基于小波分解和模糊聚类的MRI图像去噪以及分割算法研究

摘要

磁共振成像（MRI）由于自身独特的成像特点，使得其处理方法不同于一般图像.根据不同的应用目的，该文分别提出了MRI图像去噪和分割两个算法.首先，该文针对MRI重建后图像噪声分布的实际特点，提出了基于小波变换的MRI图像去噪算法.该算法详细阐明了MRI图像Rician噪声的特点，首先对与噪声和边缘相关的小波系数进行建模，然后利用最大似然估计来进行参数估计，同时利用连续尺度间的尺度相关性特点来进行函数升级，以便获得最佳萎缩函数，进一步提高图像的质量，最终取得了一定的效果.与此同时，该文对MRI图像的进一步的分析与应用展开了一定研究，提出了一种改进的快速模糊C均值聚类鲁棒分割算法.该算法先用K均值聚类方法得到初始聚类中心点，同时考虑邻域对分割结果的影响，对目标函数加以改进，用来克服噪声和非均匀场对MRI图像分割的影响，达到鲁棒分割的目的，为进一步图像处理和分析打下基础.通过实验，我们发现，无论是针对模拟图像还是实际图像，该文所提出的两个算法都取得了较好的效果，达到了预期的目的.

目录

文摘

英文文摘

引言

第一章磁共振成像简介

1.1MRI成像原理

1.2傅里叶变换成像

1.3MRI成像装置简介

1.4小结

第二章MRI图像去噪算法综述

2.1MRI图像噪声

2.2MRI图像噪声的滤除

2.2.1投影方法

2.2.2相关方法

2.2.3阈值萎缩法

2.3小结

第三章基于小波分解的MRI图像去噪算法

3.1小波快速分解

3.2基于小波分解的MRI图像去噪算法

3.2.1萎缩函数的构造

3.2.2混合模型的建立

3.2.3参数估计

3.2.4函数升级

3.3计算机仿真结果及其分析

3.4小结

第四章基于模糊聚类的MR图像鲁棒分割

4.1图像分割的实际意义

4.2目前图像分割方法综述

4.2.1基于知识的分割方法

4.2.2基于神经网络的方法

4.2.3图谱引导（Atlas-guided）方法

4.2.4数学形态学方法

4.2.5基于模糊集理论的方法

4.3基于非均匀场纠正的MRI图像分割

4.3.1背景知识

4.3.2目标函数的构造

4.3.3类中心点的初始化

4.3.4参数的选择

4.3.5算法的一般步骤

4.4实验结果与分析

4.5小结

第五章总结与展望

5.1本文MRI图像处理方法总结

5.2本文算法特点及其创新

5.3存在的问题与未来展望

5.3.1MRI图像去噪部分

5.3.2MRI图像分割部分

5.4总结

参考文献

已经发表的文章

致谢

论文答辨说明和关于论文使用授权的说明