基于VeseChan多相水平集方法的医学图像分割

《基于VeseChan多相水平集方法的医学图像分割》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、戆号：TP391IC：681密级：学校代码：11065参量大季硕士学位论文基于Vese-Chan多相水平集方法的医学图像分割董世晓糯乎教师．逶堡童塾堡学科专驰名称让篡扭应田拉盔玲交摄鑫目嘲呈堂生主旦!墨旦硷建签瓣目绷2QQ2生5且圣!日答辩熹爨舍童席割云教授摘要医学图像分割是一个传统而具有挑战性的课题。由于医学图像自身的特点，传统的单水平集方法并不能很好地解决其分割问题，因而迫切要求加快对多相水平集方法的研究。本文对多相水平集方法进行了深入的研究，主要包括以下四个方面；首先，系统研究了水平集方法、Mumford．Shah模型的基本理论及其在图像分割领域的应用，通过具体实验指出单水平集方法在

2、分割多相图像方面的缺陷，为后继的研究奠定了坚实的基础。其次，介绍了几种有代表性的多相水平集方法，重点研究了Vese-Chan多相水平集方法，该方法具有理想的区域划分方案，可以分割分段常值和分段光滑图像，可以自然地避免多个水平集函数的重叠和“真空”问题，但该方法假定图像噪声符合分段常值分布，难以正确分割噪声符合复杂概率分布模型的多相图像。针对Vese．Chart多相水平集方法的这个缺陷，本文提出了改进的Vesc-Chart多相水平集方法，分别用于分割噪声符合Rayleigh概率分布模型的ultrasound图像Gauss概率分布模型的MRI图像。再次，编程实现了Vese．Chart多相水平集

3、方法和改进的Vese-Chan多相水平集方法，并将其应用于真实的医学图像分割实验中。随后将两种方法的实验结果进行了比较，实验结果表明，由于充分利用了图像噪声的概率分布规律，改进的Vese。Chan多相水平集方法在分害tJUltrasound图像和MRJ图像时能得到预期的效果。最后，展望了将来的工作方向。硕士研究生董世晓(计算机应用技术)指导教师潘振宽教授关键词：Vese．Chan方法；多相：水平集；图像分割；概率分布模型学位论文独创性声明与知识产权权属声明学位论文独创性声明本人声明，所呈交的学位论文系本人在导师指导下独立完成的研究成果。文中依法引用他人的成果，均己做出明确标注或得到许可。论

4、文内容未包含法律意义上已属于他人的任何形式的研究成果，也不包含本人已用于其他学位申请的论文或成果。本人如违反上述声明，愿意承担由此引发的一切责任和后果。论文作者签名：歹彰锄日期：≯印再夕／Z日学位论文知识产权权属声明本人在导师指导下所完成的学位论文及相关的职务作品，知识产权归属学校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署名单位仍然为青岛大学。本学位论文属于：保密口，在年解密后适用于本声明。不保密面。(请在以上方框内打“√”)论文作者签名：／爹棚日期：≯唧年．爹月比日导师签名：(本声明的版权归青岛大

5、学所有日期：矽>年朗膨日未经许可，任何单位及任何个人不得擅自使用)第一章引言1．I课题背景及其意义尽管人类获取信息的渠道众多，但所收到的信息大多数是通过视觉系统获取的。与文字信息、语音信息等相比。图像中所包含的信息量更庞大、更直观、更确切，从而具有效率高、适应性强等优点。目前，图像处理技术已成为计算机科学、数学、物理学、生物学、医学、社会学等领域研究的热点。图像处理技术已渗透到工业、航空航天、军事、医疗、安全等许多方面，并发挥着越来越重要的作用．图像分割作为一种重要的图像处理技术得到了广泛的研究和应用，它是计算机图像识别与理解领域非常活跃的一个分支，是图像处理、图像分析和计算机视觉等领域最

6、重要的研究领域，也是计算机图像理解方法实现的基础．人们在对图像的研究和应用中，往往仅对图像中的某些部分感兴趣，这些部分一般对应于图像中具有特殊性质的区域。为了辨识和分析目标，需要将它们分离提取出来，在此基础上才有可能对目标进行更深层次的处理。图像分割就是指把图像分成符合不同分布的区域并提取出感兴趣目标的技术和过程【l】。一方面，它是目标表达的基础，对特征的测量有重要影响；另一方面，图像分割及其基于分割的目标表达、特征提取和参数测量可以将原始图像信息转化为更抽象、更紧凑的形式，使得更高层次的图像分析和理解成为可能。。因此，图像分割是图像分析和图像识别前期处理的一个重要步骤。图像分割在不同领域

7、中名称也不尽相同，目标检测、目标识别等技术的核心实质上就是图像分割技术。计算机医学图像处理和分析不仅是医学信息可视化的基础，而且能准确地进行医学定量分析，为临床应用提供可靠的辅助诊断手段．医学图像分割的目的是对原始的医学图像进行某种运算而把图像中感兴趣的目标提取出来。医学图像分割作为图像处理技术的一个重要的应用领域，在医学图像的定量和定性分析中均扮演着非常重要的角色，是进行高层次医学图像分析理解和处理的前提条件。医学图像