统计蛇模型及其在医学图像分割中的应用

论文摘要

在近20年来图像处理技术和计算机视觉技术变得越来越重要。图像分割又称为图像中物体的边界识别,是计算机视觉和图像处理中最为重要的问题之一。分割技术的应用范围很广,包括医学(如定位损伤)、工业(如机器视觉)、军事(如目标探测)行业等等。随着医学图像在诊断和治疗中占据着越来越重要的位置,分割技术已经被应用于临床提取一些解剖结构方面的信息。由于医学图像具有的及其繁杂的多样性和复杂性,加上目前医学影像设备(CT,MRI,PET等)成像技术上的特点,使得医学图像的分割更加困难。概括来说,通常包括以下几种分割方法:基于区域的分割方法,如阈值分割法、区域生长法;基于边缘的分割方法;结合区域与边界信息的方法等。 本文运用了统计蛇模型技术对彩色图像进行了分割。统计蛇模型又称为活动区域模型,它是一种基于压力蛇的区域增长模型,它利用图像的统计特征来控制局部压力的大小和方向,这样模型既可以收缩,又可以扩展,从而克服了传统气球模型的局限。同时这种模型可以结合多形态图像(例如彩色视频)中所有的特征。本文中就采用了一个多维线性优度函数,对图像中的R、G、B三色分别进行处理,从而克服了活动轮廓线模型只能分割灰度图像的缺点,取得更好的分割效果。该算法还克服了活动轮廓线模型的另外一些缺点,例如在梯度变化平缓区域出现振荡现象,逼近速度较慢等。对实际图像处理的结果表明,该算法具有良好的分割精度及稳定性。

论文目录

• 第一章 引言
• 1.1 问题叙述
• 1.2 研究内容
• 1.3 论文安排
• 第二章 图像分割技术介绍
• 2.1 传统的边缘检测和边缘加强技术
• 2.1.1 梯度
• 2.1.2 拉普拉斯算子
• 2.1.3 阈值
• 2.1.4 Canny算子
• 2.2 活动轮廓线模型
• 2.2.1 活动轮廓线模型的分类
• 2.2.2 参数变形轮廓线的表达式
• 2.2.3 图像能量
• 2.2.4 参数变形模型的数值实现
• 2.2.5 参数变形模型的程序流程
• 第三章 活动区域模型
• 3.1 活动区域模型简介
• 3.2 区域能量和自适应压力
• 3.3 象素估计（优度）函数
• 3.3.1 统计距离标准
• 3.3.2 应用于单特征图像的优度函数
• 3.3.3 应用于多特征图像的优度函数
• 3.4 选择参数值
• 3.5 主要特征及与其它蛇的区别
• 第四章 对彩色图像分割的活动区域模型
• 4.1 颜色模型
• 4.2 RGB和CMY空间
• 4.2.1 RGB颜色模型
• 4.2.2 CMY颜色模型
• 4.3 正交化空间
• 4.4 选择颜色的活动区域模型
• 第五章 活动区域模型在医学上的应用实例
• 5.1 人体小腿肌肉图像分割
• 5.2 椭圆的图像分割
• 5.3 胸腔的图像分割
• 5.4 脑部彩色图像的分割
• 5.5 小腿彩色图像的分割
• 第六章 结论
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 学位论文独创性声明