基于自适应阈值和马尔可夫随机场医学图像分割算法研究

论文摘要

近年来,生物医学成像技术的快速发展使人们能够获得大量高分辨率的医学图像和数据影像。各种医学成像技术已经广泛应用于医疗的诊断、术前计划、治疗、术后监测等各个环节,如何对这些成像技术获得的各种定量定性数据进行分析,使这些宝贵的信息得到有效充分的利用,是至关重要的问题。所以,医学图像分割技术成为医学图像处理和分析中的关键技术。而如何从图像中把有关结构(或感兴趣区)分离出来就成了图像分析与识别首要解决的问题,这也正是制约医学图像处理中其它相关技术发展和应用的瓶颈。本文分别对基于自适应阈值和马尔可夫随机场的分割算法进行了研究。主要工作有：1)在单帧医学图像的自适应阈值分割方面,针对于对比度低,信噪比低,亮度不均匀医学图像的分割,分析了亮度不均匀产生的原因,研究了两种改进算法,一种是基于邻域信息计算阈值曲面改进算法,另一种是利用边缘信息计算阈值曲面的局部自适应阈值分割算法,两种方法能够在一定程度上解决由于光照不均所引起的分割问题。2)在序列医学图像的自适应阈值分割方面,分析了帧间差和背景差的原理,重点研究了基于背景差的感兴趣目标分割方法,针对背景图像的更新比较了三种背景生成方式。最后针对差分图像阈值选取提出了基于快速欧拉数的自适应阂值选择方法。3)在基于马尔可夫随机场的医学图像分割算法研究方面,重点研究了基于最大后验概率改进的马尔可夫随机场图像分割算法,实验结果表明,本文算法可以较好地提取出医学图像中的感兴趣区域。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的背景及意义
• 1.2 医学图像分割的相关介绍
• 1.3 论文的主要内容及安排
• 第2章 医学图像分割方法分析与评述
• 2.1 图像分割的定义及分类
• 2.2 医学图像分割的任务与特点
• 2.3 医学图像分割算法综述
• 2.3.1 阈值法
• 2.3.2 基于边缘检测的方法
• 2.3.3 基于区域的分割
• 2.3.4 基于形变模型的分割
• 2.3.5 基于图谱引论的分割
• 2.3.6 基于模糊集的分割
• 2.3.7 基于随机场的分割方法
• 2.3.8 基于其他方法的分割
• 2.4 本章小结
• 第3章 单帧医学图像自适应阈值分割算法
• 3.1 问题的提出
• 3.2 全局自适应阈值选择方法
• 3.2.1 OTSU算法
• 3.2.2 实验结果与分析
• 3.3 基于邻域信息计算阈值曲面的局部自适应阈值分割算法
• 3.3.1 均值曲面法
• 3.3.2 基于邻域信息计算阈值曲面的改进算法
• 3.3.3 实验结果与分析
• 3.4 利用边缘信息计算阈值曲面的局部自适应阈值分割算法
• 3.4.1 自适应Canny边缘检测
• 3.4.2 基于边缘信息的阈值曲面局部自适应分割算法
• 3.4.3 实验结果与分析
• 3.5 本章小结
• 第4章 序列医学图像的自适应阈值分割算法
• 4.1 问题的提出
• 4.2 图像差分法提取感兴趣目标
• 4.2.1 帧间差法
• 4.2.2 背景差法
• 4.3 一种利用欧拉数的自适应阑值选择方法
• 4.3.1 稳定欧拉数
• 4.3.2 快速欧拉数计算方法
• 4.3.3 最优阈值选取
• 4.3.4 实验结果与分析
• 4.4 本章小结
• 第5章 基于改进马尔可夫随机场的医学图像分割算法
• 5.1 马尔可夫随机场基本概念
• 5.2 常用马尔可夫模型介绍
• 5.2.1 Ising模型
• 5.2.2 Potts模型
• 5.2.3 MLL模型
• 5.2.4 高斯马尔可夫随机场模型
• 5.3 基于马尔可夫随机场的分割算法的参数估计
• 5.3.1 最大似然估计
• 5.3.2 最大伪似然估计（MPL）
• 5.3.3 均场近似估计
• 5.3.4 期望最大法
• 5.3.5 动态蒙特卡罗方法
• 5.4 基于马尔可夫随机场的分割算法
• 5.4.1 模拟退火算法（SA）
• 5.4.2 条件迭代算法（ICM）
• 5.4.3 松弛标记法
• 5.5 基于最大后验概率改进的马尔可夫随机场图像分割算法
• 5.5.1 算法的改进
• 5.5.2 算法的实现流程
• 5.6 实验结果与分析
• 5.7 本章小结
• 第6章 结论与展望
• 参考文献
• 致谢