌｕｓｔｅｒｉｎＭ）算法得到了最為廣泛研究和應(yīng)用。經(jīng)典的ＦＣＭ算Ｃｇ，ＦＣ法沒有利用鄰域信息，對(duì)噪聲和偏移場(chǎng)都極為敏感，直接應(yīng)用到腦ＭＲＩ圖像的分割中，并不能得到理想的分割結(jié)果。．ＦＣＭ。為了提高算法對(duì)噪聲的魯棒性，通常是在目標(biāo)函數(shù)中

5、加入鄰域信息的約束本文首先對(duì)各類ＦＣＭ的改進(jìn)算法進(jìn)行了理論分析和實(shí)驗(yàn)結(jié)果的比較，總結(jié)了不同方法一的改進(jìn)思想Ｃ－。然后在此基礎(chǔ)上提出了種新算法，即邊緣感知模糊均值聚類圖像分割？算法。新算法合理利用了鄰域內(nèi)灰度和空間信息以及鄰域的平滑程度對(duì)代價(jià)函數(shù)的約束，對(duì)不同類型的噪聲具有較強(qiáng)的魯棒性。合成圖像和腦ＭＲＩ圖像的分割結(jié)果表明，本文提出的新算法較其他幾種方法分割結(jié)果更為準(zhǔn)確。腦ＭＲＩ圖像中的噪聲和偏移場(chǎng)是同時(shí)存在的，因此能夠同時(shí)去除噪聲和偏移場(chǎng)的一一算法有利于腦組織的準(zhǔn)確分割－。本文最后提出了種邊緣感知模糊Ｃ均值聚類與致局部信息相結(jié)合的方法一。該方法利用致局部信息保

6、證了估計(jì)的偏移場(chǎng)平滑且緩慢變化的特性。算法在去除噪聲的同時(shí)修正了偏移場(chǎng)，大量仿真腦圖像及真實(shí)腦ＭＲＩ圖像的分割結(jié)果表明該算法具有較好的分割性能，能夠準(zhǔn)確地分割腦組織。關(guān)鍵詞：腦ＭＲＩ圖割偏移場(chǎng)；模糊聚類；像分；噪聲；－－Ｉ基于模糊聚類算法的腦ＭＲ１圖像分割ＦｕｚｚｙＣｌｕｓｔｅｒｉｎｇＡｌｇｏｒｉｔｈｍＢａｓｅｄＢｒａｉｎＭＲＩＩｍａｇｅＳｅｍｅｎｔａｔｉｏｎｇＡｂｓｔｒａｃｔＭＲＩｕ－ｅｔｉｃｒｅｓｏｎａｎｃｅｉｍａｉｎｉｓａｏｌａｒｎｏｎｉｎｖａｓｉｖｅｉｍａｉｎｔｅｃｈｎｉｕｅＩｔｈａＭａｇｎｇｇ（）ｐｐｇｇｑ

7、．ｓｂｅｅｎａｐｐｌｉｅｄｔｏｂｒａｉｎｔｉｓｓｕｅｉｍａｇｉｎｇｗｉｄｅｌｙｆｏｒｉｔｓｇｏｏｄｒｅｓｏｌｕｔｉｏｎｆｏｒｓｏｆｔｔｉｓｓｕｅ．Ｔｈｅｃｏｒｒｅｃｔｔｔｏｒｅｓｅａａｎｄｅｖｅｌｏｍｅｎｔａｎｄｈｕｍａｎａｓｅｇｍｅｎｔａｔｉｏｎｏｆｂｒａｉｎｉｓｓｕｅｈｅｌｓｒｃｈｂｒｉｐｉｎｂｒａｉｎｐｇｇ，ａｎｏｓｅｏｃａｔｏｎｏｆ．Ｄｄｌｅｓｉｏｎａｎ