基于Gibbs随机场理论的脑部MR图像分割新算法研究

《基于Gibbs随机场理论的脑部MR图像分割新算法研究》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、第一军医大学硕士学位论文基于Gibbs随机场理论的脑部MR图像分割新算法研究姓名：冯衍秋申请学位级别：硕士专业：生物医学工程指导教师：陈武凡20030525摘要图像分割主瘿是指将图像划分并标汜成各具特性的不同区域并搬取出媾兴趣目标的技术，其研究多年以来一随受到人们的高度重视。}主I予缝分裁强像的可变幢魄较大，秀藤上噪声赖存在，魄成了图像分割联藤簸瀚主要困难。为了实现精确并稳健的图像分裁，现在广为接受的怒在分割算法框架中引入先验信息。本文主要针对医学图像分析中脑部MR图像的分割问题，在目前的常用算法中基于Gib

2、bs随机场理论引入先验信患的擐导，嚣震了分裁算法疆究。有限混台(FM)模型是当前籀部MR图像统计分割簿法中最常用的模溅，由于它是一个基于直方图的统计分割模型，没有考虑任何空问信息，导致分割的结果对噪声锻敏感，分割如的区域存在很多杂散的孤立点。本交在G谗bs夔疆场理论戆蠢导下，j羲逑考虑穗邻象素点熬稳互影响将空间信息引入有限高斯混合(FGM)模型，提出了改进的脑部MR图像分割算法。同时本文采用了改进后的期塑最大化(EM)算法来估计FM模型的参数，而且提出树形K平均算法给出初始参数估计，实现了全蠡麓兹踅缘分辫。模

3、糊c平均聚类(FCM)是一种非常经典的非监督聚类技术，也已被广泛用于脑部图像的分割研究。与FM模型非常类似，幽于标准的FCM算法进行图像分嘉#仪利用了灰发信息，两没鸯考虑象素的空鲻位置倍感，函褥分蘩模墅怒不完整靛，造成辕准FCM黪法其逶鼹予分裁噪声台餐缀低的图像。本文利用Gibbs随机场所描述的邻域关系属性，引入先验空间约束信息，提出拒纳度的概念，建立包含灰度信息与空间信息的新日标溺数，继露提撼基于Gibbs涎枫场与模糊C平均聚类蛇GFCM图像分害g赣舞法。本文给出大鬣实验对分割算法做了系统的定量分析，证明了

4、本文所提算法的稳健一陡与精确性。关键{透：黧豫分爨蘧帮磁共强(磁袋)运豫Gibbs疆援场煮瓣混合(FM)模型期望最大化(EM)算法模糊C平均聚炎(FCM)Bias场本文受国家自然科学基金重点磺弱(NO．30130180)资助．i．AbstractImagesegmentation，partitioningallimageintodifferentregionswithsomespecificpropertiesandlabelingeachpixel、撕mitsunderlyingclass，hasalway

5、sbeenanimportantandchallengingproblemformanyyears．Themaindifficultieslieinthegreatvariabilityofimagesandthepresenceofnoises．ItiSwidelyacceptedthatthekeyforabettersegmentationiStoincorporatehigh-levela-prioiqknowledgeintotheframeworkofsegmentation．Inthisthes

6、is，traditionalsegmentationalgorithmsarediscussedanda-prioriknowledgeiSincorporatedthroughtheGibbsrandomfield(GRF)theorytOdealwithaparticularlyimportantproblemintheareaofmedicalimageanalysis：automaticsegmentationofbrainMRimages．Generaliy'thefinitemixture(FM)

7、modelisthemostwidelyusedmodelforstatisticalsegmentationofbrainMRimagesbecauseofitseffectivemodelingofintensitydistributionanditssimplemathematicalfornl．However一，,beingakindofhistogrambasedmodelforsegmentationtheFMmodelhasanintrinsicIimitation．nospatialinfol

8、Tnation括takenintOaccount．ThiscausestheFMmodeltoworkonlyonwell．definedimageswithlowlevelsofnoise；unforttmately，thisisnotoftenthecaseinreality．Inthisthesis，wepresentanimprovedsegmentationalgorithm：A-prio