脑部CT图像分割算法改进及实现

摘要

论文以医学领域的脑部CT(Computed Tomography)图像为研究对象，在医学影像存档与通讯系统PACS(Picture archiving and communication systems)的CT影像工作站环境下，研究了边缘分割算子中的LOG(Gauss-Laplacian Operator)算子、基于形态学分割的分水岭算法的应用和改进，获得了脑部CT图像中头骨的边缘分割图和头骨的区域分割图。
　　 论文根据医学图像的分割特点及方法，分析了脑部CT成像的原理、研究了脑部CT图像的特点、噪声、边缘特征、多阈值形态学特征。完成的主要工作如下：
　　 1-在高斯-拉普拉斯算子(LOG)的基础上，改进了根据高斯函数的平滑因子σ、脑部CT图像的边缘灰度阈值T、滤波器的大小m×n等三个参数控制的LOG算子，利用该改进的算子能根据需要灵活地得到二值化头骨边缘分割结果。
　　 2.以脑部CT图像的灰度多阈值、形态学特征为基础，应用去噪、距离变换、梯度重构、内外部标记条件等综合方法，改进了分水岭分割算法。利用该改进的分水岭分割算法能够得到脑部CT图像的头骨分割图，该改进算法在噪声抑制、区域信息获取和过分割控制等方面效果较好。
　　 3.利用Matlab语言实现了改进的LOG算子和改进的分水岭算法，并对它们的分割效果和运算效率作了分析。
　　 4.用改进LOG算子、改进分水岭算法对一组脑部CT切片图像进行了处理，综合分析了分割质量、运行时间和效率、复杂度等。
　　 论文中的改进算法，在理论上有较全面和深入的研究，在应用上获得了有效的分割结果，其可行性和有效性从理论与实践上得到了验证。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究背景与意义

1.2国内外研究现状

1.3本论文研究内容及章节安排

1.3.1本论文研究内容

1.3.2本论文章节安排

第2章脑部CT成像及医学图像分割

2.1脑部CT成像

2.1.1 CT成像原理

2.1.2脑部CT图像的特点

2.1.3脑部CT图像的噪声

2.2医学图像分割

2.2.1图像分割的定义

2.2.2图像分割的方法

2.2.3医学图像分割的特点

2.3图像分割前常用的增强运算

2.3.1滤波

2.3.2卷积

2.4脑部CT图像分割后的数据挖掘

2.4.1分割图像数据挖掘的意义

2.4.2分割图像数据挖掘的目标

2.4.3常用的图像挖掘方法

第3章脑部CT图像的边缘检测算子及LOG算子改进

3.1脑部CT图像的边缘特征

3.2常用边缘检测算子

3.2.1梯度算子

3.2.2 Canny算子

3.2.3高斯-拉普拉斯算子(LOG)

3.3 LOG算子的改进

3.3.1问题提出

3.3.2改进LOG算子的思想及执行步骤

3.3.3改进LOG算子的描述与实现

3.3.4改进LOG算子的分割结果与分析

3.3.5改进LOG算子的分割质量分析

3.3.6改进LOG算子的时间效率分析

3.3.7时间复杂度及空间复杂度分析

第4章脑部CT图像的形态学分水岭算法及改进

4.1脑部CT图像的多阈值特征

4.2分水岭算法

4.2.1算法思想

4.2.2分水线构造

4.2.3分水岭分割算法

4.2.4分水岭分割算法中常用的工具

4.3分水岭算法的改进

4.3.1问题提出

4.3.2改进分水岭算法的思想及执行步骤

4.3.3改进的分水岭算法描述与实现

4.3.4改进的分水岭算法的分割结果与分析

4.3.5改进的分水岭算法的分割质量分析

4.3.6改进的分水岭算法的时间效率分析

4.3.7时间复杂度及空间复杂度分析

结论与展望

结论

进一步的工作

致谢

参考文献

攻读硕士学位期间发表的论文