基于DICOM文件格式的MR圖像分割算法研究.pdf

1、在數(shù)字圖像處理領(lǐng)域中，圖像去噪、圖像分割一直是其中最為基礎(chǔ)和最為重要的兩個問題。醫(yī)學(xué)圖像作為圖像分支中最為復(fù)雜、多樣的一類，導(dǎo)致對醫(yī)學(xué)圖像的去噪和分割研究成為一項艱巨的、富有挑戰(zhàn)性的任務(wù)。醫(yī)學(xué)圖像分割是病變組織和非病變組織進行定性分析、識別的前期處理，同時也是計算機輔助診斷的重要步驟，所以，精確的分割醫(yī)學(xué)圖像對醫(yī)務(wù)工作者進行準確的臨床醫(yī)學(xué)診斷有著十分重要的意義。
　　基于非局部均值的醫(yī)學(xué)圖像去噪算法，通過對降噪起關(guān)鍵作用的加權(quán)核函

2、數(shù)的改進，既能夠充分利用圖像的冗余信息，又能夠在降低噪聲的同時保留圖像中有用的信息。因此，在處理含有較多細節(jié)的醫(yī)學(xué)圖像時，顯示出其優(yōu)越性?；谒郊尼t(yī)學(xué)圖像分割算法是近年來圖像分割領(lǐng)域的一個研究熱點，并在圖像處理過程中表現(xiàn)出良好的分割性能。本文以醫(yī)學(xué)MR圖像為研究對象，對傳統(tǒng)的非局部均值算法和水平集算法進行改進，并在一系列醫(yī)學(xué)MR圖像去噪實驗和分割實驗中驗證了本文算法的有效性。
　　本文的主要工作如下:
　　(1)圖像預(yù)處

3、理階段，提出一種基于改進的NL-Means醫(yī)學(xué)圖像去噪算法。首先介紹了非局部均值的傳統(tǒng)去噪算法，它可以充分利用圖像的冗余信息，具有較好的去噪效果。為了使傳統(tǒng)的非局部均值算法也能夠更好的處理醫(yī)學(xué)圖像，本文在傳統(tǒng)算法的基礎(chǔ)上，結(jié)合小波型核函數(shù)和高斯核函數(shù)的固有特性，對加權(quán)核函數(shù)進行改進，將小波核函數(shù)和高斯核函數(shù)結(jié)合起來作為加權(quán)核函數(shù)。通過對醫(yī)學(xué)圖像去噪實驗對比傳統(tǒng)模型和本文模型，顯示出本文模型在圖像去噪后的峰值性噪比方面要高于傳統(tǒng)算法。

4、r>　　(2)融合FCM和NL-Means的分割算法。傳統(tǒng)FCM算法是一種經(jīng)典的醫(yī)學(xué)圖像分割算法，但對噪聲特別敏感。而NL-Means算法具有很好的去噪性能，本文就是先通過非局部均值算法對待分割圖像進行濾波，然后利用FCM算法進行分割。通過對比FCM算法和加上濾波后的FCM算法分割實驗，證明了本文算法更具抗噪性。
　　(3)提出一種基于水平集的醫(yī)學(xué)圖像分割算法。首先介紹了傳統(tǒng)的水平集分割算法，然后敘述了Li等人和何川江等人針對傳統(tǒng)