資源描述：
《基于Gibbs隨機(jī)場(chǎng)理論的腦部MR圖像分割新算法研究》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、第一軍醫(yī)大學(xué)碩士學(xué)位論文基于Gibbs隨機(jī)場(chǎng)理論的腦部MR圖像分割新算法研究姓名：馮衍秋申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：生物醫(yī)學(xué)工程指導(dǎo)教師：陳武凡20030525摘要圖像分割主癭是指將圖像劃分并標(biāo)汜成各具特性的不同區(qū)域并搬取出媾興趣目標(biāo)的技術(shù)，其研究多年以來(lái)一隨受到人們的高度重視。}主I予縫分裁強(qiáng)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(shí)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(yàn)信息。本文主要針對(duì)醫(yī)學(xué)圖像分析中腦部MR圖像的分割問(wèn)題，在目前的常用算法中基于Gib
2、bs隨機(jī)場(chǎng)理論引入先驗(yàn)信患的擐導(dǎo)，囂震了分裁算法疆究。有限混臺(tái)(FM)模型是當(dāng)前籀部MR圖像統(tǒng)計(jì)分割簿法中最常用的模濺，由于它是一個(gè)基于直方圖的統(tǒng)計(jì)分割模型，沒(méi)有考慮任何空問(wèn)信息，導(dǎo)致分割的結(jié)果對(duì)噪聲鍛敏感，分割如的區(qū)域存在很多雜散的孤立點(diǎn)。本交在G讒bs夔疆場(chǎng)理論戇蠢導(dǎo)下，j羲逑考慮穗鄰象素點(diǎn)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(jìn)的腦部MR圖像分割算法。同時(shí)本文采用了改進(jìn)后的期塑最大化(EM)算法來(lái)估計(jì)FM模型的參數(shù)，而且提出樹(shù)形K平均算法給出初始參數(shù)估計(jì)，實(shí)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(biāo)準(zhǔn)的FCM算法進(jìn)行圖像分嘉#儀利用了灰發(fā)信息，兩沒(méi)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(zhǔn)FCM黲法其逶鼴予分裁噪聲臺(tái)餐綴低的圖像。本文利用Gibbs隨機(jī)場(chǎng)所描述的鄰域關(guān)系屬性，引入先驗(yàn)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(biāo)溺數(shù)，繼露提撼基于Gibbs涎楓場(chǎng)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(shí)驗(yàn)對(duì)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(qiáng)(磁袋)運(yùn)豫Gibbs疆援場(chǎng)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(chǎng)本文受?chē)?guó)家自然科學(xué)基金重點(diǎn)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
