人脑MR图像支解方法研究.pdfVIP

捅 要 医学图像分割是圈像分割的一个重要的应用领域，是医学图像处理和分析领域的基础 饿经典难题，其中脑部医学图像分割因萁重要的应用价值近年来成为医学图像分割的研究 热点。医学图像分割在生物医学研究和临床应用中具有重要的意义，可用予研究解剖结构， 瘸烃确定，疾瘸诊断等。因覆精确的分割愁螽继分析躲关键和裁要基磁。 本文在现有的研究成果的基础上对医学图像分割的目的和意义做了概括性的总结；对 现有熬医学图像分割方法徽了比较性的分类，论文的主要工作帮剑薪点包括： 首先，介绍了本课题研究内容相关的关键技术，包括图像分割和核磁共振图像基本概 念和基本原理。给出了医学图像分割研究现状，并对几种典型算法加以分析。 其次，提出了一种基于改进的模颧C均值算法的入脑豫图像分割。模糊e均值是一 种经典的模糊聚类分析方法，收敛结果容易陷入局部最小值，而且也没有考虑图像的空间 信息，对嗓声十分敏感。本文摄滋改进豹模糊C均毽方法，根据脑图像特链，采蔫菠静确 定初始值的方法首先确定初始聚类中心，然后考虑图像的空间信息，利用Gibbs随机场的 性质弓|入先验邻域约束信息，建立包含获度信息与空间信息的新聚类晷标函数，同时荐进 一步地调整了距离矩阵。通过实验可以表明，此改进的方法具有很好的分割效果，同时对 噪声具有较强的鲁棒性。 最后提出了基于筒斯混合模型的人脑涨图像分割。有限高斯混合模黧在脑部际图像分 割领域获得了广泛应用，利用高斯混合模型可以描述大脑图像。该方法针对含噪声的大脑 嚣像，首先剃爰一稳新鬏的滤波方法霹蕊豳像进行滤波，再剩耀一种基予模拟退火算法思 想的粒子群优化算法的全局优化特性求解高斯混合模型的参数，这样避免了EM算法易陷 入局部极值的现象，以提高参数精度，从两进一步提高分割质爱。 关键词：模糊C均值算法，Gibbs随机场，嵩蓑混合模型，粒子群优诧算法，魏算法 Abstract Medical isall inthefieldof imagesegmentationimportantapplication imagesegmentation。 Medical is a inmedical and imagesegmentationhard-toughproblem imageprocessinganalysis。 medical iStheresearchfocusfor it,brain its values． Among imagesegmentation important Medical an roleinbiomedical imagesegmentationplaysimportant researchandclinical such as ofanatomical aresult,accurate applicationstudy structure，diagnosis，Assegmentation methodiscrucialto the follow-upanalysis． Medical aimsat the intoseveral imagesegmentationpartitionoriginal image meaningful or the of doesthe tothe and regionsisolatingre