資源描述：
《人體腦圖像分割技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、摘要摘要醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像處理和分析領(lǐng)域的基礎(chǔ)性經(jīng)典難題，其中腦部醫(yī)學(xué)圖像分割因其重要的應(yīng)用價(jià)值一直是醫(yī)學(xué)圖像分割的研究熱點(diǎn)。本論文的主要工作是對(duì)可視人腦部圖像和MRI腦部圖像進(jìn)行分割技術(shù)研究，以便提取出特定n0組織和結(jié)構(gòu)。論文的創(chuàng)新點(diǎn)包括：1．提出了一種基于最大熵和數(shù)學(xué)形態(tài)學(xué)的可視人腦部彩色圖像分割方法。該方法是將原本只用于灰度圖像分割的最大熵方法和數(shù)學(xué)形態(tài)學(xué)方法有機(jī)結(jié)合而形成的一種彩色腦圖像分割方法，它不僅能對(duì)可視人腦部圖像進(jìn)行有效分割，斯凡成功提取出了腦組織和腦骨結(jié)構(gòu)。經(jīng)對(duì)多達(dá)576幅可視人腩部圖像作實(shí)驗(yàn)均獲社}若用單一算法無(wú)法實(shí)現(xiàn)的滿意效果。2．為適應(yīng)MRI圖象分割
2、的問(wèn)題提出了種新的核聚類算法。該方法針對(duì)傳統(tǒng)模糊核聚類算法當(dāng)數(shù)據(jù)類差別很大時(shí)，小數(shù)據(jù)類被誤分或被大數(shù)據(jù)類吞并的缺陷，通過(guò)定義一個(gè)新的目標(biāo)函數(shù)，為每一個(gè)類分配了一個(gè)動(dòng)態(tài)權(quán)值，可改善聚類效果，實(shí)驗(yàn)結(jié)果表明，本文算法對(duì)腦白質(zhì)、腦灰質(zhì)、腦脊液分割結(jié)果在降低誤分率性能方面均比經(jīng)典核聚類算法有5％以上的提高。3．提出了一種分層Mumford．Shah模型的顱腦圖像分割方法。該方法針。劉1Mumford．Shah模型分割多目標(biāo)時(shí)初始化的耦合對(duì)分割結(jié)果有明顯影響的問(wèn)題，提出應(yīng)用分層Mumford—Shah模型進(jìn)行圖像分割，并運(yùn)用了改進(jìn)的圖像分割方羈；進(jìn)行計(jì)算求解的圖像分割方法，經(jīng)對(duì)MRI腦圖像
3、腦白質(zhì)，臟i狄質(zhì)和腦脊液的分割實(shí)驗(yàn)，取得了良好的效果。關(guān)鍵詞：醫(yī)學(xué)圖像分割最大熵?cái)?shù)學(xué)形態(tài)學(xué)模糊c均值聚類水平集Mumford．Shah模型AbstractMedicalimagesegmentationisahard—toughprobleminmedicalimageprocessingandanalysis．Amongit，brainmedicalimagesegmentationistheresearchfocusforitsimportantvalues．TheprimarytaskofnaythesisisstndyingtheVis．ibleHumanbrainin
4、aagesegmentationandMRIbrainimagesegmentationtechniquesinordertoextractthetissuesandstructures．Theachievementsofmythesisinclude：IAVisibleHumanbraincolorimagesegmentationmethodbasedonmaxilltumentropyhasbeenproposed．CombingthemaximumentropymethodandMathematicalMorphologymethodthatwereonlyusedfo
5、rgrayimageoriginally．OLIFmethodextractsbraintissuesandbrainbonesthatwon’tbedoneifsinglemethodisused．Theexamplesof576brainimagesshowitseffectiveness．2．AnewMRIkernelfuzzyclusteringalgorithmhasbeenproposedforMRIimagesegmentation，Whenthedifferenceofthedatesizeislarge．Thesmallclassmaybemisclassif
6、iedormaybemergedintobigclassinfuzzykernelclusteringalgorithm．Anewobjectivefunctionisintroducedandanadditionalweightingthctorisassignedtoeachclass．Basedonthisimprovementthealgoritlungetsbetterperformance．7l'heresultsindicateitcouldreduce5％misclassificationrateofthewhitematter、graymatterandCSF
7、thanoriginalalgorithm．3．WhenMumford—Shahmodelisusedformulti-objectsegmentation．theinitializationinfluencestheresultsseriously．Anovelimagesegmentationapproachbased01lhierarchicalMumford—Shahmodelhasbeenproposedinthispaper，whichgetsthesolutionbysolvi
