首页> 中文学位 >基于Zernike矩与水平集的超声图像分割
【6h】

基于Zernike矩与水平集的超声图像分割

代理获取

目录

声明

摘要

第一章 绪论

1.1 研究背景及意义

1.1.1 HIFU高强度聚焦超声

1.1.2 超声图像

1.2 国内外研究现状

1.2.1 传统超声图像分割方法

1.2.2 纹理分割方法

1.3 论文组织结构

第二章 基于Zernike矩的纹理分割

2.1 引言

2.2 几何矩与正交矩

2.3 Zernike矩

2.4 基于Zernike矩的特征提取

2.4.1 Zernike矩幅值图与相位图的获取

2.4.2 特征图的获取

2.5 基于支持向量机的分类

2.6 实验结果

第三章 基于Zerllike矩的水平集分割

3.1 引言

3.2 水平集方法

3.2.1 GAC模型

3.2.2 Chan-Vese模型

3.3 基于Zernike矩的水平集分割

3.3.1 特征图的获取

3.3.2 基于变分函数的水平集模型

3.3.3 基于特征的边缘检测

3.4 实验方法与结果

3.5 三维超声图像分割

第四章 总结与展望

4.1 总结

4.2 展望

致谢

参考文献

作者简介

展开▼

摘要

超声图像是医学临床诊断的重要手段,具有无辐射、价格低廉等优点。然而,超声图像因成像原理存在着分辨率低、对比度低、斑点噪声干扰等固有问题。在临床诊断与治疗中,超声图像的精确分割是定量定性分析、精确引导治疗的基础。在超声图像分割中运用纹理信息,可以提高分割效果。水平集方法能够有效利用图像信息,贴近目标轮廓。本文利用Zernike矩对图像纹理特征进行提取,并结合水平集方法,对超声进行分割。
  本文首先提出了利用Zernike矩幅值与相位的特征提取方法。使用Zernike矩提取纹理特征,得到幅值和相位,分别通过相应的非线性变换器后构造特征向量,用支持向量机的方法进行分割,相比使用Gabor滤波器、仅使用Zernike矩幅值的方法,使用Zernike矩幅值与相位的方法误分割率最低,证实了Zernike矩相位含有有效的纹理信息。
  然后,本文对水平集方法进行了介绍,包括了了基于单演信号的GAC模型,基于灰度的C-V模型,这些模型针对超声图像的缺点提出了不同的解决方法。综合以上方法,提出了一种基于Zernike矩和水平集的超声图像分割方法。首先,利用9个具有不同阶数和重复度的Zernike矩提取超声图像的纹理特征,保留矩的幅值和相位,获得18个特征图,同时在每一特征图目标区域内外采样,利用采样值计算出特征图的权值;然后,将特征图与高斯算子进行卷积,计算其边缘检测函数,将所有特征图的边缘检测函数与对应的特征图权值相乘,所得结果之和即为该超声图像的边缘检测函数;最后,利用基于变分函数的水平集方法对超声图像进行分割。基于前列腺超声图像的实验结果显示,相比基于梯度的水平集和基于Zernike矩幅值的水平集方法,所提方法具有更高的分割精度,dice相似系数达到95%以上。并在三维图像上实现了本方法的分层演化,提高了分割算法的效率。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号