医学图像增强与脑部MR图像统计学分割

摘要

医学图像增强与医学图像分割在医学图像处理中占有举足轻重的地位，两者一直是国内外研究的热点问题，作者在“国家数字化医学影像设备工程技术研究中心”的支持下，从事了此方面的研究工作，取得了以下进展： 医学图像增强是医学图像后处理的首要的任务。频域处理算法、对比度处理算法和GOP处理算法，是目前国际医学影像企业使用的主流算法，代表着当今医学图像增强处理的发展水平。本文重点研究的频域处理算法和对比度处理算法能够显著地提高X线产品的图像质量，使得图像边缘锐利度、对比度及纹理等显示情况均得到较大幅度的改进，目前已经成功应用于产品，而对GOP处理算法原理的详细剖析，为开发下一代处理软件打下了理论基础。 医学图像分割是医学图像处理的经典难题，也是医学图像处理和分析中的关键技术。HMRF-EM(隐式马尔可夫随机场-期望最大化)分割框架是目前国际前沿的分割模型之一，其能够对脑部MR图像进行精确，健壮的分割。在充分研究此模型的基础上，本文将其和偏移域校正技术相结合，提高了其针对此具体特定问题的分割性能，并结合试验对分割框架中的关键参数进行了调整，实现了脑部MR图像的自动分割。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

第一章绪论

1.1引言

1.2研究背景

1.3研究现状

1.3.1频域处理算法

1.3.2对比度处理算法

1.3.3 GOP图像处理算法

1.3.4隐式马尔可夫随机场分割模型

1.4主要工作

第二章频域处理算法

2.1频域处理的基本思想

2.2实际应用中的频域处理算法

2.2.1 F(频率)处理

2.2.2 E(均衡化)处理

2.3小结

第三章对比度处理算法

3.1拉普拉斯金字塔变换

3.2对比度均衡化

3.3算法的具体实现过程

3.4实验结果

第四章GOP处理算法

4.1引言

4.2简单图像分析回顾

4.3 GOP图像处理算法

4.3.1低层次变换

4.3.2高层次变换

第五章GOP算法的层次模型

5.1引言

5.2运算的基本函数

5.3窗口尺寸和频率值的关系

5.4扩展频率范围

5.5高层次(水平)的复数场变换

5.6处理的结果

5.7一个层次结构的定义

5.8三种图像增强算法的比较

第六章偏移域校正

6.1引言

6.2传统的统计分类器

6.3偏移域校正

6.4经过改进后的期望最大化算法

6.5算法局限性和结论

第七章基于HMRF和EM算法进行脑部磁共振图像分割

7.1引言

7.2隐式马尔可夫随机场模型(HMRF)

7.2.1有限混合模型(FM)

7.2.2马尔可夫随机场理论

7.2.3隐式马尔可夫随机场(HMRF)模型

7.3模型仿真与图像合成

7.4 MRF-MAP分类

7.5利用EM算法进行模型拟和

7.6使用HMRF-EM框架进行分割

7.6.1初始参数估计

7.6.2试验

7.7具有偏移域校正的脑部磁共振图像分割

7.7.1通过改进EM算法进行偏移域校正

7.7.2利用HMRF-EM算法对脑部磁共振图像的分割

7.8试验结果和结论

第八章结论

参考文献

致谢