《(毕业论文_基于模糊C均值的脑部磁共振图像分割新技术在多发性

《(毕业论文_基于模糊C均值的脑部磁共振图像分割新技术在多发性 南方医科大学,,,,级硕士学位论文 基于模糊,均值的脑部磁共振图像分割新技术在多发 性硬化症中的应用,,,,, ,,,,,,,, ,, ,, ,,,,, ,,,,,,,; ,,,,,,,;, ，,,,, ,,,,,,,,,,,, ,,,,, ,, ,,,,, ,?,,,,,, ，, ,,,,,,,, ,;,,,,,,, ,,,,,;,,,,, 课题来源: 国家,, ,项目(,,(,,, ,,,,,,,,,) 专 业 名 称 生物医学工程 学位申请人 黄骁 指 导 教 师 冯前进副教授 李彬副教授 答辩委员会主席 韩国强教授 答辩委员会成员 陈仲本教授 吴效明教授 许乙凯教授 杨 丰教授 论文评阅人 罗笑南教授 林意群教授 杨 丰 教授 , ,, ,年,月, ,日 广州 ,,, , , ， ，, , ， ， ，, , ，，〔，，,,,, , , ,, ,,,,, , 硕士学位论文基于模糊,均值的脑部磁共振图像分割新技 术在多发性硬化症中的应用 硕士研究生:黄骁 指导教师:冯前进李彬 摘要 图像分割是指把图像分成几个具有不同特性的区域并且提取出所感兴趣的目标的技术和过程。医学图像分割是其他医学图像处理与模式识别问题的前处理技术，例如特征配准、三维重建、特征量化等，它可以为临床诊断和辅助治疗提供有力的支持。本文主要是对脑部的磁共振(,,,,,,,; ,,,,,,,;,，,,)图像分割来进行研究，脑部磁共振(,,)图像的分割主要包括两个方面的内容:第一是对正常的脑组织的分割，即把,,脑部图像分割成灰质、白质、脑脊液和头骨等组织部分。这是医学图像可视化、配准和三维重建的基础;第二个方面就是对包含有病灶的,,脑部图像的分割，即把感兴趣的病灶从其它组织之中分割出来。这样就能够对病灶的形状、边界、截面面积及体积等进行测量，并且通过治疗前后对它们的测量和来帮助医生制定和修改治疗。因为人体解剖的个体差异性较大，临床应用对于算法的执行速度和医学图像分割的准确度有较高的要求;又因为噪声、偏移场效应和部分容积效应等因素对图像的影响，使得已有的分割算法远远达不到理想的效果。因此，,,脑部图像的分割一直是医学图像处理和分析的热点研究问题。 理想的脑部,,图像应该是分段常量图像，但由于磁共振成像固有的一些噪声与伪影如电子噪声、偏移场失真与部分容积效应等的存在，理想的分段常量属性通常会遭到破坏。又因为人体解剖的个体差异较大，同时临床应用对医学图像分割的准确度和算法的执行速度要求较高，使得已有的算法远未达到理 中文摘要想的效果。目前，对于脑部,,图像分割算法来说，模糊,,均值算法(,,,,,,(,,,,,，,,,?)是其中比较常用的算法之一。传统的,,,算法只利用了灰度信息，而没有考虑到相邻象素间的相关性和图像的空间信息，在分割被噪声污染的图像时效果不好。本文对传统的,,,算法进行了改进，该方法在提高图像分割精度等方面具有显著效果。 医学图像的部分容积效应和有些组织区域的不确定性，决定了医学图像的模糊性。基于模糊理论的图像分割算法将模糊概念引入到图像分割算法中，用隶属度表示像素占各种“纯组织??部分容积的比例。这已经广泛地应用于,,脑部图像的分割中，其中最具代表性的算法就是模糊;(均值聚类算法(,,,)。但传统的,,,聚类算法是一种仅利用灰度信息的聚类算法。它未考虑相邻像素之间相关性，未能利用图像的空间信息，在分割低信噪比图像时会产生较大的偏差。 多发性硬化症(,,,,,,,, ,;,,,,,,,，,,)是一种中枢神经系统脱髓鞘疾病，多发于青少年，严重威胁病人的中枢神经功能。其特点是白质散在、多发的髓鞘脱失和胶质细胞增 生病灶。临床表现复杂，有缓解复发的病程。该病征累及大脑半球、视神经、脊髓、脑干和小脑，白质受累为主，病灶位于脑室周围，在室管膜下静脉分布区，毗邻侧脑室和前角。,,液体衰减反转回复(,,,,,,,,,,,,,,, ，,,,,,,,, ,,;,,,,,，,,,，,)序列成像俗称水抑止序列成像。它能将自由水如脑脊液(,,,)抑止为低信号，又能得到他加权,,序列成像对多发性硬化症病灶检出敏感的优点。在,,,，, ,,脑部图像中，多发性硬化症病灶显示为高信号。在图像中通常病灶没有清晰的边界。 有经验的临床医生可以根据多发性硬化症的诊断，通过,, ,,,，,脑部图像来诊断病灶的分布情况及病人病情。在临床中，医生一般要根据多发性硬化症的成像特点及其解剖性质，在很多的脑切片图像上进行边界的人工描绘工作。然后，根据边界的人工描绘结果来考虑病灶与周围组织的三维结构及空间关系，并以此作为制订治疗的基础。这种方法既费时又费力，分割结果 ，， 硕士学位论文对于医生本身的解剖知识及经验依赖大，而且分割结果难以再现。另外，有时医生的手工勾绘结果会由于主观原因的影响而具有较大的误差。多发性硬化症病程长，为了评估治疗的效果，需要对同一病人不同时期的磁共振图像进行分析度量，这样使得分析病情的工作量就非常大。那么，如何运用数学方法，利用计算机快速准确地自动或半自动分割出多发性硬化症的病变组织就成为一个非常有意义的研究方向。 本文第一章首先对脑部,,图像及其分割和医学图像分割的现状作了详尽的综述。这部分首先介绍了医学图像分割的定义、目的及意义，接着详细介绍了医学图像分割方法的各种分类方法，特别对近年来医学图像分割方面的新算法及其特点作了一个详细的。 第三章主要介绍了近年来国际上出现的很多改进的,,,算法。将它们大体分为三类:第一类，改变隶属度的约束条件;第二类，引进空间信息约束项:第三类，引入核函数。对这些算法中比较典型的算法做了简单的分析和评价。 第四章是本文的重点。我们将多发性硬化症的,,成像特点和解剖性质做为先验知识，提出了一种基于,,,的多发性硬化症病灶的分割算法。模糊,(均值聚类算法是一种基于灰度的聚类算法，在聚类过程中各象素相互独立，未考虑相邻象素之间的影响，未能利用图像的空问信息，在分割迭加了噪声的图像时，分割效果很不理想。所以本文结合了空间信息提出了一种均值模糊,(均值算法，考虑到在同一种脑部组织中，相邻像素属于同一分类的概率应该相近。我们考虑将每个像素值,邻域内的像素值看作一个数据集，对该数据集采用滤波的方法用以降低噪声对聚类精度的影响。通过对临床患者,,,，, ,,图像的分割实验，表明该分割算法能够比较准确地分割多发性硬化症病灶，其分割效果明显好于传统,,,聚类算法。关键词:图像分割磁共振图像模糊;均值空间信息多发性硬化症 ，,, 硕士学位论文 ,,,,, ,,,,,,,,,, ,, ,,,,, ,,,,,,,; ,,,,,,,;, ，,,,, ,,,,,,,,,,,, ,,,,, ,, ,,,,, ,,,,,,, ，, ,,,,,,, ,;,,,,,,, ,,,,,;,,,,, ,,,,:,,,,, ,,,, ,,,,,,,,,,:,,,,(,,,, ,,,,, ,, ,,,,;,,,, ,,,,(,,, ,,, ,,,,,,,, ,,, ,,,, ,,,,,,, ,, ,,, ,,,,;,, ,,,,, ,,,,,,,,,,,, ,, ,, ,,,,,,,,,,, ,,,,,,,,,,,,,,,, ,,,,;,, ,, , ,,,,, ,,, ,, ,,,,, ,,;, ,,, ,, ,,,, ,,, ,,,,,,,,,, ;,,,,(，,,,,,,,,,,,,,,,, ,, ,,,, ,,,,,,,,, ,, ,,,,, ,,,,,,;,,,,,, ,,, ,,,,,, ,,;,,,,,,,,，,,;,嬲,,,,,,, ？,,,,,,,;,,,,,，,,,,, ,,,,,,,,,,,, ,, ,,;,,,,,,;,,,, ,,, ;,;(，, ,,,, ,,,,,,，,,, ,,,,, ,,,,,,,; ,,,,,,,;,(,,),,,,, ,,,,,,,,,,,, ,, ,,,,,,;,,,(,,,,, ,,, ,,,,,,,,,,, ,,, ,,, ,,,,,,,,,,,, ,, ,, ,,,,, ,,,,,,(,,, ,,,,, ,,, ,, ,, ,,,,,,, ,,,,,,, ,,,,,, ,,,, ,,,,,,,,, ,,,,,, ;,,,,,,，,,,,;,,,,,铲,, ,,,,,,(,,)，,,,,, ,,,,,,(,,),,, ;,,,,,,,,,,,, ,,,,,(,,,)，,,,;, ,, ;,,;,,, ,, ,,, ,,,,, ,, ,,,,;,,,,,,,,,,，,,,,;,,,,,,;,,,, ,,,,, ,,,,, ,,,,,,,,,,,,,(,,, ,,;,,, ,,, ,, ,, ,,,,,;, ,,,,,;,, ,,,,,, ,, ,,,,,,,,,,,(,,,),,,, ,,,,, ,,,,,,, ,, ,,,,, ,, ,,,,,, ,,,,,;,,,, ,,,,,,,, ,,,,, ,,,,,,,,,，,,, ,,,,,,, ,,, ,,, ,,,,,,,,,,; ,,,,,,,,( ，, ,,,,,,, ,, ,,,,, ,, ,,,,, ,, ,,,,,,, ,, ,, ,,,;,,,,, ;,,,,,,,，,,,,,,,,,,,,,，,,, ,,,,,,,, ,, ,,,,,,,,, ,, ,,,;,,,, ,,, ,,(，,;,,,,,, ,,,,,,， ,,,,,,,,,,,,,,,,,,,,,, ,,, ,,,,,,, ,,,,,, ,,,,;,(,,,)，,,;(,,,,,,, ,, ,,, ,,,,,,,,,, ,,,,,,,, ??,,,,,,,,;,, ,, ,,, ,,,,,, ,,,,,,, ,,, ,,, ,,,, ;,,;,,,,,,, ,,,,, ,,, ,,,;;,,,;,，,,,;,,,,,, ,,,,,,,,,,,, ,,,,,,,,,, ,,,, ,, ,,,,,,, ,,, ,,,, ,, ;,,,,;,, ,,,;,,;,(,,,,,,(,,,,, ,,,,),,,,,,,,, ,,, ,,,, ,,,,,, ,,,, ,, ,,,,, ,, ,,,,, ,,,,,,,,,,,,(,,,,,,,，,,, ;,,,,,,,,,,, ,,, ,,,,,,,,, ,, ,,,, ,,, ,,,,, ,,,,,,,,,,,,，,,,,,,,,, ,,,,,,,,,,, ,, ,,,,, ,,,, ,;;,,,,，,,,,,,, ,, ,,, ,,, ,,,,,,,,, ,,, ,,,,,,,,,;,,, ,,,,,,, ,, ,,,,,,,,,,,, ,,,, ,,,,,,, ,,,, ,,, ,,,,,, ;,,,,,,,, ,,,,,,,,(，, ,,, ,,,,,,，,,, ,,,,,,,?,,,,, ,, ,,, ,,,,,,,,, ,, ,,,,,,,,(,,,,,,,,,,,,;, ,, ,,, ,,,,,,,,, ,, ,,,,,,,,,, ,,,,,,,, ,, ,,, ;,,,,,,, ,,,, ,,,, ,,,,,,, ,, ,;;,,,;,( ,,,,;,, ,,,,,, ,,,,,, ,,,,,,,,, ,,, ,, ,,, ,,,,,,;,, ,,, ,,, ,,;,,,,,,,, ,,,,,, ,,;,, ,,,,,,,(,,, ,,,, ,, ,,,,, ,,,,,,,,,, ,,,;,,,, ,,,,;,,,,, ,,, ,,,,,—,,,,,,,,, ,, ,,,,,,,,, ,,,,,,, ,,,,,, ,,,,,,,,,,, ,, ,,;,”,,,,”,,,,,, ,,, ,,,, , ？,,,,,,,,, ,,, ,,,,,, ,,,, ,,,,,，,, ,,,;, ,,,,, ;—,,,,,(,,,);,,,,,,,,,,,,,,,,,, ,, ,,, ,,,,—,,,,,,,,,,, ,,,,,,;, ,, ,,, ,,,,,,,,,,,,,, ,, ,,, ,,,,,,,,,,,,,,,,,(,,,,,,,，,,, ;,,,,,,,,,,, ,,, ,,,,, ,, ,,;,,,,,,,, ,,, ,,,,,,,,,,,,,,,,,, , ,,,,, ,,,,,,, ,, ,,,,,,,, ;,,,,？,, ,,, ,,;,, ,, ,,, ,,,, ,,,,,,,,, ,,,, ,,, ,,,,,,,,,,,,,,, ,,,,,(,,,),, ,,,,,,( ,,,,,,,, ,;,,,,,,,似,),, ,, ,,,,,,,,,, ,,, ,,,,,,,,,,,, ,,,,,,,,,,,,,,,,,,,, ,, , ,,, ;,,,,,, ,,,,,,, ,,,,,,(,,,)(，, ,,;,,,,, ,,,,,,, ,, ,,,,, ,,,,,,(，, ,,,,,, ,,,,;,,, ,, ,,，,,,;,,, ,, ,,,,,, ;,,,,, ,,,,,,, ,,,,,, ,, ,,,,,,,,,,,,,,, ,,,,, ,, ,,, ,,,(,,,,,,, ,,,,,, ,, ,,, ;,,,,,, ,,,,,,, ,,,,,,:,,,,,,,,,,，,,,,;,,,,, ,,, ,,,,, ,,,,,,，,,,,,, ;,,, ,,, ,,,,; ,,,,,,(,,,,,,, ,,,,,,, ,,, ,,, ,, ,,,,,,,,,,,,,,,, ,,, , ,,,,,;,,,,, ,, ;,,,,,,,,,,,,, ,,,,, ,,,,,,, ,, ,,,,,,(,,,,,,,,,,,,,,, ,,,,,,,,, ,,;,,,,,(,,,，,),,,,, ,,？,,,;,, ;,,,, ,,,,,,,, ,,, ,,,,,,,,,, ,,, ,,, ,,,,,;, ,,,, ,,,,, ,, ,,,,,,,,,(,,, ,,,,,, ,,,,;,,,, ,, ,,,,,,,,,,;, ,,,, ,,, ,,, ,,, ,,,, ,, ,,,,,,,,, ,,,,,,, ,, ,,,,,,,;,, ,,,,,, ,, ,, 硕士学位论文,,,, ,,,,,, ,,, ,,,,, ,,,, ,,, ,,,,,;,, ,,,,, ,,,,,, ;,,,,,,, ,, ,,,,, ;,,,, ,, ,,, ,;;,,,,,, ,, ,,, ,,,,,,,,,; ;,,,,,,, ,,, ,,，,,,,,,,,;,, ;,,,,;,,,, ;,,,,,,,,,,,, ,,,,,,, ,,,,,,,,,,,, ,,, ,,,,, ,,,,,,, ,, ,,,，, ,, ,,,,,(，, ;,,,,;,,，,,;,,,, ,,,,,,,,, ,,,,,,, , ,,,,,,, ,, ,,,,,,,, ,, ,,,,, ,,,,, ,,,;, ,,,,, ,, ,,,,,;;,,,,,, ,, ,,, ,,,,,,, ,,,,,,,, ,,, ,,,,,,,;,, ,,,,,,,,,, ,, ,,(,,,, ,,,,;,,;,,,,, ,,,,,, ,,, ,,, ,,,,,,,,,,, ,,,,,,, ,, ,, ,,,,;,,,, ,,, ,,,,, ,,,,,,,,,,,,,,,,，,,, ,,, ,, ,, ,,, ,,,,, ,,, ,,,,,,,,,,, ,, ,,,,,,,,, ,,,,,(,,,, ,,,,,, ,,,,,,—;,,,,,,,, ,,, ,,,,,,,,,(,,,,,,,,,,,, ,,,,,,, ,,,,,, ,, ,,;,,,?, ,,,,,,,;,,,,,,,,,,, ,,, ,,,,,,,;,，,,, ,,, ,,,,,;,,, ,, ,,,,,,,;,(,,;,,,, ,, ;,,,,, , ,,,,,,,,，,, ,,,,, ,, ,,,,,, ,,, ,,,,;,, ,, ,,,,,,,,,，,, ,,,, ,,,,,, ,,,,, ,,,, ,,,,,,,, ,,,,,,,, ,, , ,, ,,,,,,,,, ,,,,,,,，,,,;, ,,,,, ,,, ,,,,,,,, ,,,, ,,,,(,,，,,, ,,, ;,,,,,,,, 妒。,, ,,, ,,,,,,,,,;,, ,,,,,, ,,,,,,, ,, ,,,,,,, ,,,,,,,,;,,,, ,,,,,,—,,,,, ,,;,,, , ,,,, ,,,,,,,,,, ,,,,;,,,, ,,, ,,,,,;,( ,, ,,,,,，,, ,,,,,,, ,, ,,, ,,,,,,,, ,, ,,,,, ,,,,,,,,,,,, ,,,,,,,(,, 蠢,,,;,,,, ,,, ,,(,, ,,,,,,, ,, ,,,,;,, ,,,,, ,,,,,,,,,,,, ,,,,,,, ,,, ,,,,,;,,,,,,(,,, ,,,,,, ,, ,,,,,,, ,, ,,,,,,, ,,,,, ,, ,,,,;,, ,,,,, ,,,,,,,,,,,,，,,;,,,,,, ,,,,,,,,,，,,, ;,,,,,,,;,,,,, ,,, ,,, ,,,,,, ,, ,,,,,,,,,,,,( ，, ;,,,,,, ,，,, ,,,,,,, ,,,, ,,,,,,,, ,,,,,,, ,, ,,, ,,, ,,,,,,,,, ,,,,;,,, ,,,,, ,, ,,, ,,;,,,,(,,,,, ,,, ,,,,,,,,, ;,,,,,, ,,,, ,,,,, ,,,,,:,,, ,,,,, ,,,，,,, ;,,,,,,,,,, ,, ,,,,,,,,,, ,,,;,,,, ,, ;,,,,,,，,,, ,,;,,, ,,,，,,, ,,,, ,,,,,,,,, ,,,,,,,,,,, ,, ,,,,,,,;,,，,,, ,,,,, ,,,，,,, ,,,,,, ,,,,,, ,, ,,,,,,,;,,(,,,,,,,，,,, ,,,,;,, ,,,, ,, ,,,,, ,,,,,,,,,, ,,, ,,,,,,,, ,,, ,,,,,,,,, ,,,,,,( ，, ;,,,,,, ,，觚,,,,,,,,; ,,,,,,,,,,,, ,,,,,,,,, ,, ,, ,,,,,,, ,,, ,,,,,，, ,,,,,, ,, ,,,,,,,,, ,,,,, ,, ,,, ,, ,,,,, , ,,,,,, ,,,,,,,,, ,,;,,,,;,,,,,,,;, ,, ,, , ,,,,,, ,,, ,,,,,,,;,, ,,,,;,,,,,(,,, ;,,,,;,,,,,,, ,,,,,,,,,,,, ,,,,,,,,,,,, ,, ,,,;,,,, ,,, ,,,,,,, ,, ,,, ,,,,,,,,,,, ,,,,,,(,,, ,, , ,,,,,,,,;,,,,,,,,, ,,,,,,,,, ,,,,, ,, ,,,, ,,,,, ,,, ,,;, ,,,,, ,, ,,,,,,,,,,, ,,,, ,,;,,,,,, ,, ;,,,,,,,,, ,,,;,,,(，, ,,,,,?, ;,,,,,,, ,,, ,,,,;, ,,,,,,, ,,,,;,,, ,,,,,,,,, ,,,,,,, ,,,,,,,,,,,，,, ,, ,,,?, ,,;,,,, ,,, ,,,,, ,,,,,,,,,,,, ,,,, ,,,,,,,,,,,,, ,,,,, ,, ,,,,, ,,,,,,,,,,,,(,,,,,,,,,,, ,,,, ,,, ,,,,;,,, ,,,,,, ,, ,,,,,,, ;,,,,,,,;,,,,, ,,,, , ,,,,,,, , ,,, ,,,, ,,,,, ,,,,,,，,, ,,,,,,,,,, ,, ,,,,, ,,,,,,,,, ,, , , ,,,,,,,,,,,,, ,, , ,,,, ,,,，,,, ,,,,,, ,,, ,,,, ,, ,,,,;, ,,, ,,,,;, ,,,,,,, ,, ,,, ;,,,,,,,,, ,;;,,,;,(,,, ,,,,,,, ,,,,,,, ,,,, ;,,,,; ,,,，, ,,,,,,,,,,, ,,,,,,,,,,, ,,,, ,, ,, ,,, ,,,,,,,,,;, ,, ,,, ,,,,,,,, ,,,,,,,,, ,, ,,,,,,,;,,,,,,,,,,,,, ,,,, ,,, ,,,,,,,,,,, ,,, ;,,,,,,,,, ,,,,,,,,,,(,,,, ,,,,,,,,,,,,,,,,,,,,, ,,, ,, ,,,, ,, ;,,,,;,, ,,,;,,;,、析,,, ,,,？,,,, ;,,;,,,,,,, ,,,,,(,,,,,,,, ，,,,, ,,,,,,,,,,,,;,,,,,,,; ,,,,,,,;, ,,,,,;,,,,, ,—,,,,,;,,,,,,, ,,,,,,,,,,,;,,,,,,,, ,;,,,,,,, ,,,,,,, 硕士学位论文 目 录摘 要((((((((((((((((((((((((((((((((…(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((， ,,,,,,, ,…………………………………………………………………………………。，第一章绪论………………………………………………………………………。, ,(,引言……………………………………………………………………………………………………(, ,(,脑部,,图像简 介……………………………………………………………, ,(,脑部,,图像的分割…………………………………………………………, ,(,医学图像分割的目的及意义…………………………………………………, ,(,本文的结构……………………………………………………………………, ,(,本文的主要研究工作及创新点………………………………………………,第二章医学图像分割简介……………………………………………………, ,(,图像分割的定 义………………………………………………………………, ,(,图像分割的目的及意义………………………………………………………, ,(,医学图像分割算法分类………………………………………………………, ,(,(,经典的分割法……………………………………………………………, ,(,(,基于统计学的分割方法…………………………………………………,, ,(,(,基于形变模型的分割算法……………………………………………。,, ,(,(,基于模糊集理论的分割方法…………………………………………((,, ,(,(,其它方法…………………………………………………………………,, ,(,医学图像分割方法性能评价………………………………………………(,,第三章基于模糊,(均值聚类的图像分割方法…………………………,, ,(,引言…………………………………………………………………………………………………。,, ,(,模糊理论基 础………………………………………………………………((,, ,(,(, 概, 盎……………………………………………………………………………………………(,, ,(,(,模糊集合…………………………………………………………………, , ,(,(,模糊隶属度………………………………………………………………,, ,(,模糊聚类分 析………………………………………………………………(,, 目 录 常 常 ?硬,(均值聚类算法(,,,, ,(,,,,,，,,,)………………………,, ,(,(,模糊,一均值聚类算法…………………………………………………(,, ,(,模糊,(均值聚类图像分割算法……………………………………………,, ,(,模糊,(均值聚类算法的相关研究…………………………………………,, ,(,模糊,(均值常见的几类改进算法…………………………………………(,, ,(,(, 改变隶属度的约束条件………………………………………………。,, ,(,(,增加空间信息的约束 项………………………………………………((,, ,(,(, 引入核函数……………………………………………………………((,, ,(,小结…………………………………………………………………………………………………。,,第四章结合了空间信息的均值模糊,一均值算法………………………,, ,(,多发性硬化症简介…………………………………………………………(,, ,(,利用空间信息的,,,(,,,, ,,,,，,, ,,,，,,,,)聚类算法…………。,, ,(, ,,,,聚类算法的执行步 骤………………………………………………,, ,(, ,,,,分割算法在多发性硬化症中的应用………………………………,, ,(,实验结 果……………………………………………………………………(,, ,(,(,模拟脑部,,图像………………………………………………………(,, ,(,(,实际脑部,,图像………………………………………………………(,, ,(,实验结果分析…………………………………………………………………,,第五章总结与展望…………………………………………………………,, ,(,已完成工作与创新点…………………………………………………………。,, ,(,展 望……………:……………………………………………………………………………………(,,参考文 献…………………………………………………………………………(,,攻读学位期间成果………………………………………………………………,,致 谢…………………………………………………………………………(((…………。,,学位论文原创性声明…………………………………………………………。,,论文统计学证明……………………………………………………………………,, , 硕士学位论文 第一章 绪论,(,引言 在信息技术的不断深入发展的过程中，人们更多地利用计算机来帮助人类获取与处理各种信息。据统计，在人类从外界获得的信息中有,,,左右是来自视觉或者说图像信息，包括图像、动画、视频、文本、数据等，它是人类最有效的信息获取和交流方式，而图像也因为所含的信息量大且表现直观而在近年得到了广大宣传和在应用的多媒体中占据了重要的地位。 自,,世纪以来，图像分割的研究就一直受到人们的高度重视，是图像处理技术的研究焦点和重点。在对图像的研究和应用中，人们往往仅仅对图像中的某些部分感兴趣，这些部分通常被称为目标或前景(其他部分称为背景)，它们„一般对应图像中特定的、具有特殊性质的区域。为了更好的辨别和分析图像中的目标，需要将它们从图像中分离提取出来，在此基础上进一步对目标进行测量或者对图像进行利用。图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程，,,。 随着计算机的普及，人们越来越多地利用计算机来帮助人类来获取与处理视觉图像信息。然而，虽然自然界给了人类一个完美、强大的视觉系统，能够很好的处理、分析和理解各种视觉信息，但是，迄今为止还没有一个人类建造的自主视觉系统的性能能够达到高等生物的程度。其中很重要的原因之一就是:高等生物的视觉系统可以很容易完成非常复杂的分割任务，而机器视觉的分割技术却很难达到相应的分割速度及分割精度。因此，如何研究出快速有效的图像分割技术成为了推动机器视觉技术发展的关键内容之一。另外，随着互联网与多媒体技术的发展，人们已经不满足于把图像只看成简单的像素矩阵，而希望能将其表达成多个有意义的对象的组合，进而实现视频的交互功能及基于内容的图像,视频检索、浏览、编辑与合成等功能，而这些功能的实现都决定于 第一章绪论有没有一个好的图像分割工具。 图像分割是一种重要的图像技术，是计算机视觉领域低层次视觉中的主要问题，是由图像处理到图像分析的一个关键步骤，在图像工程中占据重要地位，如图,(,所示【,】。图像分割也是进一步进行图像理解的基础。一方面，它是目标表达的基础，对特征测量有重要影响;另一方面，因为图像分割及其基于目标的表达、特征的提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分割和理解成为可能。因此，图像分割也是为了进一步对图像进行分析、识别、跟踪、理解、压缩编码等，分割的准确性直接影响后续任务的有效性，如何快速、有效地将感兴趣的目标从复杂背景中分割出来，具有十分重要的意义。 霎 ,三三 图,—, 图像分割在图像工程中的位置 ,,,(,,, ,,, ,,,,,,,, ,, ,,,,, ,,,,,,,,,,,, ,, ,,,,, ,,,,,,,,,,,,(,脑部,,图像简介 脑部是人类生命与活动的中枢神经系统，是一个功能非常强大且很神秘的器官，迄今为止人们对它的认识还非常有限。中枢神经系统疾病包括肿瘤、感染、外伤、白.