摘要医学图像处理中，进行去噪、配准和分割，都能够更加真实地将医学影像数据反映给诊断者进行诊断。本文则主要围绕这三种图像处理方式，分别建立合理的模型，选取评价指标，进行Matlab数值试验，相互对比得到合理的结论。本文采用了四阶偏微分方程（Four Order PED）模型进行去噪，并对三个不同的四阶偏微分方程的去噪效果进行对比；采用B样条非刚性配准方法，对肾脏图像实例实现了非刚性配准，并对同一器官不同模态以及同一模态不同器官的两种情况下，比较B样条非刚性配准方法的效果差异；最后，采用了C-V模型以及GAC模型对医学图像进行分割处理，比较其优点和缺点。67662
毕业论文关键词: 去噪 配准 分割 PED B样条 非刚性 C-V GAC
毕业设计说明书（论文）外文摘要
Title Segmentation And Registration Of The Medical Kidney Image
Abstract
In medical image processing, do denoising, registration and segmentation, can more truly reflect the medical image information to the diagnosis by diagnosis. This paper mainly focus on these three kinds of image processing methods, namely to establish a rational model, select the evaluation indicators, numerical experiments with Matlab compared with each other to get a reasonable conclusion. This paper uses a fourth-order partial differential equations (Four Order PED) model to denoise medical images, and three different fourth-order partial differential equations denoising comparison; using the B-spline non-rigid registration method, we achieved kidneys image non-rigid registration, and in the same organs in different modes and different organs of the same modal both cases, we compare the B-spline non-rigid registration method for different effects; Finally, we use the C-V model and the GAC model for medical image segmentation processing, and compare the advantages and disadvantages of this two models.
Keywords: Denoising registration segmentation PED B-spline C-V GAC
目 次
1. 绪论 1
1.1 研究目的及意义 1
1.2 研究背景 1
1.4 研究方法 2
2. 医学图像去噪 3
2.1 三种基于四阶PED的去噪模型 3
2.2 评价指标SSIM 4
2.3 数值试验 5
3. 医学图像配准 7
4. B样条非刚性图像配准 8
4.1 插值方法 9
4.2 相似性测度 10
4.3 优化算法 10
4.4.评价指标 11
4.5 数值试验结果 12
5. 医学图像分割 17
5.1 C-V模型 18
5.2 GAC模型 21
结 论 23
致 谢 24
参 考 文 献 25
1. 绪论
1.1 研究目的及意义
图像处理技术的运用可以将医疗影像数据的真实感官效果展示给诊断人员，使其精准地确定病理的空间位置、大小、几何形状等特征，对病人的影像数据进行多方位、多层次的观察，减少主观判断和临床经验不足对诊断结果的影响，提高准确性[1]。它主要包括图像的预处理，图像配准、融合、分割、模型构建等主要研究内容。论文网 医学肾脏图像的分割与配准研究:http://www.youerw.com/zidonghua/lunwen_75923.html