CT圖像在脾腫大數(shù)據(jù)測量中的應(yīng)用


1.34萬字 34頁 原創(chuàng)作品，已通過查重系統(tǒng)


摘要 圖像分割技術(shù)是圖像分析與計(jì)算機(jī)視覺領(lǐng)域中的一種重要圖像處理技術(shù)，圖像分割是圖像處理中最為基礎(chǔ)和重要的問題，圖像分割的目的就是把目標(biāo)物體或者人們感興趣的部分從圖像中分離出來，同時(shí)得到相應(yīng)的目標(biāo)物體的邊緣，分割的準(zhǔn)確性在很大程度上影響著分析、理解等高層處理的準(zhǔn)確性。長期以來，盡管在該領(lǐng)域存在著許多分割方法，但是并沒有對各種圖像都適用的通用分割方法。近年來，在眾多的分割方法中，基于偏微分方程的圖像分割因其多樣的形式、靈活的結(jié)構(gòu)以及優(yōu)越的性能得到了國內(nèi)外學(xué)者的廣泛關(guān)注，現(xiàn)已成為圖像分割領(lǐng)域研究關(guān)注的熱點(diǎn)問題之一，并廣泛應(yīng)用于目標(biāo)跟蹤、模式識別、計(jì)算機(jī)視覺等領(lǐng)域。 其基本思想是：根據(jù)圖像特征和用戶需求，直接或間接設(shè)計(jì)一個(gè)偏微分方程，曲線、曲面或圖像在這個(gè)方程（帶初始條件和邊界條件）的控制下進(jìn)行演化，偏微分方程的數(shù)值解就是我們希望得到的分割結(jié)果。但是，目前還有很多不完善的地方。
本文主要研究基于偏微分方程的脾臟CT圖像分割，首先對偏微分方程進(jìn)行了簡單的概述，并著重闡述了脾腫大的危害和研究意義，突出本畢業(yè)設(shè)計(jì)所討論問題的重要性；其次對于本文主要研究的圖像分割方法--偏微分方程中的CV模型，從水平集理論、變分原理及數(shù)值求解三方面進(jìn)行了詳細(xì)的介紹，CV 模型是偏微分方程方法中著名的基于區(qū)域的幾何活動(dòng)輪廓模型，能較好改善基于邊緣信息模型的邊緣泄露、抗噪性差等問題。經(jīng)典的C-V模型由Chan和Vese提出它充分利用圖像的全局信息，如灰度信息，統(tǒng)計(jì)信息，紋理信息等，并且在圖像分割中即便有強(qiáng)噪聲也能取得了令人滿意的效果。最后設(shè)計(jì)算法流程，通過實(shí)驗(yàn)證明本文研究方法的可行性與正確性。


關(guān)鍵詞：偏微分方程；CV模型；水平集理論；變分原理