基于Level Set模型的腦血管圖像骨架提取研究.pdf

1、計(jì)算機(jī)視覺(jué)和機(jī)器智能的一個(gè)主要目標(biāo)就是對(duì)形狀進(jìn)行靈活有效的描述。一個(gè)表示形狀結(jié)構(gòu)的重要方法，就是對(duì)物體的骨架化。骨架化是包含物體拓?fù)浣Y(jié)構(gòu)特征的壓縮表示，它在形狀匹配和檢索、特征提取和變形、醫(yī)學(xué)圖像輔助分析上具有重要的應(yīng)用價(jià)值。醫(yī)學(xué)腦血管圖像本身的模糊性和復(fù)雜性使得常規(guī)的骨架算法得到的骨架不連續(xù)，在弱邊緣處敏感，魯棒性差，毛刺過(guò)多。本文的研究目標(biāo)是對(duì)醫(yī)學(xué)腦血管圖像中的目標(biāo)區(qū)域進(jìn)行精確而快速的骨架提取，用以提高醫(yī)學(xué)圖像三維可視化、目標(biāo)區(qū)域識(shí)

2、別的精度，更好地輔助醫(yī)學(xué)研究和臨床診斷。 本文首先概述了醫(yī)學(xué)圖像的基礎(chǔ)知識(shí)，以及骨架提取領(lǐng)域中目前已經(jīng)成熟的和正在探索中的主流方法和技術(shù)的基本原理，歸納了它們各自的適用范圍以及優(yōu)缺點(diǎn)，然后詳細(xì)地分析了水平集方法的原理，總結(jié)了多種水平集模型的特點(diǎn)。在此基礎(chǔ)上，結(jié)合灰度腦血管圖像和彩色腦血管圖像的特性分別針對(duì)這兩種圖像提出了行之有效的骨架提取算法。 在灰度腦血管圖像的骨架提取算法中，本文使用歐氏距離域和變形的梯度向量流得到了

3、兩個(gè)不同的能量函數(shù)。第一個(gè)能量函數(shù)控制得到骨架曲線開(kāi)始的拓?fù)涔?jié)點(diǎn)，第二個(gè)能量函數(shù)控制提取骨架。該算法避免了引導(dǎo)骨架提取的骨架連接點(diǎn)的定位和分類(lèi)，由于它的全部參數(shù)通過(guò)分析推導(dǎo)獲取，因此無(wú)需人工干涉。 在彩色腦血管圖像的骨架提取算法中，本文采用貼近人對(duì)圖像的色彩理解的HSV色彩空間，提出了改進(jìn)的基于顏色梯度信息的彩色水平集速度函數(shù)。結(jié)合區(qū)域顏色統(tǒng)計(jì)特征，引入了貝葉斯分類(lèi)模型。然后，把此模型運(yùn)用到彩色腦血管圖像的骨架提取中，并從定性定