基于隐马尔可夫随机场的脊柱CT图像分割算法研究

摘要

医学影像技术的出现和发展极大的便利了现代医学的临床诊断，医学影像技术是由医学成像和后续的图像处理技术组成的。其中医学图像处理主要包括图像轮廓分割、图像配准、组织器官重建、手术方案规划等。其中图像分割是后续处理的基础，其结果可以用于组织器官测量、结构重建。临床上对于脊柱这种密度较高的骨组织多采用 CT成像，但因为 CT图像本身存在模糊效应，这给计算机自动分割带来不小的挑战。为此本文采用基于隐马尔可夫随机场的脊柱CT图像分割方法。
　　为了验证本文算法对脊柱 CT图像分割的有效性，首先对原图像进行增强，通过锐化脊柱椎体的边缘、消减噪声、增加对比度等方式使 CT图像中的椎体更加明确。在增强后的图像的基础上，对脊柱 CT图像应用隐马尔可夫随机场进行建模，其中标号场采用 MLL模型，特征场上采用高斯混合模型。之后利用最大后验准则引出能量函数，图像处理被转化为求解数学上的最优解问题。最后利用期望最大化算法进行图像分割，考虑到该算法容易陷入局部极值，应用模拟退火算法得到全局最优解，但是模拟退火算法的处理速度不甚理想，所以加入振动点和条件迭代算法的思想，一方面在每次迭代之前去掉已经稳定的像素点，以此减少每轮所要遍历的像素点数目。另一方面运用条件迭代算法替换模拟退火算法的中间迭代过程。
　　本文在 MATLAB平台下对135幅脊柱 CT图像进行分割，将本文算法、对比算法的分割结果分别与医生手动分割的结果进行比较，以此验证了本文算法的精确性。而后又在处理时间上将本文算法与对比算法进行了比较，以此验证本文算法在处理速度上的提升。

目录

声明

第1章 绪论

1.1课题来源

1.2课题研究的目的和意义

1.3国内外脊柱分割现状

1.4论文主要研究内容

第2章 脊柱CT图像的增强过程

2.1引言

2.2拉普拉斯高斯变换

2.3中值滤波

2.4幂律拉伸

2.5本章小结

第3章 隐马尔可夫随机场建模

3.1引言

3.2马尔可夫随机场

3.3隐马尔可夫场建

3.4本章小结

第4章 隐马尔可夫随机场参数估计

4.1引言

4.2标号场参数估计

4.3特征场参数估计

4.4本章小结

第5章 实验结果分析

5.1引言

5.2实验环境

5.3实验与实验结果分析

5.4本章小结

结论

参考文献

攻读学位期间取得的学术成果

致谢