CT圖象的分割技術和三維重建方法研究.pdf

1、圖象分割是一種重要的圖象技術,是由圖象處理過渡到圖象分析的關鍵步驟。醫(yī)學CT圖象三維重建技術從二維圖象中獲取三維的結構信息,為用戶提供具有真實感的三維圖形,在輔助臨床診斷等方面有非常重要的作用。小波變換具有良好的時域和頻域特性,能有效地從信號中提取信息。神經網絡具有自主學習的優(yōu)點,而 SOM和HOPFIELD神經網絡都是無監(jiān)督的神經網絡,不需要學習訓練,可以根據輸入的不同特征自動進行分類,易于快速收斂,因此可以被用于進行圖象分割。本文主

2、要研究圖象分割技術與三維重建技術,以及小波分析與神經網絡算法在圖象分割中的應用。
　　本文研究的對象是C T肝臟腫瘤圖象,實驗平臺為MATLAB7,所采用醫(yī)學CT圖象來自于互聯網。采用具有正交、緊支、光滑性的DB4系列小波,在對C T圖象進行預處理后,把 CT圖象進行多層小波分解,根據小波子圖象的統(tǒng)計信息提取14項圖象特征。在對SOM神經網絡與HOPFIELD神經網絡進行學習與研究的基礎上,提出了一種基于小波變換與優(yōu)化HOPFIE

3、LD神經網絡的分割算法,對 C T圖象進行分割聚類。為了進行圖象的三維重建,對邊緣提取算法進行了討論。利用傳統(tǒng)的邊緣檢測算法以及Snake邊緣檢測算法對C T圖象進了邊緣檢測。
　　從實驗的結果看,本文提出的基于小波分析與優(yōu)化H o p fie ld網絡分割算法,具有分割時間短,分割效果好等優(yōu)點,邊緣檢測的CT圖象中的病灶輪廓清晰明確。實驗結果表明,本文所研究的圖象分割與邊緣檢測算法是有效的,實驗的結果令人滿意,達到了預期的目標。