基于形态学脑肿瘤图像分割方法研究

《基于形态学脑肿瘤图像分割方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：TN391密级：公开UDC：本校编号：硕士学位论文论文题目：基于形态学脑肿瘤图像分割方法研究研究生姓名：万生阳学号：0211721学校指导教师姓名：王小鹏职称：教授申请学位等级：工学硕士专业：信号与信息处理论文提交日期：2014.06论文答辩日期：2014.05.30万方数据硕士学位论文基于形态学脑肿瘤图像分割方法研究ResearchonMethodofBrainTumorSegmentationBasedonMorphological作者姓名:万生阳学科、专业:信号与信息处理学号:0211721

2、指导教师:王小鹏完成日期:2014.04兰州交通大学LanzhouJiaotongUniversity万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含获得兰州交通大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解兰州交通大学有关

3、保留、使用学位论文的规定。特授权兰州交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日万方数据万方数据兰州交通大学硕士学位论文摘要脑部MRI及CT检查以其简单、快速有效、无创且诊断准确性高、为临床医生提供可靠的诊断依据。本课题的主要目的是依据脑部CT图像特点，对脑部肿瘤的分割算法进行研究。最

4、终需要达成的目标是在尽可能减少人工工作量的前提下实现计算机自动分割。由于脑部组织结构复杂、组织器官形状不规则及不同个体间存在差异，这些因素使得分割算法计算量大，容易产生误差，从而降低了图像分割的精度和准确性。本文主要对分水岭分割算法及形态学运算进行了研究，主要针对数学形态学多尺度修正及粘性形态学在分水岭变换中抑制过分割现象进行了研究。本文的主要工作包含以下几个方面：(1)区别于传统形态学开闭运算提出一种多尺度修正的方法修正图像，其在形态学梯度图像基础上，根据不同像素梯度值与其一定领域内梯度值的均方差确定结构元

5、素的大小，对图像各像素进行形态学开（闭）修正，以消除局部极大（小）区域，保证修正过程中目标轮廓不发生较大偏移。(2)采用参数化的粘性形态学分水岭分割思路，将粘性流体引入分水岭变换过程。这样，可以对因噪声和非规则细节引起的非目标区域的局部极小区域采用粘性度较大的流体进行淹没，而对于较大的目标区域则采用粘性度较小的流体，一方面保持了经典分水岭的封闭轮廓的准确定位特性，另一方面，可以消除过分割现象。通过仿真实验验证本文所提出的方法可以较好的抑制分水岭变换中的过分割现象，并且能够在肿瘤边缘迷糊，内部灰度不均匀的情况下

6、较为精确的定位肿瘤的边缘。关键词：图像分割；数学形态学；多尺度修正；粘性形态学；分水岭变换论文类型:应用研究-I-万方数据兰州交通大学硕士学位论文AbstractBrainMRIandCTscancanprovidereliablediagnosticbasisforclinicaldoctors,owingtoitsquickandeasymaneuverability,effectiveandaccuratediagnosis.Themainpurposeofthisissueistoresearchon

7、braintumorsegmentationalgorithmbasedonthecharacteristicsofbrainCTimages.Themaingoalistorealizetheautomaticsegmentationmethodofbraintumorsbycomputerwithoutartificialintervention.onaccountofthecomplicatedandrandom-shapedstructureofbraintissue,aswellasthediffe

8、rencesamongindividuals,whichmakesthesegmentationalgorithmlargeamountofcalculationandpronetoerror,alsoreducestheprecisionandaccuracyofsegmentationresults.Thispaperfocusesonwatershedsegmentationalgorithm