پایان نامه ناحیه بندی تصاویر پزشکی با استفاده از الگوریتم گراف کات

با سلام

چکیده

پردازش تصویر شامل چندین مرحله می ­باشد که مهمترین آن­ها بخش ­بندی است. بخش ­بندی فرآیندی است که ورودی را به اجزای سازنده ­اش تقسیم می‌کند.

یکی از اولین روش ­های تقطیع تصویر توسط نظریه ­ی گراف ارائه شده­ است.  بر این اساس هر گره در گراف نماینده ­ی یک پیکسل در تصویر است و هر یال پیکسل­ های همسایه را به ­هم متصل می ­کند.

وزن مربوط به هر یال مبتنی بر بعضی خصوصیات پیکسل ابتدایی و انتهایی یال است. تاکنون بخش ­بندی تصویر توسط روش­ های بهینه ­سازی از جمله الگوریتم ژنتیک، کلونی مورچگان و …، روش­های آماری و روش­های مبتنی بر گراف انجام گرفته ­است.

در این پایان‌نامه، برای حل مسئله­‌ی تقطیع تصویر، تصویر ورودی بعد از پیش ­پردازش‌­های اولیه به گراف تبدیل می‌­شود.

هدف از این عمل، جداسازی اجزاء اصلی تشکیل دهنده تصویر است. بطوری که آنها را جهت اندازه‌گیری‌های بعدی آماده نماید. Segmentation یکی از پردازشهای نسبتاً مشکل می‌باشد. کیفیت نتایج زیربخش­ها بستگی به کیفیت مراحل segmentation دارد.

دو شیوه مختلف برای عمل بخش‌بندی تصاویر وجود دارد:

یکی از یکنواختی مقادیر شدت درون اجزاء تشکیل‌دهنده تصویر استفاده می‌کند. دیگری از شیوه پیدا‌کردن مرزها بین اجزاء‌ بنابراین از غیریکنواختی در تصویر استفاده می‌نماید.

در این روش ابتدا تصویر مورد نظر سیاه و سفید می­ شود، سپس سایز این تصویر کوچکتر شده، تصویر باینری و گراف آن ایجاد و اختلاف شدت روشنایی پیکسل­ها بر اساس همسایگی ۴-گانه محاسبه شده و این گراف توسط الگوریتم­های MAX-K-CAT و فرا ابتکاری جستجوی ممنوع افراز می ­گردد. خروجی همان تصویر ورودی است که به دو بخش پس ­زمینه (ریه) و شی (ضایعه) تقسیم شده ­است.

به ­منظور بررسی کیفیت جواب­ های حاصله، از تصاویر سی تی اسکن ریه استفاده شد. نتایج آماری نشان داد که بیش از ۹۰ درصد از موارد، الگوریتم پیشنهادی به جواب های مناسب­تری دست یافته ­است.