基于局部核映射的水平集醫(yī)學圖像分割算法研究.pdf

1、在圖像分割領域，醫(yī)學圖像分割一直是研究的熱點之一，表現(xiàn)在常規(guī)醫(yī)學影像設備所獲得醫(yī)學影像圖像（包括計算機斷層掃描(Computed Tomography,CT)、正電子放射層析成像技術（Positron Emission Tomography,PET）、單光子輻射斷層攝像（Single Photon Emission Computed Tomography,SPECT）、磁共振成像（Magnetic Resonance Imaging,M

2、RI）及其它醫(yī)學影像設備所獲得的醫(yī)學圖像）的分割應用中。在臨床醫(yī)學上，醫(yī)學圖像分割更是對醫(yī)學圖像進行分析研究的關鍵步驟之一，在醫(yī)學影像分析中發(fā)揮著越來越大的作用。圖像分割是提取醫(yī)學圖像中特定組織的定量信息所不可缺少的手段，分割后的圖像正被廣泛用于各種場合，如組織結構的定量分析和診斷、病變組織的定位、解剖結構的學習、治療規(guī)劃、功能成像數(shù)據(jù)的局部體效應校正及計算機輔助手術等，在臨床診斷、病理分析及人體器官三維重現(xiàn)等方面越來越重要,并在生物醫(yī)

3、學領域有著非常重要的科研價值和現(xiàn)實意義。
　　醫(yī)學圖像分割迄今為止沒有一個統(tǒng)一的方法處理各種圖像問題，大量學者只能就其某些方面進行實驗研究，例如噪聲、灰度不均勻性等方面。本文主要是對灰度分布不均勻性并含有噪聲的醫(yī)學圖像的高效、精確分割方法開展研究工作。首先介紹幾種處理噪聲和灰度不均勻性醫(yī)學圖像的經(jīng)典分割方法，針對他們的優(yōu)缺點進行分析，接著著重對核映射(kernel mapping,KM)方法處理具有灰度分布不均勻性并含有噪聲的醫(yī)學

4、圖像的不足進行改進，將處理灰度不均勻性的局部化思想和KM方法予以結合，構造本文提出的算法模型，包括二相分割模型和多相分割模型，然后利用水平集方法實現(xiàn)能量泛函快速最小化，無需重新初始化。具有計算量少、快速收斂等優(yōu)點。實驗分別對二相人工合成圖像、醫(yī)學圖像和多相醫(yī)學圖像進行分割，并和經(jīng)典算法進行定性、定量分析比較，提出的方法不僅能克服噪聲的影響，并且能有效處理圖像灰度不均勻性，獲得比原有方法更高的分割精度，實現(xiàn)了對具有較強灰度不均勻性和噪聲的