資源描述：
《基于圖論醫(yī)學(xué)x線圖像分割方法的研究》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。
1、中文摘要摘要：醫(yī)學(xué)圖像分割是圖像處理領(lǐng)域研究的熱點(diǎn)和難點(diǎn)問題，醫(yī)學(xué)圖像的準(zhǔn)確分割是后續(xù)處理和臨床診斷的重要保證。然而，由于醫(yī)學(xué)圖像的復(fù)雜性和多樣性，其中灰度對(duì)比度低、區(qū)域間相似性大、邊界模糊等難點(diǎn)，使得醫(yī)學(xué)圖像分割至今仍未獲得很好的解決?；趫D論的圖像分割是以圖論中的圖為研究對(duì)象，在圖論領(lǐng)域完成圖像的分割，是圖像分割的一種新思路、新方法。該方法具有其他方法所不具備的特性，鑒于研究現(xiàn)狀尚有許多亟需解決的問題。本文正是在這一背景下，以有助于臨床診斷和治療為前提，對(duì)基于圖論的醫(yī)學(xué)X線圖像分割方法進(jìn)行較為深入的研究。本文主要的貢獻(xiàn)和創(chuàng)新如下：(1)系統(tǒng)地研究了圖論特性與圖像特性
2、的對(duì)應(yīng)關(guān)系，在對(duì)應(yīng)關(guān)系的基礎(chǔ)上總結(jié)了基于圖論的圖像分割方法的基本框架：其次從灰度對(duì)比度、平滑度、一致性和灰度直方圖的角度分析了醫(yī)學(xué)X線圖像分割的顯著特點(diǎn)；然后，針對(duì)圖切割分析了其應(yīng)用和發(fā)展需要解決的問題，總結(jié)了分割方法運(yùn)算量大、對(duì)一致性高的區(qū)域區(qū)分能力不強(qiáng)等局限性，為后續(xù)章節(jié)改進(jìn)算法的研究提供基礎(chǔ)。(2)針對(duì)醫(yī)學(xué)X線圖像對(duì)比度低、邊緣模糊的問題，提出了兩種基于人類視覺特性的醫(yī)學(xué)X線圖像分割方法：MultipleNormalizedCut分割方法和基于偽彩色的NormalizedCut分割方法。在全局分割的基礎(chǔ)上，MultipleNormalizedCut在局部閾值的控制
3、下得到欠分割邊緣的準(zhǔn)確分割結(jié)果。該算法可得到圖像連續(xù)的邊緣，較好的解決醫(yī)學(xué)圖像欠分割問題。基于偽彩色的NormalizedCut分割方法，通過對(duì)灰度X線圖像偽彩色化處理，增加圖像的彩色信息、增強(qiáng)邊緣對(duì)比度，在NormalizedCut準(zhǔn)則下得到完整的分割結(jié)果。該算法對(duì)對(duì)比度較低以及含有偽影的醫(yī)學(xué)X線圖像具有一定的處理能力，并且分割結(jié)果準(zhǔn)確、穩(wěn)定。對(duì)兩種改進(jìn)算法在齲齒X線圖像分割應(yīng)用中進(jìn)行測(cè)試，仿真結(jié)果驗(yàn)證了改進(jìn)算法的可行性和有效性。(3)針對(duì)圖論分割算法的處理速度慢、數(shù)據(jù)量大問題，選用Kruskal算法生成最小生成樹應(yīng)用于醫(yī)學(xué)圖像分割，從相似度矩陣構(gòu)造，到分割準(zhǔn)則設(shè)計(jì)，
4、最后給出了算法的具體實(shí)現(xiàn)，并對(duì)齲齒X線圖像進(jìn)行分割，驗(yàn)證了算法的有效性。該算法能夠獲取醫(yī)學(xué)X線圖像的全局信息，得到準(zhǔn)確的分割結(jié)果，同時(shí)算法帶來的顯著優(yōu)點(diǎn)是算法處理速度快，數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)單，可應(yīng)用于對(duì)實(shí)時(shí)性有要求且待處理圖像數(shù)據(jù)量大的醫(yī)學(xué)圖像分割領(lǐng)域。關(guān)鍵詞：醫(yī)學(xué)圖像分害-IJ；圖論；NormalizedCut；偽彩色；最小生成樹分類號(hào)：TN911．73j匕京鑾煎太堂亟±堂焦i金塞△旦墨!R△g至ABSTRACTABS’I。RAC’I。：Medicalimagesegmentationisahotspotanddifficultyinimageprocessing．Exact
5、segmentationresultisanimportantguaranteeforsubsequentprocessingandclinicaldiagnosis．However,duetothecomplexityanddiversityofmedicalimage，includinglowgraycontrast，highsimilaritybetweendifferentregions，fuzzyboundaries，etc，thereisnotbettersolutionformedicalimagesegmentation．Graphtheorybased
6、imagesegmentationaimsatgraphandimplementssegmentationinthefieldofgraphtheory,whichisregardedasanewandpromisingsolution．Thisapproachhasitsowncharacteristicswhilestillhasproblemsneededtobesolved．Basedonthisbackground，graphtheorybasedsegmentationofmedicalX-rayimageisdeeplyresearchedinordert
7、oassistclinicaldiagnosisandtreatment．Maincontributionsandinnovationare：(1)Researchthecorrespondingrelationbetweenthecharacteristicsofimageandgraph．Summarizethebasicframeworkofgraphtheorybasedmedicalimagesegmentation；Then，analyzetypicalcharacteristicsofmedicalimagefromgray
