基于优化蚁群算法的Snake模型在医学图像分割中的应用研究

论文摘要

医学图像是反映人体生物组织的复杂图像,图像信息量大,处理困难。医学图像分割是医学图像研究的一个关键环节,对临床医学的应用和发展有着巨大的实用价值。医学图像主要包括X射线断层(Computed Tomography,CT)、超声、核磁共振(Nuclear Magnetic Resonance Imaging,MRI)等图像,其在人体内部组织器官的定量分析、实时监控和治疗规划等方面都具有重要的作用。利用医学图像进行诊断时,常根据需要将特定的组织器官或感兴趣的区域(Region of Interesting,ROI)提取出来,以便更好地对其进行分析和诊断,这个过程就是图像分割。由于医学图像本身分辨率较低、对比度较低,以及固有噪声的影响,使用传统的图像分割方法很难达到要求。如何在计算机辅助下,精确地、自适应分割地提取影像中包含的信息来满足医学图像处理的要求,是图像分析专家需要解决的关键问题。本文首先介绍了图像分割的基本原理、现状和分类,以及一些常规的分割方法。然后对Snake模型的主要方法以及其对医学图像的分割结果进行了分析。针对Snake模型在凹陷轮廓、局部最优、收敛速度和分割精度等方面存在的不足,本文从以下方面展开工作:(1)针对蚁群算法由于初始信息素匮乏易陷于局部最优解,把鱼群的拥挤度函数引入到蚁群算法中,实验结果表明加入拥挤度函数的蚁群算法增加了算法的遍历能力,提高了蚁群算法寻找全局最优解的能力。(2)改进了传统的遗传算法和蚁群算法分步起作用的结合方式,基本思想是用遗传算法优化每一次迭代的蚂蚁,使其作用于整个搜索寻优的过程,而不同于传统的分步结合方式,实验结果表明本文改进的混合算法在收敛速度、最优解的精度方面比传统的结合方式有优势。(3)为防止Snake模型陷入局部最优,把优化的蚁群算法应用到Snake模型中,增加其全局搜索性。实验结果表明本文的基于优化蚁群算法的Snake分割方法比单独Snake方法在寻求全局最优解的精度方面有优势。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 问题的提出
• 1.2 课题研究的意义
• 1.3 图像分割国内外研究现状
• 1.3.1 基于区域的图像分割
• 1.3.2 基于边界的图像分割
• 1.3.3 结合特定理论工具的方法
• 1.4 蚁群算法优化国内外研究现状
• 1.5 本文的工作和创新点
• 1.6 论文的组织结构
• 第二章 Snake模型原理与方法
• 2.1 数学模型
• 2.1.1 内部能量
• 2.1.2 外部能量
• 2.1.3 Snake模型的实验结果与分析
• 2.1.4 活动轮廓模型的优缺点
• 2.2 Snake模型的数值解法
• 2.2.1 有限差分法
• 2.2.2 动态规划法
• 2.2.3 贪婪算法
• 2.3 活动轮廓模型的改进
• 2.3.1 气球模型
• 2.3.2 距离势能力
• 2.3.3 梯度矢量流Snake模型（GVF Snake）
• 2.3.4 S-L模型
• 2.3.5 其它改进模型
• 2.4 本章小结
• 第三章 优化的蚁群算法OAC与医学图像分割
• 3.1 蚁群算法分析
• 3.1.1 蚁群算法的基本原理
• 3.1.2 基本蚁群算法的数学模型
• 3.2 蚁群算法的实现及优缺点
• 3.2.1 蚁群算法实现流程图
• 3.2.2 蚁群算法的优缺点
• 3.3 一些改进的蚁群算法
• 3.3.1 蚁群系统（Ant Colony System）
• 3.3.2 最大-最小蚁群系统
• 3.3.3 具有变异特征的蚁群算法
• 3.3.4 分段算法
• 3.4 加入鱼群的拥挤度的优化蚁群算法OAC
• 3.4.1 OAE原理
• 3.4.2 实验分析
• 3.5 OAC在图像分割中的应用
• 3.6 本章小结
• 第四章 遗传与蚁群结合算法GA-AC与医学图像分割
• 4.1 遗传算法的简介与基本原理
• 4.2 遗传算法的基本步骤及求解过程
• 4.3 遗传算法与蚁群算法融合
• 4.3.1 遗传算法与蚁群算法的对比研究
• 4.3.2 遗传算法与蚁群算法融合的可行性
• 4.4 实验分析
• 4.5 本章小结
• 第五章 结合OAC和GA-AC的Snake模型与医学图像分割
• 5.1 基于优化蚁群算法的Snake医学图像分割算法描述
• 5.2 医学图像分割实验
• 5.2.1 左心室MRI简介
• 5.2.2 分割结果分析
• 5.3 本章小结
• 第六章 结论与展望
• 6.1 工作总结
• 6.2 下一步工作展望
• 参考文献
• 致谢
• 发表论文和主持课题情况