基于形态学脑肿瘤图像分割方法研究

摘要

脑部MRI及CT检查以其简单、快速有效、无创且诊断准确性高、为临床医生提供可靠的诊断依据。本课题的主要目的是依据脑部CT图像特点,对脑部肿瘤的分割算法进行研究。最终需要达成的目标是在尽可能减少人工工作量的前提下实现计算机自动分割。由于脑部组织结构复杂、组织器官形状不规则及不同个体间存在差异,这些因素使得分割算法计算量大,容易产生误差,从而降低了图像分割的精度和准确性。本文主要对分水岭分割算法及形态学运算进行了研究,主要针对数学形态学多尺度修正及粘性形态学在分水岭变换中抑制过分割现象进行了研究。本文的主要工作包含以下几个方面:
　　(1)区别于传统形态学开闭运算提出一种多尺度修正的方法修正图像,其在形态学梯度图像基础上,根据不同像素梯度值与其一定领域内梯度值的均方差确定结构元素的大小,对图像各像素进行形态学开(闭)修正,以消除局部极大(小)区域,保证修正过程中目标轮廓不发生较大偏移。
　　(2)采用参数化的粘性形态学分水岭分割思路,将粘性流体引入分水岭变换过程。这样,可以对因噪声和非规则细节引起的非目标区域的局部极小区域采用粘性度较大的流体进行淹没,而对于较大的目标区域则采用粘性度较小的流体,一方面保持了经典分水岭的封闭轮廓的准确定位特性,另一方面,可以消除过分割现象。
　　通过仿真实验验证本文所提出的方法可以较好的抑制分水岭变换中的过分割现象,并且能够在肿瘤边缘迷糊,内部灰度不均匀的情况下较为精确的定位肿瘤的边缘。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 论文研究背景和目的

1.2 国内外研究现状

1.3 论文主要研究内容

2.数学形态学

2.1数学形态学的基本思想

2.2 二值形态学基本概念和运算

2.3 灰度图像形态学

2.4 灰度图像的形态学梯度

2.5 小结

3形态学滤波器的设计

3.1 形态学滤波器

3.2形态学多尺度滤波器

3.3 本章小结

4 分水岭变换

4.1 分水岭变换理论基础

4.2 分水岭变换的过分割现象及抑制方法

4.3 基于粘性形态学分水岭分割

4.4 本章小结

5 基于形态学多尺度修正及粘性形态学的脑肿瘤分割方法

5.1 基于形态学多尺度修正的肿瘤分割

5.2 实验结果及其分析

5.3 本章小结

结论

致谢

参考文献

攻读硕士期间的研究成果