ct图像在脾肿大数据测量中的应用.docx

CT图像在脾肿大数据测量中的应用


1.34万字 34页 原创作品，已通过查重系统


摘要 图像分割技术是图像分析与计算机视觉领域中的一种重要图像处理技术，图像分割是图像处理中最为基础和重要的问题，图像分割的目的就是把目标物体或者人们感兴趣的部分从图像中分离出来，同时得到相应的目标物体的边缘，分割的准确性在很大程度上影响着分析、理解等高层处理的准确性。长期以来，尽管在该领域存在着许多分割方法，但是并没有对各种图像都适用的通用分割方法。近年来，在众多的分割方法中，基于偏微分方程的图像分割因其多样的形式、灵活的结构以及优越的性能得到了国内外学者的广泛关注，现已成为图像分割领域研究关注的热点问题之一，并广泛应用于目标跟踪、模式识别、计算机视觉等领域。 其基本思想是：根据图像特征和用户需求，直接或间接设计一个偏微分方程，曲线、曲面或图像在这个方程（带初始条件和边界条件）的控制下进行演化，偏微分方程的数值解就是我们希望得到的分割结果。但是，目前还有很多不完善的地方。
本文主要研究基于偏微分方程的脾脏CT图像分割，首先对偏微分方程进行了简单的概述，并着重阐述了脾肿大的危害和研究意义，突出本毕业设计所讨论问题的重要性；其次对于本文主要研究的图像分割方法--偏微分方程中的CV模型，从水平集理论、变分原理及数值求解三方面进行了详细的介绍，CV 模型是偏微分方程方法中著名的基于区域的几何活动轮廓模型，能较好改善基于边缘信息模型的边缘泄露、抗噪性差等问题。经典的C-V模型由Chan和Vese提出它充分利用图像的全局信息，如灰度信息，统计信息，纹理信息等，并且在图像分割中即便有强噪声也能取得了令人满意的效果。最后设计算法流程，通过实验证明本文研究方法的可行性与正确性。


关键词：偏微分方程；CV模型；水平集理论；变分原理