基于改進型水平集的醫(yī)學圖像分割研究.pdf

1、圖像分割是我們圖像處理的關鍵，是圖像處理技術中的底層技術，經過這幾十年的發(fā)展，在實際生活工作中，圖像分割已經得到了廣泛的應用。隨著醫(yī)學影像學的發(fā)展，醫(yī)學圖像分割也成為了圖像分割研究的熱點和難點。
　　由于醫(yī)學圖像具有復雜多樣性，容易受各種外在和內在因素的干擾產生，分割圖會出現(xiàn)噪聲、灰度不均、弱邊緣、多目標等等，經常需要采用多種方法綜合起來對圖像進行分割，才能將圖像的所有信息充分分割出來。水平集方法(LSM)憑借其算法獨特的優(yōu)勢，近

2、年來已成為圖像分割領域關注的焦點，并得到了快速的發(fā)展和應用。但是，水平集分割方法對處理復雜情況下的圖像也會存在一些問題，比如計算量大、魯棒性、穩(wěn)定性等，因此開展水平集方法的醫(yī)學圖像分割研究具有很高的應用價值和重要的現(xiàn)實意義。
　　在借鑒諸多文獻的基礎上，本文進行了基于改進型水平集的醫(yī)學圖像分割研究，并提出了幾種改進方法:基于抑制式聚類算法的改進型雙水平集圖像分割算法、基于偏移場和改進型水平集的圖像分割算法等，編寫設計了智能圖像處理

3、系統(tǒng)。主要研究內容和創(chuàng)新點包括:
　　1、闡述了醫(yī)學圖像分割技術研究的背景和意義，給出了醫(yī)學圖像分割技術的數(shù)學描述，介紹了醫(yī)學圖像分割技術研究的現(xiàn)狀，同時也討論了醫(yī)學圖像分割技術的發(fā)展和難點。文中用數(shù)學方式描述了水平集的基本模型和常見模型。
　　2、醫(yī)學圖像中經常出現(xiàn)噪聲、多目標現(xiàn)象，為了能夠同時分割多相圖像，并對圖像噪聲干擾具有抑制能力，本文提出基于聚類算法的改進型雙水平集模型，首先通過抑制式模糊聚類算法(SRFCM)“抑

4、制式競爭”思想提高算法的收斂速度，然后采用增加能量懲罰項的方式改進雙水平集醫(yī)學圖像分割模型(DCV)分割多目標。
　　3、針對醫(yī)學圖像灰度不均，存在偏移場的問題，本文提出基于區(qū)域的偏移場耦合模型，通過添加區(qū)域信息的方式，將全局分割方法和Split-Bregman方法結合起來。采用N個水平集劃分2N個區(qū)域變分多相水平集方法，在函數(shù)中增加能量懲罰項使水平集避免重新初始化，降低分割算法的計算和時間復雜度。
　　4、編寫設計了圖像處