论文部分内容阅读
磁共振成像是一种无损伤高分辨的医学成像技术,它能提供丰富的二维或三维可量化的信息。随着临床医学的发展,脑部结构图像得到了广泛的应用。一般来说,白质、灰质和脑脊液是大脑中三种最基本的物质。MRI的脑组织分割是基于MR图像和先验知识获得的信息,把二维或者三维图像中的每个像素或者体素划分为不同的组织类。由于磁共振设备本身的不完美及大脑组织的自身模糊结构,造成了按三种物质严格分割磁共振图像的困难.随着遗传算法近几年的快速发展,利用遗传算法及现有算法用于改进MRI分割的研究逐渐受到人们的关注。本文运用两种改进的遗传算法来处理MRI的分割问题。1、本文首先分析了模糊集理论及模糊聚类理论的特点,以及模糊聚类在图像分割中的优缺点。在现有的模糊C—均值聚类算法的基础上,提出了一种新的遗传模糊聚类算法,有效地避免了直接使用C—均值聚类算法所带来的收敛到局部最优的问题,并在此基础上实现了对MRI的分割.对真实MRI图像的分析结果表明,该方法能有效地分割出脑的白质、灰质和脑脊液,为脑功能和结构的研究及临床应用提供了技术支持。2、本文首先分析了Markov随机场理论及模拟退火算法的基本理论,然后基于MRF的图像分割方法用Gibbs分布的参数表针图像不同像素间的关联性,对图像中噪声的影响有较好的抑制作用,提出了一种基于经典模拟退火算法及遗传算法的混合算法-遗传退火算法。该算法通过综合Markov的对噪声的良好抑制作用,遗传算法的全局优化搜索性,模拟退火算法的较强的局部搜索能力应用于加噪声的MRI分割。实验表明该算法在相同参数设置和相同计算时间的情况下优于SA算法和遗传算法(GA)。