医学图像分割中的多层单水平集方法

论文摘要

单水平集方法是一种十分有效并且易于实现的图像分割算法。但是由于它只能将图像分成两部分,其应用范围受到了很大的限制。对于结构比较丰富的图像,单水平集方法不能满意地对细节进行提取。针对单水平集方法的这个缺点,本文提出了多层单水平集方法,通过对分割所得区域进行多层次再分割,同时排除无关区域的影响,达到了细化分割的目的。另外,多层单水平集方法的实现较为简单,且通过特殊设计使高层分割的初值选取很灵活,从而克服了多层方法实现上的困难。对于灰度呈分块正态分布的图像,多层单水平集方法尤其有效。另外,本文对多种目前广泛应用的图像特征进行了试验和讨论,对于胸部CT图像,这些特征用于区分不同区域的效果大都很好。但对于胸部X光透视图像,由于多种器官图像的堆积叠加,使图像直方图呈杂乱无章的震荡状态,现有的特征效果均不好,尚需加以改进。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 医学图像分割问题的实际背景
• 1.2 相关研究介绍
• 第2章 水平集方法
• 2.1 水平集方法的初值问题和边值问题表述
• 2.1.1 水平集方法的初值问题表述
• 2.1.2 水平集方法的边值问题表述
• 2.2 水平集方法的变分表示
• 2.3 基于分片常数Mumford-Shah 能量函数的单水平集分割方法
• 2.4 使用统计模型的单水平集分割模型
• 第3章 多层单水平集方法
• 3.1 多层单水平集方法
• 3.2 关于能量函数（13）和（10）的分析
• 3.3 多层单水平集方法的数值实现
• 第4章 数值实验
• ext 的修正'>4.1 对扩展速度函数F_ext的修正
• 4.2 对于胸部CT 图像的实验
• 4.2.1 CT 图像1
• 4.2.2 CT 图像2
• 4.2.3 CT 图像3
• 4.3 对于胸部透视图像的实验
• 第5章 对灰度以外的各种图像特征的考察
• 5.1 一个简易分割模型
• 5.2 各种图像特征
• 5.2.1 Tamura 纹理特征
• 5.2.2 Laws 纹理能量特征
• 5.2.3 纹理谱方法
• 5.3 各特征应用于胸部CT 图像
• 5.4 各特征应用于胸部透视图像
• 5.5 随机的n×n 模板
• 第6章 结论
• 参考文献
• 致谢
• 个人简历、在学期间发表的学术论文与研究成果