基于復合矢量場的改進ACM模型與醫(yī)學圖像分割的研究.pdf

1、圖像分割主要是指將感興趣區(qū)從背景中分割出來，或將不同的感興趣區(qū)互不交迭地區(qū)分開來。圖像分割是實現(xiàn)從一般圖像處理到圖像分析的關鍵步驟。它是其他醫(yī)學圖像處理與模式識別問題，如特征向量化、特征配準、三維重建等的前處理技術，并可以為臨床診斷和輔助治療提供有力的支持。因此對感興趣區(qū)的分割研究具有重要價值，多年來一直受到人們的高度重視。 目前，活動輪廓模型已經(jīng)成為醫(yī)學圖像分析的重要工具，它將基于圖像數(shù)據(jù)的約束和對感興趣目標的先驗知識統(tǒng)一于變

2、分框架之下，其應用包括圖像去噪、圖像分割、圖像配準、圖像修復、表面重建、運動跟蹤等方面。本文首先對醫(yī)學圖像分割的方法作了詳盡的綜述。這部分主要介紹了常用的醫(yī)學圖像分割方法。第三章介紹了參數(shù)活動輪廓模型的理論基礎，以及活動輪廓的評價，特別對梯度矢量流模型的數(shù)學表述作了詳細的介紹。第四章是本文的重點內容。首先給出了活動輪廓模型的算法實現(xiàn)，分析了傳統(tǒng)ACM模型分割圖像時存在的問題。傳統(tǒng)ACM模型在分割圖像時，要求初始輪廓線設置在感興趣區(qū)域的邊

3、界附近；曲線在變形過程中難以分割深度凹陷區(qū)域。本文在分析活動輪廓模型的基礎上，提出了基于復合矢量場的改進ACM模型分割算法。它采用廣義模糊理論對圖像進行處理，從而獲得一個較理想的邊緣映射圖，避免了圖像的弱邊緣以及尖角部分在平滑過程中的模糊化。在此基礎上，本文構建了一個復合矢量場代替了模型中原有的力場，同時將GVF場的約束權值設為隨目標特征自適應變化。大量的實驗結果驗證了該算法的有效性。本文的最后部分討論了醫(yī)學圖像分割中常遇到的分割結果定