基于图论的医学图像分割分析-信号与信息处理专业论文.docx

基于图论的医学图像分割研究 摘 要 医学图 像是医 生对 人 体组织 进行定 性和 定 量分析 的关键 依据 。 医学图 像分 割的任 务是将 病灶 区 和正常 区域进 行分 离 ，其结 果的准 确与 否 直接影 响到医生 的诊断 和图片 的后 续 处理。 然而， 医学 图 像通常 具有强 噪声 、 弱对比 度、组织 边界模糊 等缺点 ，给 分割工作 带来了 极大 的难度。 Graph Cuts 作为图 论 中新兴的 一种图 像分 割方法， 因其能 量函 数的可塑 性 以及全 局最优 性得 到 了快速 的发展 ；并 且 可以通 过人工 交互 加 入先验 信息，对 图像的 分割具 有很 强 的指导 作用。 因此 ， 在复杂 的医学 图像 分 割中， 具有较好 的适用性 。本文 以 Graph Cuts 为算 法基 础，在医学图 像研究 背景 下，加入 SUSAN 边缘特征 对其进 行改 进，以达 到更加 准确 的分割结 果。具 体工 作如下： 1. 与以 往的微 分边缘 检测算子 不同， SUSAN 算子 并不是 以微 分运算作 为 提取边 缘的手 段。 通 过引入 更多的 局部 信 息，对 从含噪 声和 弱 边界的 医学图像 中提取边 缘有着 较好 的效果。本文在 原始 SUSAN 算 子的基 础 上，进行 稳定性 、 自适应性 和抗噪 性的 改进，使 其更加 适用 于医学图 像的边 缘特 征提取。 2. 对 Graph Cuts 的能 量泛函进 行优化 和改 进，便于 引入新 的 SUSAN 特征 ， 用以代 替灰度 特征 ， 使得新 的算法 更加 适 用于医 学图像 分割 ， 得到更 好的分割 结果。通 过实验 ，我 们发现新 的算法 相对 以往的 Graph Cuts 算 法，能够 更加准 确的从前 列腺 MRI 等 其他医学 图像中 分割 出感兴趣 的组织，为 后续的其 他图像 处理工作 和医生 的临 床诊断奠 定了基 础。 关键词： 图论；图切 割；SUSAN 算子 ； 能量函数 ；医学 图像 分割 ；核 磁共振 Medical Image Segmentation Studying Based on Graph Theory Abstract Medical image is the key of qualitative and quantitative analysis for hum an tissue by doctor. The task of medical image segmentation is separating the focus and normal area. The result is accurate or not which directly affect doctors diagnosis and the subsequent processing of the images. Medical image, however, usually has a strong noise, weak contrast and vague organizational boundaries, that bring a great deal of difficulties to segmentation task. Because of the plasticity of energy function and its global optimality, Graph Cuts has developed rapidly as a new image segmentati on method in graph theory; and priori information can be added to it by human interaction s, with which, it could guide the image segmentation well. Therefore, it has better applicability in complex medical image segmentation. In medical image research, this paper made some improvements by adding SUSAN edge character, on the basis of Graph Cuts algorithm, in order to achieve a more accurate segmentation results. The main jobs we complete are as follows: Unlike th