基于模糊聚类分析的脑MRI图像分割算法的研究.pdf

提提 要要 论文主要研究了模糊 C 均值聚类 Fuzzy C Means clustering FCM 算法 在脑组织核磁共振成像 Magnetic Resonance Imaging MRI 图像分割中的应 用问题 分割任务为将脑组织中的脑白质 WM 脑灰质 GM 和脑脊液 CSF 分割开 针对 FCM 算法计算量大的问题 提出了一种结合直方图峰值信息和统计 信息的快速 FCM hfKFCM 算法 仿真结果表明该算法可以对噪声小的脑组 织 MRI 图像实现快速准确的分割 并且提高了算法的鲁棒性 针对标准 FCM 算法抗噪声性能差的缺点 提出了一种用控制参数对空间 信息加权的改进 FCM ssFCM 算法 ssFCM 算法根据局部统计信息区分某 个空间邻域中的噪声点 边缘点和区域内部的点 引入控制参数对空间信息加 权 再使用加权的空间信息平滑隶属度信息 仿真结果表明 ssFCM 算法对 高斯白噪声的抑制作用显著提高 同时对乘性偏差场有一定的抑制作用 相对 于 FCM 算法和某些改进的 FCM 算法 ssFCM 算法的分割结果在聚类有效性 和模糊性等性能参数上提高显著 关键词 脑部磁共振图像 图像分割 模糊聚类算法 空间信息关键词 脑部磁共振图像 图像分割 模糊聚类算法 空间信息 I 目录目录 第第 1 章章 绪论绪论 1 1 1 脑 MRI 图像分割的研究意义 1 1 2 基于模糊聚类的图像分割的研究现状及发展趋势 2 1 3 主要研究工作及论文结构安排 3 第第 2 章章 图像分割图像分割 5 2 1 图像分割 5 2 2 图像分割算法 5 2 2 1 传统的图像分割算法 5 2 2 1 1 灰度阈值分割方法 6 2 2 1 2 边缘检测分割方法 6 2 2 1 3 区域跟踪分割方法 7 2 2 2 基于特定数学模型的图像分割算法 8 2 2 2 1 基于神经网络的图像分割 8 2 2 2 2 基于随机场理论的图像分割 8 2 2 2 3 基于动态变形模型的边缘提取 10 2 2 2 4 基于数学形态学的边缘检测 11 2 2 2 5 基于模糊聚类分析图像分割技术 12 2 3 图像分割质量评价 14 2 4 小结 16 第第 3 章章 脑脑 MRI 图像成像特点分析图像成像特点分析 17 3 1 脑磁共振成像 17 3 2 脑 MRI 图像分割算法研究中的问题 19 3 3 脑 MRI 成像的数学描述 21 3 4 小结 23 第第 4 章章 基于模糊聚类算法的脑基于模糊聚类算法的脑 MRI 图像分割图像分割 24 4 1 基于 FCM 算法的图像分割 24 4 2 基于 FCM 算法的脑 MRI 图像分割的相关研究 25 4 2 1 模糊权重指数 m 26 II 4 2 2 分类数 c 27 4 2 3 FCM 算法初始化分析 27 4 3 基于高斯核函数的 KFCM 算法对脑 MRI 图像的分割 28 4 3 1 KFCM 算法 28 4 3 2 KFCM 算法对脑 MRI 图像分割的仿真分析 29 4 4 快速模糊聚类算法 31 4 4 1 基于直方图统计的快速 FCM 算法 32 4 4 2 基于直方图信息的快速聚类 hfKFCM 算法 32 4 5 小结 35 第第 5 章章 利用空间信息提高模糊聚类算法抗噪声性能利用空间信息提高模糊聚类算法抗噪声性能 36 5 1 对邻域距离约束的 DFCM 算法 36 5 2 对邻域隶属度约束的 sFCMpq 算法 39 5 3 IFCM 算法 41 5 4 控制参数对空间信息加权的 ssFCM 算法 42 5 5 仿真结果与分析 44 5 5 1 对含加性噪声的脑 MRI 图像的分割仿真 44 5 5 2 对含偏差场的脑 MRI 图像的分割仿真 46 5 5 3 对含有加性噪声和偏差场的脑 MRI 图像的分割仿真 50 5 5 4 对长春某医院 MRI 设备采集的脑图像的分割仿真 51 5 6 小结 55 第第 6 章章 结论与展望结论与展望 56 6 1 全文总结 56 6 2 工作展望 56 参考文献参考文献 58 攻读硕士期间发表的学术论文攻读硕士期间发表的学术论文 65 摘摘 要要 I Abstract III 致致 谢谢 I 导师及作者简介导师及作者简介 I 1 第 1 章 绪论 第 1 章 绪论 1 1 脑脑 MRI 图像分割的研究意义图像分割的研究意义 医学影像处理技术在临床诊断 教学科研等方面发挥着重要的作用 利用 现代医疗设备 如心电图 ECG 段层扫描成像 CT 核磁共振成像 MRI 等 可以获得人体组织的一维 二维 三维的影像信息 这些信息能够帮助医 生准确地区分病变组织与正常组织 提高临床诊断的准确性和正确性 其中 磁共振成像 Magnetic Resonance Imaging MRI 技术 能够提供高分辨率数 据 具有软组织对比度高和信噪比高的优点 4 通过 MRI 检测 医生能够从 信号强度上观察到软组织及病变体在解剖学上的大小和形状 并能对软组织损 伤及病变进行定位 因此 MRI 成像技术被广泛的应用于中枢神经系统 心血 管系统疾病的检测与定位 对于脑部疾病 如肿瘤或某些疾病 如多发性硬化 症 MRI 更是具有其它成像方式无法替代的优点 医学图像分割是医学图像分析的重要组成部分 同时是医学图像可视化 图像融合 图像校准 图像引导手术等技术的前提和关键技术 由于医学图像 具有模糊及不均匀性 再加上人体解剖组织结构和形状的复杂以及个体之间较 大的差别 使得医学图像的分割成为一项困难的任务 为了解决医学图像的分 割问题 近几十年来 许多的研究人员做了大量的工作 使医学图像分割成为 医学研究和计算机图像领域的研究热点 9 5 在医学图像分割中 对脑 MRI 图像进行分割的研究更具代表性和临床实 用价值 精确的脑组织分割是进行探测影响脑实质的不同的病理条件 放疗和 放疗计划的制定 外科手术计划的制定和仿真 脑结构的 3D 可视化和定量测 量等方面应用研究的先决条件 在分析脑 MRI 图像数据时需要考虑更多的因 素 首先 脑的结构是非刚性的 非常复杂 且个体差异性很大 其次 不管 使用什么分割算法 始终存在一些因素影响 MRI 脑组织分割的精确性 例如 磁场信号强度的不均匀性 随机噪声 部分容积效应以及人体运动等都可能导 2 致图像出现伪影 因此研究人员尝试了很多数学模型来改进 MRI 脑组织分割 算法 常用的有动态变形模型 4039 人工神经网络 46 11 Gibbs 随机场 61 形态学算法 42 等 其中应用最为广泛的是基于模糊聚类模型 5251 的图像分割 算法 1 2 基于模糊聚类的图像分割的研究现状及发展趋势基于模糊聚类的图像分割的研究现状及发展趋势 聚类是用数学的方法研究处理给定的对象并对其分类 经典的分类学具有 非此即彼的特性 即同一事物归属且仅仅归属所划定类别中的一类 但是这种 分类不适用于具有模糊性的分类问题 因此产生了以模糊数学为基础的模糊聚 类分析算法 模糊聚类方法适用于对灰度图象分割 彩色图像分割 也适合纹 理图像等其它类型的图像的分割 模糊 C 均值 Fuzzy C Means FCM 算法 是模糊聚类分析算法中的一 个经典算法 它采用迭代优化目标函数来获得对数据集的模糊划分 具有很好 的收敛性 32 采用 FCM 算法进行图像分割具有 1 避免了设定阈值的问题 能解决多个分支的分割问题 2 适合于图像中存在不确定性和模糊性的特点 3 为非监督算法 聚类过程中不需要人工的干预 适合于自动分割的应用领 域等优点 因此 应用 FCM 算法对医学图像分割的研究已经成为医学图像处 理领域的一个研究热点 近年来 国内外的学者所做工作大多集中在以下几个 方面 1 降低算法的复杂性 提高算法的执行速度 针对 FCM 算法 为了解 决模糊聚类中计算量大的问题 降低计算时间 一般从三个方面来考虑 选择 接近最后结果的初始值 尽可能地减少迭代的次数 59 54 7 改进算法 减少 每一轮迭代的计算量 设计快速的实现算法 63 62 2 提高算法的抗噪声性能 提高分割精度 MRI 图像成像过程中不可避 免的会受到各种干扰因素的影响 28 27 10 除了在图像中较为常见的加性噪声 的影响外 MRI 图像中还会存在由磁场不均匀等因素造成的乘性噪声偏差场 被偏差场污染的 MRI 图像表现为灰度变化不均匀 有伪影 这给本来已经很 困难的脑 MRI 图像分割问题带来了更大的困难 目前有很多学者致力于这方 面的研究 29 28 27 Dzung L 34 等人于 1999 年通过对 FCM 目标函数的距离范 3 数运算中包含偏差场和两项对增益场的调整约束项来拟合出平滑的变化缓慢 的偏差场 该算法使用 Jacobi 光栅迭代法求解拟合偏差场 算法复杂且计算 量较大 另外由于图像的不确定性和大脑个体的差异性 该算法中的一些参数 的确定问题也降低了算法的稳定性 Renjie He 35 等人提出的算法首先对图像 进行一次 log 变换 从而将乘性噪声转化为加性的噪声 然后使用光滑的贝叶 斯函数的线性组合对变换后的偏差场拟合 从而得到对偏差场的估计 然而 log 运算本身会降低图像的对比度 引入误差 另一种改善算法的抗噪声性能的方 法是利用图像的空间信息使分割后的图像类内更加平滑 37 36 论文将在第 5 章对这类算法做较为详细的讨论 3 提高算法的鲁棒性 算法鲁棒性是指算法的稳定性 即在一定参数条 件下能够维持稳定分割结果的性能 它是医学图像分割中还没有得到很好解决 的问题 由于 FCM 聚类迭代优化本质上属于局部搜索的爬山法 很容易陷入 局部极值点 但到现在为止 在数学上还没有如何避免局部极值的理论 一种 有效的方法是令聚类中心的初始值接近最优模糊聚类中心 以降低迭代运算陷 入局部极小值的危险 7 1 3 主要研究工作及论文结构安排主要研究工作及论文结构安排 针对应用 FCM 算法对脑 MRI 图像的分割问题做了以下工作 1 分析探讨了脑 MRI 图像的成像特点 对脑 MRI 图像分割问题的难点 进行了分析讨论 给出了一个比较常用的 MRI 图像成像分析的数学模型 2 确定了 FCM 算法在脑 MRI 图像分割的应用中相关参数的选择问题 指出参数的优化选择影响算法的性能和速度 另外对模糊聚类算法中距离测度 的选择对算法性能的影响作了分析 将 KFCM 算法与 FCM 算法对脑 MRI 图 像的分割作了仿真和比较 针对脑组织 MRI 图像的分割提出了一种结合直方 图统计信息和直方图峰值信息的快速 FCM hfKFCM 算法 hfKFCM 算法提 高了 FCM 算法的实时性和鲁棒性 3 针对 FCM 算法只适用于分割噪声含量很低的图像的问题 讨论利用 空间信息提高 FCM 算法抗噪声性能的算法 分析比较了 DFCM 算法 sFCMpq 算法和 IFCM 算法相对于标准 FCM 算法的改进之处 及其优缺点 并提出一 4 种利用空间统计信息对空间函数加权的改进的 FCM 算法 ssFCM ssFCM 算法提高了 FCM 算法的抗噪声性能 聚类有效性和分割明确性 结构安排如下 第 2 章重点介绍了图像分割的一些算法 包括经典的图像分割算法和基于 特定数学模型的图像分割算法 给出几种图像分割性能评估函数 第 3 章分析了脑 MRI 图像的成像特点 对在分割脑 MRI 图像时存在的问 题进行了讨论 介绍了一种比较常用的脑 MRI 成像的数学模型 第4章对应用FCM算法实现脑组织MRI图像的分割问题中的相关问题作 了讨论 确定了模糊权重指数 m 和分类数 c 的选择 比较了 FCM 算法和基于 高斯核函数距离测度的 KFCM 算法在脑 MRI 图像分割中的性能 对快速 FCM 算法作了分析比较 针对脑组织 MRI 图像的分割提出了一种结合直方图统计 信息和直方图峰值信息的快速 KFCM hfKFCM 算法 第5章从模糊聚类算法在脑MRI图像的分割的应用中。