資源描述：
《基于Gibbs隨機場理論的腦部MR圖像分割新算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、第一軍醫(yī)大學碩士學位論文基于Gibbs隨機場理論的腦部MR圖像分割新算法研究姓名：馮衍秋申請學位級別：碩士專業(yè)：生物醫(yī)學工程指導教師：陳武凡20030525摘要圖像分割主癭是指將圖像劃分并標汜成各具特性的不同區(qū)域并搬取出媾興趣目標的技術(shù)，其研究多年以來一隨受到人們的高度重視。}主I予縫分裁強像的可變幢魄較大，秀藤上噪聲賴存在，魄成了圖像分割聯(lián)藤簸瀚主要困難。為了實現(xiàn)精確并穩(wěn)健的圖像分裁，現(xiàn)在廣為接受的怒在分割算法框架中引入先驗信息。本文主要針對醫(yī)學圖像分析中腦部MR圖像的分割問題，在目前的常用算法中基于Gib
2、bs隨機場理論引入先驗信患的擐導，囂震了分裁算法疆究。有限混臺(FM)模型是當前籀部MR圖像統(tǒng)計分割簿法中最常用的模濺，由于它是一個基于直方圖的統(tǒng)計分割模型，沒有考慮任何空問信息，導致分割的結(jié)果對噪聲鍛敏感，分割如的區(qū)域存在很多雜散的孤立點。本交在G讒bs夔疆場理論戇蠢導下，j羲逑考慮穗鄰象素點熬穩(wěn)互影響將空間信息引入有限高斯混合(FGM)模型，提出了改進的腦部MR圖像分割算法。同時本文采用了改進后的期塑最大化(EM)算法來估計FM模型的參數(shù)，而且提出樹形K平均算法給出初始參數(shù)估計，實現(xiàn)了全蠡麓茲踅緣分辮。模
3、糊c平均聚類(FCM)是一種非常經(jīng)典的非監(jiān)督聚類技術(shù)，也已被廣泛用于腦部圖像的分割研究。與FM模型非常類似，幽于標準的FCM算法進行圖像分嘉#儀利用了灰發(fā)信息，兩沒鴦考慮象素的空鯔位置倍感，函褥分蘩模墅怒不完整靛，造成轅準FCM黲法其逶鼴予分裁噪聲臺餐綴低的圖像。本文利用Gibbs隨機場所描述的鄰域關(guān)系屬性，引入先驗空間約束信息，提出拒納度的概念，建立包含灰度信息與空間信息的新日標溺數(shù)，繼露提撼基于Gibbs涎楓場與模糊C平均聚類蛇GFCM圖像分害g贛舞法。本文給出大鬣實驗對分割算法做了系統(tǒng)的定量分析，證明了
4、本文所提算法的穩(wěn)健一陡與精確性。關(guān)鍵{透：黧豫分爨蘧幫磁共強(磁袋)運豫Gibbs疆援場煮瓣混合(FM)模型期望最大化(EM)算法模糊C平均聚炎(FCM)Bias場本文受國家自然科學基金重點磺弱(NO．30130180)資助．i．AbstractImagesegmentation，partitioningallimageintodifferentregionswithsomespecificpropertiesandlabelingeachpixel、撕mitsunderlyingclass，hasalway
5、sbeenanimportantandchallengingproblemformanyyears．Themaindifficultieslieinthegreatvariabilityofimagesandthepresenceofnoises．ItiSwidelyacceptedthatthekeyforabettersegmentationiStoincorporatehigh-levela-prioiqknowledgeintotheframeworkofsegmentation．Inthisthes
6、is，traditionalsegmentationalgorithmsarediscussedanda-prioriknowledgeiSincorporatedthroughtheGibbsrandomfield(GRF)theorytOdealwithaparticularlyimportantproblemintheareaofmedicalimageanalysis：automaticsegmentationofbrainMRimages．Generaliy'thefinitemixture(FM)
7、modelisthemostwidelyusedmodelforstatisticalsegmentationofbrainMRimagesbecauseofitseffectivemodelingofintensitydistributionanditssimplemathematicalfornl．However一，,beingakindofhistogrambasedmodelforsegmentationtheFMmodelhasanintrinsicIimitation．nospatialinfol
8、Tnation括takenintOaccount．ThiscausestheFMmodeltoworkonlyonwell．definedimageswithlowlevelsofnoise；unforttmately，thisisnotoftenthecaseinreality．Inthisthesis，wepresentanimprovedsegmentationalgorithm：A-prio
