基于非負(fù)矩陣分解的醫(yī)學(xué)圖像分割方法研究.pdf

1、近年來(lái)腦部疾病及創(chuàng)傷嚴(yán)重威脅著人們的生活健康，腦健康問(wèn)題引起了人們?cè)絹?lái)越多的關(guān)注。借助于醫(yī)學(xué)影像對(duì)腦組織進(jìn)行檢查以及定性、定量的分析，從而得到相關(guān)腦疾病的信息并給出治療方案，是醫(yī)學(xué)研究和診斷中非常重要的方面，也是當(dāng)前的研究熱點(diǎn)。
　　 圖像處理在醫(yī)療診斷中發(fā)揮著重要作用。核磁共振圖像分割作為圖像處理的基礎(chǔ)環(huán)節(jié)，為高層次的圖像處理提供所必需的數(shù)據(jù)，其分割結(jié)果的好壞直接影響后續(xù)處理的進(jìn)行。但是由于核磁共振圖像具有強(qiáng)噪聲、弱灰度對(duì)比度

2、、組織邊界模糊等缺點(diǎn)，使核磁共振圖像的分割成為一個(gè)難點(diǎn)。
　　 聚類是將數(shù)據(jù)分類到不同的類或者簇的一個(gè)過(guò)程，同一個(gè)簇中的對(duì)象有很大的相似性，而不同簇間的對(duì)象有很大的相異性。利用聚類思想可以來(lái)解決醫(yī)學(xué)圖像的分割問(wèn)題。在眾多聚類方法的研究中，非負(fù)矩陣分解是新的研究熱點(diǎn)。與其他矩陣分解方法相比，非負(fù)矩陣分解在分解過(guò)程中施加嚴(yán)格的非負(fù)約束，能夠得到原數(shù)據(jù)的純加性描述。通過(guò)非負(fù)矩陣分解能夠得到代表組成數(shù)據(jù)各部分的基矩陣和加權(quán)系數(shù)矩陣。在醫(yī)

3、學(xué)圖像分割中，系數(shù)矩陣代表了各個(gè)像素的聚類標(biāo)簽，能夠從非負(fù)矩陣分解的結(jié)果中得到像素的聚類結(jié)果。相對(duì)于K均值等傳統(tǒng)的聚類方法來(lái)講，非負(fù)矩陣分解的結(jié)果具有軟聚類性質(zhì)，更加適合于醫(yī)學(xué)圖像分割。
　　 本文利用非負(fù)矩陣分解的聚類性質(zhì)對(duì)醫(yī)學(xué)圖像進(jìn)行分割，主要研究?jī)?nèi)容如下：
　　 1.介紹了核磁共振成像技術(shù)的原理、核磁共振腦圖像的組織結(jié)構(gòu)及灰度特點(diǎn)，接著闡述了醫(yī)學(xué)圖像分割的背景意義及面臨的困難，最后簡(jiǎn)要論述了醫(yī)學(xué)圖像分割的研究現(xiàn)狀及

4、常用的方法。
　　 2.敘述了非負(fù)矩陣分解方法提出的背景及數(shù)學(xué)表達(dá)方法，接著敘述了非負(fù)矩陣分解的迭代規(guī)則和收斂性，最后介紹了非負(fù)矩陣分解的研究現(xiàn)狀及應(yīng)用。
　　 3.提出了基于局部沃爾什變換和非負(fù)矩陣分解的核磁共振圖像分割方法。局部沃爾什變換屬于數(shù)字圖像處理方法的一種。與其他紋理特征提取方法相比，該方法提取的特征具有更好的紋理鑒別性能。利用局部沃爾什變換的方法提取圖像的紋理特征建立特征矩陣，再對(duì)特征矩陣進(jìn)行非負(fù)矩陣分解，

5、得到圖像像素的聚類結(jié)果，完成圖像分割。實(shí)驗(yàn)表明，該方法計(jì)算簡(jiǎn)單，精度比較高，可以得到比較理想的分割結(jié)果。
　　 4.將非負(fù)矩陣分解與圖分割結(jié)合起來(lái)。基于圖論的圖像分割方法，將聚類問(wèn)題轉(zhuǎn)化為圖的劃分問(wèn)題，不必考慮樣本空間的形狀，能夠得到全局最優(yōu)解。本文將圖割的優(yōu)點(diǎn)與非負(fù)矩陣分解軟聚類的優(yōu)點(diǎn)結(jié)合起來(lái)，首先建立與待分割圖像相對(duì)應(yīng)的無(wú)向加權(quán)圖，然后利用非負(fù)的Laplacian嵌入對(duì)醫(yī)學(xué)圖像進(jìn)行分割，得到圖像的分割結(jié)果。實(shí)驗(yàn)表明相對(duì)于傳統(tǒng)