基于水平集的医学图像分割算法研究-信号与信息处理专业论文.docxVIP

硕士学位论文 硕士学位论文 基于水平集的医学图像分割算法研究 硕士研究生：金大年 指导教师：陈武凡 摘要 医学图像分割是指将医学图像划分成一系列彼此互不交叠的匀质区域。作 为医学图像处理一项最基本技术，它是对人体组织进行定性或定量分析所必不 可少关键步骤。 基于几何变形模型的水平集方法，将二维(三维)的闭合曲线(曲面)的演化问 题转化为高维空间中水平集函数曲面演化的隐含方式来求解，适应于对拓扑结 构变化的处理，其计算精度高，算法稳定，因而得到广泛应用。然而，传统的 水平集方法仅利用图像局部边缘信息，对边界模糊或者存在离散状边缘的区域， 容易产生边界泄漏等问题，很难得到理想的分割结果。本文提出了一种结合贝 叶斯分类的水平集方法用于医学图像分割。本方法首先通过贝叶斯分类模型计 算出水平集曲线位于边界上的概率；其次，将与此概率相关联的区域决策影响因 子添加在水平集函数方程中；最终，实现利用图像的区域信息提高水平集曲线 识别边界能力的目的。分割实验结果表明，该方法较好地克服了传统水平集方 法在图像分割中存在的边界泄露问题。 另外，传统水平集方法在进行数值求解过程中常用一阶差分来近似代替函 数的导数值，易受由噪声等因素引起的图像退化影响，造成分割失败。针对此 问题，本文的另外一部分工作探索了基于Hermite微分算予的水平集图像分割新 算法，使得分割过程更加精确。实验结果表明，对于相同的分割过程，运用了 Hermite微分算子的水平集方法，其分割结果优于传统方法，尤其是对于由噪声 等因素引起的退化图像的分割，更具有其特殊的优越性。同时，运算速度与传 统一阶差分算子的方法相差无几。 全文受973国家重点基础研究发展计划(No．2003CB716104)、广东省自然科学基金项目 (No：32891)资助。 摘要此外，本文还介绍了一种基于Mumford．Shah图像分割模型的c—V方法。该 摘要 此外，本文还介绍了一种基于Mumford．Shah图像分割模型的c—V方法。该 方法的停止函数不再依赖于图像的局部梯度，而是基于Mumford．Shah分割模型。 此方法可仅使用一条初始闭合轮廓线，就可以把带有内部空洞目标的内部全部 检测出来，不需要为检测内部空洞而另外做特别处理，而且即使图像中的边界 模糊或呈断续状，仍然可以获得理想的分割结果，同时还有去处噪声的优点。 但此方法也存在受参数影响较大、分割速度较慢等缺点，本人将在未来的工作 寻找克服这些缺点的优化算法。 关键词：图像分割几何变形模型水平集贝叶斯分类Hermit Mumford-Shah模型 fI Research Research of Approaches in Medical Image Segmentation Based on Level Set Name：Danian Jin Supervisor：Wufan Chen Image segmentation is to separate an image into a lot of an—overlapped and homogeneous regions．As a fundamental technique of medical image processing，it is an indispensable important step in the process of qualitative or quanfificational analysis to human organization． The level set method based on geometric deformable model．which translates the problem ofevolution of2一D(3一D、close curve(surface)into the evolution oflevel set function in the space with higher dimension，obtains the advantage in handling the topology changing ofthe shape．As a accurate and steady algorithm,the level set method has a wide application．However,as the traditional level set method just using the local marginal informations of the image．it iS difficult to obtain a perfect result when the region has a fuzzy