資源描述：
《基于模糊聚類算法的腦mri圖像分割》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、丈ｉｌｉｉ－大摩ＤＡＬＩＡＮＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹ碩士芽位論文ＭＡＳＴＥＲＡＬＤＩＳＳＥＲＴＡＴＩＯＮ＿基于模糊聚類算法的腦ＭＲＩ圖像分割．‘■‘ｉ‘．Ｖ學科？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教師＿＿＿＿＿＿＿２０１５年６月５日答辯日期碩士學位論文基于模糊聚類算法的腦ＭＲＩ圖像分割ＦｕｚｚｙＣｌｕｓｔｅｒｉｎｇＡｌｇｏｒｉｔｈｍＢａｓｅｄＢｒａｉｎＭＲＩＩｍａｇｅＳｅｍｅｎｔａｔｉｏｎｇ作者姓名：王新寧學科、專業(yè)：通信與信息系統(tǒng)
2、學號：２１２０９０３７指導教師：林相波副教授完成日期：２０１５年５月２日大遠理工大摩ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ大連理工大學學位論文獨創(chuàng)性聲明作者鄭重聲明：所呈交的學位論文，是本人在導師的指導下進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人或集體已經(jīng)發(fā)表的研究成果，也不包含其他已申請學位或其他用途使用過的成果一。與我同工作的同志對本研究所做的貢獻均巳在論文中做了明確的說明并表示了謝意。若有不實之處，本人愿意承擔相關法律責任。？學位論文題目：；液．
3、ｆ＾後ｆｅｆｔｌＩＩ／ＭｌＨ敵德Ｉ＜？作者簽名：日期０ｒ：７ｊ年月？日確丨大連理工大學碩士學位論文摘要ａ一磁共振成像（ＭｎｅｔｉｃＲｅｓｏｎａｎｃｅＩｍａｉｎＭＲＩ）種重要的無損ｇｇｇ，是人體影像學中檢測手段，對軟組織具有很好的成像效果，廣泛應用在腦部組織結(jié)構(gòu)的成像中。腦部組織結(jié)構(gòu)的正確分割對腦發(fā)育與人體衰老、腦部疾病的診斷、病灶的定位、手術方案規(guī)劃。等具有重要的指導意義由于受設備自身以及成像過程中對象移動等因素的影響，腦ＭＲＩ圖像會，受到噪聲、偏移場和部分容積效應的干擾，使得成像質(zhì)量下降給基于計算機的自動分割算法帶來了挑戰(zhàn)。本文
4、主要是針對腦ＭＲＩ圖像自動分割算法的研究，目標是在噪聲和偏移場存在的情況下，通過自動分割算法將腦ＭＲＩ圖像準確地分為白質(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，能夠描述部分容積效應給腦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（ＦｕｙＭＣｌｕｓｔｅｒｉｎＭ）算法得到了最為廣泛研究和應用。經(jīng)典的ＦＣＭ算Ｃｇ，ＦＣ法沒有利用鄰域信息，對噪聲和偏移場都極為敏感，直接應用到腦ＭＲＩ圖像的分割中，并不能得到理想的分割結(jié)果。．ＦＣＭ。為了提高算法對噪聲的魯棒性，通常是在目標函數(shù)中
5、加入鄰域信息的約束本文首先對各類ＦＣＭ的改進算法進行了理論分析和實驗結(jié)果的比較，總結(jié)了不同方法一的改進思想Ｃ－。然后在此基礎上提出了種新算法，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代價函數(shù)的約束，對不同類型的噪聲具有較強的魯棒性。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)果更為準確。腦ＭＲＩ圖像中的噪聲和偏移場是同時存在的，因此能夠同時去除噪聲和偏移場的一一算法有利于腦組織的準確分割－。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、證了估計的偏移場平滑且緩慢變化的特性。算法在去除噪聲的同時修正了偏移場，大量仿真腦圖像及真實腦ＭＲＩ圖像的分割結(jié)果表明該算法具有較好的分割性能，能夠準確地分割腦組織。關鍵詞：腦ＭＲＩ圖割偏移場；模糊聚類；像分；噪聲；－－Ｉ基于模糊聚類算法的腦ＭＲ１圖像分割ＦｕｚｚｙＣｌｕｓｔｅｒｉｎｇＡｌｇｏｒｉｔｈｍＢａｓｅｄＢｒａｉｎＭＲＩＩｍａｇｅＳｅｍｅｎｔａｔｉｏｎｇＡｂｓｔｒａｃｔＭＲＩｕ－ｅｔｉｃｒｅｓｏｎａｎｃｅｉｍａｉｎｉｓａｏｌａｒｎｏｎｉｎｖａｓｉｖｅｉｍａｉｎｔｅｃｈｎｉｕｅＩｔｈａＭａｇｎｇｇ（）ｐｐｇｇｑ
7、．ｓｂｅｅｎａｐｐｌｉｅｄｔｏｂｒａｉｎｔｉｓｓｕｅｉｍａｇｉｎｇｗｉｄｅｌｙｆｏｒｉｔｓｇｏｏｄｒｅｓｏｌｕｔｉｏｎｆｏｒｓｏｆｔｔｉｓｓｕｅ．Ｔｈｅｃｏｒｒｅｃｔｔｔｏｒｅｓｅａａｎｄｅｖｅｌｏｍｅｎｔａｎｄｈｕｍａｎａｓｅｇｍｅｎｔａｔｉｏｎｏｆｂｒａｉｎｉｓｓｕｅｈｅｌｓｒｃｈｂｒｉｐｉｎｂｒａｉｎｐｇｇ，ａｎｏｓｅｏｃａｔｏｎｏｆ．Ｄｄｌｅｓｉｏｎａｎ
