基于水平集的醫(yī)學(xué)超聲圖像分割方法研究.pdf

1、目前，超聲成像在疾病的臨床診斷和治療中已經(jīng)得到了廣泛的應(yīng)用，主要是因?yàn)槌暢上駬碛袑?shí)時(shí)性、可靠性、可重復(fù)性、靈敏性和廉價(jià)性等多種獨(dú)特的優(yōu)勢(shì)。因此高效、準(zhǔn)確無(wú)誤地分割醫(yī)學(xué)超聲圖像，對(duì)推動(dòng)超聲成像技術(shù)的應(yīng)用具有重要意義。
　　 針對(duì)超聲圖像的分割現(xiàn)狀，本文在前人研究的基礎(chǔ)上對(duì)醫(yī)學(xué)超聲圖像分割方法進(jìn)行了研究，主要研究工作可以概括為下面幾點(diǎn)：
　　 (1)系統(tǒng)地分析了圖像分割的應(yīng)用，并詳細(xì)介紹了醫(yī)學(xué)超聲成像的主要特點(diǎn)和醫(yī)學(xué)超聲圖

2、像分割所面臨的一些困難以及目前已有的各類分割方法，在此基礎(chǔ)上指出研究本課題的重要性和現(xiàn)實(shí)意義。闡述了本文所采用的一些相關(guān)算法理論，包括水平集方法、數(shù)學(xué)形態(tài)學(xué)、C-V模型及核模糊C均值聚類(KFCM)算法等。通過對(duì)這些算法的原理和特點(diǎn)進(jìn)行分析，提出以改進(jìn)水平集曲線演化的速度函數(shù)作為本課題的主要研究方向，為后續(xù)改進(jìn)算法的陳述奠定了充分的理論基礎(chǔ)。
　　 (2)提出了一種結(jié)合形態(tài)學(xué)算法和水平集的醫(yī)學(xué)超聲圖像分割方法，將形態(tài)學(xué)梯度場(chǎng)作為

3、水平集的速度函數(shù)進(jìn)行曲線演化獲得圖像分割邊界。仿真結(jié)果表明，該方法在分割由散斑噪聲引起的目標(biāo)區(qū)域灰度不均勻的復(fù)雜醫(yī)學(xué)超聲圖像時(shí)能獲得比較理想的平滑邊界。
　　 (3)為了加快傳統(tǒng)的水平集圖像分割方法的速度，提出了一種基于改進(jìn)Chan-Vese(C-V)模型的水平集醫(yī)學(xué)超聲圖像分割方法，并對(duì)水平集演化過程中的初始閉合曲線的選取進(jìn)行分析，通過實(shí)驗(yàn)仿真證實(shí)了合理選取初始閉合曲線能加快圖像分割速度。相比于傳統(tǒng)C-V模型，此改進(jìn)C-V模型