基于偏置项估计的MR图像分割方法研究

摘要

图像分割就是根据灰度、颜色、形状等特征把图像分成若干个区域的过程，是图像处理的重要环节之一。医学图像为医生提供了丰富的组织器官信息，随着医学图像技术在临床诊断和治疗的广泛应用，医学图像成为疾病诊断的重要工具。然而人工的方法对图像进行分割已不能满足人们对于快速且精确分割的要求，高效率的自动化的图像分割方法亟待应用于医学图像。但是由于医学图像特殊的成像原理，一般的图像分割技术并不能很好地对医学图像进行分割，这就需要人们提出更适合于医学图像的分割方法。
　　针对医学图像中MR图像强度不均匀的问题，本文首先采用了基于乘法因数优化和强度平均化的方法进行MR图像的分割。将图像由偏置项和真实项的乘积表示，通过能量方程最小化的过程，求得偏置项和真实项的参数值，即得到了图像中偏场的估计和对图像的分割结果。对于偏场所造成的强度不均匀现象，通过偏置项的估计得到去除偏场影响的真实图像，为了提高能量方程的收敛速度，在能量方程中加入了约束项，可以提高图像的分割速度。
　　本文采用的另一种图像分割方法是将图像局部区域的强度进行平均化，带入图像的乘法方程，同时结合图像的全局信息，通过水平集的方法，求得图像的分割结果。强度的平均化过程减缓了图像区域边界的模糊程度，增强了相邻组织区域间的强度差异，提高了分割的精度。利用图像局部信息和全局信息的互补性，提高了图像细节上的分割效果，同时降低了算法陷入局部极小值的可能性。
　　实验表明，对于不同程度强度不均匀的MR图像，本文的方法有着良好的分割效果。对于较模糊的图像，本文方法分割的准确度也较高，因此有着很好的鲁棒性。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 研究现状

1．2．1 主要方法

1．2．2 主要难点

1．3 磁共振成像

1．3．1 原理

1．3．2 磁共振图像

1．4 本文主要工作

第二章 基于乘法因数优化的偏置项估计和组织分割

2．1 磁共振图像(MRI)的乘法表示

2．2 能量方程

2．3 能量方程最小化

2．3．1 变量优化

2．3．2 更新步骤

2．4 实验伪代码和流程图

2．5 实验

2．5．1 实验环境与数据

2．5．2 实验结果

2．5．3 实验讨论

2．6 本章小结

第三章 基于强度平均化的图像分割

3．1 图像强度平均化

3．2 图像强度的高斯分布

3．3 能量方程及其最小化

3．3．1 能量方程

3．3．2 变量优化

3．3．3 更新步骤

3．4 实验伪代码和流程图

3．5 实验

3．5．1 实验环境与数据

3．5．2 实验结果

3．5．3 实验讨论

3．6 本章小节

第四章 总结与展望

4．1 主要工作成果

4．2 未来工作

参考文献

致谢

攻读学位期间发表的学术论文

攻读学位期间所参与的科研项目