基于水平集分割方法的脊柱图像三维重建
作为人体中轴的脊柱,不论是从三维立体结构上考虑还是在其周围组织结构的复杂程度上考虑,对人体都显得尤为重要.在医学领域中利用图像视觉处理方法对临床诊断及治疗进行辅助,逐渐成为近年来的一个研究热点.对脊柱CT图像分割以及三维重建的研究,主要体现在计算机辅助信息的识别与帮助神经病理学的临床价值方面.图像分割是可视化实现中关键的步骤和前提.脊柱图像的分割与配准,是手术导航中的关键技术之一.目前图像分割方法多种多样,其中活动轮廓分割模型逐渐成为近年来图像分割领域中较成功和常用的方法之一.活动轮廓分割模型通常可以分为基于边界的活动轮廓分割模型与基于区域的活动轮廓分割模型两大类.基于边界的活动轮廓分割模型是利用目标图像的梯度信息,通过迭代使得演化轮廓停止在目标边界上;基于区域的活动轮廓分割模型则是利用目标与有关像素值的不相同来提取目标.本文研究的主要内容是采用一种新的基于先验形状的水平集方法对多张CT切片进行分割并将其分割结果进行三维重建.主要包括:首先是获取训练样本,利用核主成分分析算法来对特征空间样本进行降维处理,并提取主成分来作为先验形状指导曲线演化;其次是针对水平集的形状样本均值来进行形态学处理,其结果作为图像分割的初始轮廓,从而解决了曲线演化的初始轮廓确定的问题;然后将图像的初始轮廓引入RSF模型,构造新的总能量泛函来对形态学预处理之后的每张CT图像进行分割,并将所有的分割结果进行三维重建.实验结果表明本文方法对多张CT切片的分割比传统分割方法具有更优的分割效果和更高的分割效率,使能够精准地进行椎骨重建,对虚拟脊椎的矫正手术有一定的指导意义.
- 作者：
- 郭会娇
- 学位授予单位：
- 辽宁科技大学
- 专业名称：
- 数字图像处理
- 授予学位：
- 硕士
- 学位年度：
- 2015年
- 导师姓名：
- 赵骥
- 中图分类号：
- TP391.41
- 关键词：
- 先验形状；水平集；核主成分分析；图像分割；三维重建
- Priori Shape； Level Set； Kernel Principal Component Analysis； Image Segmentation； 3D reconstruction