基于Gibbs隨機(jī)場模型的醫(yī)學(xué)圖像分割新算法研究.pdf

1、圖像分割是指將圖像劃分成一系列彼此互不交疊的勻質(zhì)區(qū)域.作為一項(xiàng)最基本技術(shù),它在圖像分析、圖像壓縮等圖像處理領(lǐng)域發(fā)揮極其重要作用,尤其是精確的醫(yī)學(xué)圖像分割在臨床診斷中是必不可少的.基于吉伯斯隨機(jī)場的先驗(yàn)?zāi)Ｐ屯ǔ１挥糜诮鉀Q退化圖像病態(tài)逆問題正則化求解,并通過提供良好的空間上下文約束信息,在貝葉斯醫(yī)學(xué)圖像分割中廣泛運(yùn)用;然而,在臨床分割中,由于復(fù)雜的醫(yī)學(xué)結(jié)構(gòu)和圖像的退化現(xiàn)象,導(dǎo)致了該模型在正則化過程中,需要適當(dāng)改進(jìn)以適應(yīng)臨床的不同需求.因此,

2、該文針對(duì)該模型開展了深入系統(tǒng)地研究,并提出一系列相應(yīng)的解決算法.首先,該文針對(duì)吉伯斯隨機(jī)場在分割中參數(shù)估計(jì)難的問題,通過統(tǒng)計(jì)與訓(xùn)練,提出聯(lián)合的最大似然與最大后驗(yàn)估計(jì)方法,在迭代中完成參數(shù)估計(jì)并實(shí)現(xiàn)對(duì)圖像的吉伯斯貝葉斯分割;其次,該文針對(duì)引入高階鄰域空間約束信息在醫(yī)學(xué)圖像分割中所面臨的尷尬問題,通過擴(kuò)展單一分辨率的馬爾科夫模型到多分辨率領(lǐng)域,提出一種混合金字塔隨機(jī)場模型,只需考慮二階鄰域就能實(shí)現(xiàn)傳統(tǒng)單一分辨率下只有引入高階鄰域才能更好解決

3、的分割精度和效率問題;其三,該文針對(duì)醫(yī)學(xué)圖像多類模糊分割所面臨的瓶頸問題,通過建立一種新穎的廣義模糊吉伯斯隨機(jī)場模型,分別從先驗(yàn)?zāi)Ｐ秃退迫荒Ｐ腿胧?提出一套適合醫(yī)學(xué)圖像多類模糊分割的理論和技術(shù)方法;另外,該文針對(duì)水平集在解決復(fù)雜組織結(jié)構(gòu)和形狀拓?fù)潢P(guān)系改變分割過程中遇到的邊界泄漏問題,設(shè)計(jì)出一種自適應(yīng)的廣義模糊速度場,通過提供更魯棒的邊界信息和更可靠的運(yùn)動(dòng)停止力,解決了傳統(tǒng)以梯度圖為邊界信息的邊界泄漏問題.該文通過大量的實(shí)驗(yàn)驗(yàn)證了所提模型