论文部分内容阅读
从3D图像中重构出神经目标是现代神经生物学的一项热点。神经目标的形态和结构与大脑的功能密切相关,认识它们有助于我们了解大脑的运作以及预防神经类的疾病。正确的提取出神经目标的中轴线是神经目标重构的关键环节。针对3D荧光共焦显微图像标本,采用人工方法提取中轴线的方法需要耗费大量的人力和时间,而且提取的目标精度难以满足要求,因此迫切需要研究神经目标的计算机自动分割与中轴线提取方法。本文系统的研究了基于开曲线活动轮廓模型的神经目标分割与中轴线提取技术,以及3D神经图像分割与中轴线提取中涉及的预处理以及后处理过程。本文的主要工作包括：(1)基于Frangi测度的图像增强模型的理论与构造方法,提出了一个简化的改进模型。利用该模型对原输入图像进行了降噪和目标增强,获得了一个与原图像对应的管状度图像。(2)结合管状度构造神经目标分割的代价函数,给出了神经目标图像预分割的图割方法,该方法有效的分割出3D图像中的神经目标,为后续神经目标的种子点检测和中轴线提取奠定了基础。(3)研究了基于脊线准则的神经目标种子点检测方法。结合神经目标图像预分割结果,本文提出了基于线性扫描的快速种子点提取方法。实验证明本文的检测方法耗费时间更少,且能检测出更多的有效种子点。(4)研究了基于开曲线活动轮廓的中轴线提取模型。该模型基于检测的有效种子点,结合GVF的变形力和基于管状度的延伸力,使得跟踪的曲线能够沿着神经目标的中轴线向两端延伸。本文的贡献在于给出了两类延伸力,一种是基于黑森矩阵的主特征分量的延伸力,另一种是基于管状度的改进延伸力。实验对这两类延伸力的神经目标中轴线提取结果做了比较,证明了改进后的延伸力能获得更好的中轴曲线提取结果。(5)综合以上流程给出了3D神经目标中轴线提取的自动处理方案,给出了模块化的流程设计,最后通过3D图像神经目标中轴线提取的测试验证了本文方案的有效性。