首页 > 文献资料
-
基于先验知识和MRF随机场模型的医学图像弹性配准方法
本研究提出了一种新的基于先验知识的弹性配准算法,首次把马尔可夫模型应用于图像的弹性配准方面.为了把关于变形场的先验知识融合到弹性配准过程中,本研究以马尔可夫随机场模型作为理论框架,以B样条为基函数来构造弹性变形模型,以弹性模型的B样条系数作为待估参数,以原图像和变形图像作为已知条件,把弹性变形模型和关于变形场的先验知识有机的融合到了马尔可夫随机场模型中,实现了一种基于变形场先验知识的弹性配准算法.这种新算法因为有变形场的先验知识,所以可以得到更好配准结果.本研究以变形场的平滑作为先验知识,可以有效改善局部极值的状况,提高算法的可靠性和鲁棒性.本研究分别对2D和3D图像进行了试验,试验结果证明了这种算法的有效性.
-
采用MRF二次混合多阶先验的PET图像的贝叶斯重建
在正电子发射成像(PET)中,很多方法被用来抑制重建图像中的噪声效果,其中.在所有方法中,贝叶斯重建或者大化后验估计的方法被证明具有在重建图像质量方面相对于其他方法的优越性.基于贝叶斯重建,本研究提出了一种应用于贝叶斯重建中新的综合了二次一阶先验和二次二阶先验的马尔可夫随机场混合多阶先验.基于不同阶数的二次平滑先验的自身的不同性质,该新先验的设计的目的是实现自适应的发挥这些算子的作用.该混合先验能够保持其先验能量函数凸性,从而保证整体目标贝叶斯后验能量函数的凹性.模拟实验和实验结果的比较证明了对于PET重建,该先验在抑制背景噪声和保持边缘方面均具有很好的表现.
-
基于小波分解与马尔可夫随机场的医学图像矢量量化分割
本文通过离散小波变换分解图像提取图像分割特征,利用矢量量化聚类和马尔可夫随机场建立分割模型,运用迭代条件模式法进行优化分割.同时,利用小波分解层之间的相似性关系,以上一层的优化分割结果作为当前空间内的初始条件进行逐层分割.实验证明,本方法能有效地对医学图像进行分割.
-
梯度小波纹理模型及其在超声心动图分割中的应用
本研究在图像的高斯马尔可夫随机场(GMRF)模型和梯度小波变换的基础上提出了梯度小波多尺度纹理分析的概念,推导出了梯度小波变换系数和高斯马尔可夫过程参数的关系,并在此基础上给出了纹理特征参数的估计方法.这些参数构成了一个多尺度纹理特征空间,本研究利用K-均值算法实现了特征参数聚类.本研究提出的方法在超声心动图的分割中取得了令人满意的效果.
-
基于马尔可夫随机场的肝实质分割
介绍了马尔可夫随机场(markov random field,MRF)的基本理论,以及基于MRF的图像分割模型及其求解过程.利用MRF分割方法对肝脏CT图片进行了分割,实验结果表明:该方法能够有效对肝脏实质进行分割,在一些模糊区域有更好的分割效果,可用于CT图像序列中的肝实质自动分割.
-
基于"催化剂"的图像分割算法研究
目的:针对基于二叉树分割算法的分割停止判断的局限性,提出基于"催化剂"的图像分割方法.方法:在分割图像中引入试探图像作为"催化剂",并以"催化剂"在分割结果中是否显现为依据来判断二叉树分割的候选结点是否应该停止分割.结果:"催化剂"分割算法可有效地对待分割图像进行正确的类数判断.结论:初步实验表明,"催化剂"分割方法简洁、有效.
-
一种自适应立体脑图像分割方法
提出一种自动分割单通道磁共振脑图像的新方法,这种方法建立在耦合的马尔科夫模型的基础上.耦合马尔科夫模型使用了两个空间上交织的马尔可夫随机场先验模型,其一对亮度测度建模以实现分段光滑性约束,另一个对非连续性建模以控制相邻体素间的交互作用.依据这一模型,该方法使用贝叶斯理论和领域约束获得了区域和边界的大后验概率估计.这种方法具有如下属性:①大脑图像被准确地分割成白质、灰质和脑脊髓;②对噪声和亮度不一致性具有较强的鲁棒性.
-
一种边界和马尔可夫随机场相结合的脑MRI医学图像分割方法
目的:在现有的脑MRI医学图像分割方法基础上,以阿尔茨海默病(Alzheimer's Disease,AD)数据为例,提出了一种基于边界和马尔可夫随机场为基础,再结合李代数和流场论对图像进行分割和配准的方法.方法:该方法以基于边界的分割方法去除颅骨和非组织,再利用马尔可夫随机场分割脑组织,后结合李代数和流场论对图像进行标准配准,并与当前为常用的SPM-VBM方法进行比较.结果:以现有的AD病人脑MRI数据为基础进行分析对比,能够得到更加有效的脑组织分割和更精确的脑激活区定位.结论:该方法能够显著提高分割效果.
-
催化剂分割算法的初步研究
目的:在TS-MRF模型基础上,针对基于二叉树分割算法的分割停止判断提出新的算法.方法:在分割图像中引入试探图像作为"催化剂",并以"催化剂"在分割结果中是否显现为依据来判断二叉树分割的候选结点是否应该停止分割,具体分割算法采用MRF分割.结果:对多组模拟图像进行了初步分割实验,实验表明该方法可以对实验图像的树状分割过程给出正确的停止判断.结论:催化剂分割算法可有效地对待分割图像进行正确的类数判断.
