基于開曲線活動輪廓模型的3D神經目標分割與中軸線提取算法.pdf

1、從3D圖像中重構出神經目標是現(xiàn)代神經生物學的一項熱點。神經目標的形態(tài)和結構與大腦的功能密切相關，認識它們有助于我們了解大腦的運作以及預防神經類的疾病。正確的提取出神經目標的中軸線是神經目標重構的關鍵環(huán)節(jié)。針對3D熒光共焦顯微圖像標本，采用人工方法提取中軸線的方法需要耗費大量的人力和時間，而且提取的目標精度難以滿足要求，因此迫切需要研究神經目標的計算機自動分割與中軸線提取方法。本文系統(tǒng)的研究了基于開曲線活動輪廓模型的神經目標分割與中軸線提

2、取技術，以及3D神經圖像分割與中軸線提取中涉及的預處理以及后處理過程。
　　 本文的主要工作包括:
　　 (1)基于Frangi測度的圖像增強模型的理論與構造方法，提出了一個簡化的改進模型。利用該模型對原輸入圖像進行了降噪和目標增強，獲得了一個與原圖像對應的管狀度圖像。
　　 (2)結合管狀度構造神經目標分割的代價函數(shù)，給出了神經目標圖像預分割的圖割方法，該方法有效的分割出3D圖像中的神經目標，為后續(xù)神經目標的種

3、子點檢測和中軸線提取奠定了基礎。
　　 (3)研究了基于脊線準則的神經目標種子點檢測方法。結合神經目標圖像預分割結果，本文提出了基于線性掃描的快速種子點提取方法。實驗證明本文的檢測方法耗費時間更少，且能檢測出更多的有效種子點。
　　 (4)研究了基于開曲線活動輪廓的中軸線提取模型。該模型基于檢測的有效種子點，結合GVF的變形力和基于管狀度的延伸力，使得跟蹤的曲線能夠沿著神經目標的中軸線向兩端延伸。本文的貢獻在于給出了兩類