عنوان صفحهفصل اول:مقدمه 11-1-مقدمه 21-2-خلاصه مسئله 41-3-سرفصل ها 4فصل دوم:پیشینه تحقیق 62-1-مقدمه 72-2-مروری بر روش های قطعه بندی 72-2-1-روش های ساختاری 82-2-2-روش های آماری 122-2-3-روش های ترکیبی 15فصل سوم:مدل های قابل تغییر شکل 183-1-مقدمه 193-2-مدل های قابل تغییر شکل پارامتری 203-2-1-بیان ریاضی مدل 203-2-2-انرژی داخلی مدل 213-2-3-انرژی خارجی مدل 223-2-4-تکامل مدل قابل تغییر شکل پارامتری 233-2-5-روش حل عددی 243-3-محدودیت های مدل های قابل تغییر شکل پارامتری 243-3-1-حساسیت به شرایط اولیه 253-3-2-حساسیت به حداقل های محلی 253-3-3-حساسیت به انحنای زیاد 263-3-4-نیاز به تنظیم پارامترها 273-3-5-بار محاسباتی 27فصل چهارم:سطح فعال منفصل برای قطعه بندی تصاویر سه بعدی 284-1-مقدمه 294-2-تعریف راس و سطح در مدل سطوح فعال منفصل 304-3-مرحله اول:تعیین سطح اندازه گیری شده 314-4-مرحله دوم:تولید دانش پیشین غیرایستا در فضای سه بعدی 344-4-1-انحنا در فضای سه بعدی 344-4-2-نمونه برداری مجدد سطح بر مبنای انحنا 354-5-مرحله سوم:تخمین آماری 39فصل پنجم:روش پیشنهادی 405-1-مقدمه 415-2-الگوریتم پیشنهادی 415-2-1-تخمین کانتور فعال برای سطح اولیه 425-2-2-روش جستجوی خطی 435-2-3-انتگرال انحنا به عنوان انرژی داخلی 445-2-4-تبدیل ویولت برای تصاویر 455-2-5-وابستگی محلی فاز به عنوان انرژی خارجی 475-2-6-گرادیان تصویر حاصل از استخراج مرز توسط ویولت به عنوان انرژی خارجی 495-2-7-نمونه برداری براساس همسایگی 515-2-8-بروز رسانی شبکه مثلثی براساس نزدیکترین همسایگی ها 525-2-9-تشریح روند کلی روش پیشنهادی 53فصل ششم:نتایج الگوریتم پیشنهادی و بررسی آنها 576-1-مقدمه 586-2-مغز 586-3-ریه 596-4-کبد 606-5-پرتونگاری کامپیوتری 616-5-1-تاریخچه سی تی اسکن 626-5-2-اجزای اصلی تشکیل دهنده دستگاه سی تی اسکن 626-5-2-الف-لامپ اشعه ایکس 636-5-2-ب-دتکتورهای اشعه ایکس 646-5-2-پ-واحد جمع آوری اطلاعات 646-5-2-ت-واحد تولید ولتاژ بالا 646-5-2-ث-تخت بیمار 646-5-2-ج-واحد بازسازی و تولید تصویر 646-5-2-چ-کنسول نمایش و واسط کاربر 656-5-ح-کامپیوتر کنترل کننده مرکزی 656-5-3-نسل های مختلف دستگاه 656-5-3-الف-نسل اول 656-5-3-ب-نسل دوم 656-5-3-پ-نسل سوم 656-5-3-ت-نسل چهارم 666-5-3-ث-نسل پنجم 666-5-3-ج-نسل ششم 666-5-3-چ-نسل هفتم 676-6-مشخصات نتایج 676-7-نتایج و تحلیل آنها 676-7-1-مقایسه نتایج مدل سطح فعال منفصل با چند روش معمول 676-7-2-مقایسه نتایج روش پیشنهادی و الگوریتم سطح فعال منفصل 696-7-2-الف-ستاره سه بعدی ساختگی 696-7-2-ب-تصاویر سی تی اسکن مغز 706-7-2-پ-تصاویر سی تی اسکن ریه 766-7-2-ت-تصاویر سی تی اسکن کبد 816-7-2-ث-مقایسه سرعت همگرایی و بار محاسباتی 88فصل هفتم:نتیجه گیری و کارهای آینده 907-1-نتیجه گیری 917-2-کارهای آینده 92فهرست منابع 93فهرست شکل هاعنوان صفحهشکل 2-1-قطعه بندی با استفاده از روش تشخیص لبه با استفاده از فیلتر سبل 9 شکل 2-2-قطعه بندی تصویر MR با استفاده از روش های ریخت شناسی10 شکل 2-3-قطعه بندی ریه راست با مدل قابل تغییر شکل 11شکل 2-4- قطعه بندی با استفاده از روش آستانه گذاری 13شکل 3-1-یک سطح فعال نشان داده شده با استفاده از یک میدان تصادفی 21شکل 4-1-مقایسه روش پارامتری و غیر پارامتری 30شکل 4-2-نمایش شبکه مثلثی 31شکل 4-3-روند کلی الگوریتم DAS 31شکل 4-4-نمایش شبکه مثلثی و همسایگی های عمود بر هر راس در مدل سطح فعال منفصل 33شکل 4-5-نمایش نمونه برداری از مثلث بلند 38شکل 4-6-نمایش نمونه برداری از مثلث پهن 38شکل 5-1-نمایش نحوه محاسبه ویولت گسسته 3 مرحله ای 46شکل 5-2-تبدیل ویولت تصویر در مقیاس سوم 47شکل 5-3-شبکه نمونه برداری مربوط به ضرائب نمونه برداری تصویر 49شکل 5-4-نقشه همبستگی محلی 50شکل 5-5-استخراج مرز توسط تبدیل ویولت 51شکل 5-6-روش نمونه برداری براساس همسایگی-حذف و اضافه کردن نقاط 52شکل 5-7-بروزرسانی شبکه مثلثی 54شکل 5-8-هرس کردن عمودهای متقاطع تا رسیدن به یک مجموعه بدون تقاطع 54شکل 6-1-نمای کلی مغز انسان 59شکل 6-2- نمای کلی ریه انسان 60شکل 6-3-نمای کلی کبد انسان 61شکل 6-4- اولین نمونه آزمایشگاهی دستگاه سی تی اسکن ساخته شده در EMI انگلستان توسط هانسفیلد 62شکل 6-5-قسمت های اصلی تشکیل دهنده دستگاه سی تی اسکن معمولی و نحوه ارتباط آنها 63شکل 6-6-مقایسه روش DAS با VFC و LSHYB 68شکل 6-7- قطعه بندی ستاره سه بعدی 70شکل 6-8-قطعه بندی تصویر سی تی اسکن مغز با الگوریتم DAS در مرحله همگرایی 71شکل 6-9- قطعه بندی تصویر سی تی اسکن مغز با الگوریتم1 در مرحله همگرایی 72 شکل 6-10- قطعه بندی تصویر سی تی اسکن مغز با الگوریتم2 در مرحله همگرایی 73شکل 6-11-قطعه بندی تصویر سی تی اسکن مغز با الگوریتم DAS در حالت توقف 74شکل 6-12- قطعه بندی تصویر سی تی اسکن مغز با الگوریتم1 در حالت توقف 75شکل 6-13- قطعه بندی تصویر سی تی اسکن مغز با الگوریتم2 در حالت توقف 76شکل 6-14- قطعه بندی تصویر سی تی اسکن ریه با الگوریتم DAS در مرحله همگرایی 77شکل 6-15- قطعه بندی تصویر سی تی اسکن ریه با الگوریتم1 در مرحله همگرایی 78شکل 6-16- قطعه بندی تصویر سی تی اسکن ریه با الگوریتم2 در مرحله همگرایی 79شکل 6-17- قطعه بندی تصویر سی تی اسکن ریه با الگوریتم DAS در حالت توقف 80شکل 6-18- قطعه بندی تصویر سی تی اسکن ریه با الگوریتم1 در حالت توقف 81شکل 6-19- قطعه بندی تصویر سی تی اسکن ریه با الگوریتم2 در حالت توقف 82شکل 6-20- قطعه بندی تصویر سی تی اسکن کبد با الگوریتم DAS در مرحله همگرایی 83شکل 6-21- قطعه بندی تصویر سی تی اسکن کبد با الگوریتم1 در مرحله همگرایی 84شکل 6-22- قطعه بندی تصویر سی تی اسکن کبد با الگوریتم2 در مرحله همگرایی 85شکل 6-23- قطعه بندی تصویر سی تی اسکن کبد با الگوریتم DAS در حالت توقف 86شکل 6-24- قطعه بندی تصویر سی تی اسکن کبد با الگوریتم1 در حالت توقف 87شکل 6-25- قطعه بندی تصویر سی تی اسکن کبد با الگوریتم2 در حالت توقف 88فهرست شکل هاعنوان صفحهجدول 1-مقایسه عملکرد الگوریتم DAS با الگوریتم 1و 2 89 1-1-مقدمه پردازش و آناليز تصاوير را مي‌توان به عنوان يك ساختار كاربردي و تكنيكي جهت بررسی, تحلیل و استخراج اطلاعات از تصاویر تعريف کرد. قطعه بندی تصاویر یکی از مهمترین و کاربردی ترین مراحل پردازش تصویر می باشد که در کاربردهای بسیاری از قبیل مسایل بینایی ماشین1, استخراج ویژگی2, ردیابی اجسام3, بازسازی سطوح4, تشخیص به کمک کامپیوتر5, پردازش تصاویر پزشکی6 و کاربردهای بسیار دیگر مورد استفاده قرار می گیرد. در این میان, پردازش تصاویر پزشکی با توجه به اینکه یکی از مهمترین ابزار تشخیص, بررسی و درمان بیماری ها برای پزشکان به حساب می آید و کاربرد گسترده ای در زمینه ایجاد تصاویر دو بعدی, سه بعدی و 4 بعدی از بدن و مطالعات آناتومیک و فیزیولوژیک دارند و عمدتا تصویر برداری به صورت غیر تهاجمی7 و بدون ایجاد مشکل برای بیمار انجام می پذیرد, از اهمیت فوق العاده ای برخوردار می باشد.معمول ترین و مهمترین روش هایی که امروزه برای تصویربرداری پزشکی غیر تهاجمی مورد استفاده قرار میگیرد شامل روش های زیر می باشند: -تصویر برداری با امواج فراصوت1-تصویر برداری انتشار پوزیترون2-تصویر برداری رایانه ای تک فوتونی3-تصویر برداری تشدید مغناطیسی4-تصویر برداری با اشعه ایکس5-پرتونگاری کامپیوتری6یکی از مهمترین گام ها در تحلیل و پردازش تصویر پزشکی قطعه بندی این تصاویر, به معنای مشخص کردن مرز یک یا چند ساختارو یا اعضای آناتومیک بدن, می باشد چرا که این کار باعث ساده سازی در پردازش و استخراج اطلاعات تصویر شده و هم چنین موجب معنی دار شدن بسیاری از قسمت های تصویر می شود. در تصاویر واقعی پزشکی به دلیل عوامل ساختاری مختلفی از قبیل پیچیدگی ساختاری آناتومیک بدن, مجاورت و روی هم افتادگی بعضی از اندام ها و همچنین عوامل خارجی از قبیل وجود نویز, کم بودن وضوح تصاویر, مات شدن تصویر به دلیل حرکت بیمار و یا اعوجاج های ناشی از وسیله تصویر برداری, تصاویر گرفته شده دارای پیچیدگی بسیاری برای قطعه بندی می باشند. از این رو ممکن است بسیاری از الگوریتم ها در تشخیص دقیق و کامل مرز ها و سطوح در تصاویر پزشکی دچار مشکل شوند و این مسئله به یکی از چالش های اساسی در قطعه بندی تصاویر پزشکی تبدیل شده است.در این میان, با توجه به اینکه تصاویر سه بعدی حاوی اطلاعات ارزشمندی از ساختارهای آناتومیک و بافت های بدن از قبیل حجم, شکل, اندازه, محل,وجود ناهنجاری و تغییر شکل اعضا بدست می دهند, قطعه بندی تصاویر سه بعدی کاربرد روز افزونی در تحلیل تصاویر پزشکی دارا می باشد. به همین جهت ارائه روش ها و مدل هایی جهت افزایش دقت و صحت نتایج قطعه بندی سه بعدی بسیار حائز اهمیت می باشد. 1-2-خلاصه مسئلهبا توجه به کاربرد روز افزون تصاویر سه بعدی به ویژه در علم پزشکی به ویژه به دلیل دارا بودن اطلاعات بیشتر نسبت به تصاویر دو بعدی و امکان پردازش و تحلیل ساده تر برای کاربر, نیاز به ارائه روش های دقیق تر در این زمینه غیر قابل انکار می باشد. از طرفی قطعه بندی تصاویر سه بعدی یکی از گام های اساسی در زمینه پردازش این گونه تصاویر می باشد. تا کنون روش های متعدد و گوناگونی در قالب سه دسته روش های ساختاری1, روش های آماری2 و روش های ترکیبی3 جهت قطعه بندی اینگونه تصاویر ارائه گردیده است.در روش های ساختاری, مبنای الگوریتم بر اساس اطلاعات ساختاری تصویر می باشد.در حالیکه در روش های آماری اساس کار تحلیل آماری و ریاضی داده ها می باشد. هم چنین روشهای ترکیبی سعی در استفاده از خواص دو روش قبلی دارند.اگرچه گام های مهمی در طرح کلی قطعه بندی تصاویر سه بعدی برداشته شده است, همچنان چالشهای دشوار بسیاری برای این مسئله خصوصا برای تصاویر پزشکی وجود دارد.به عنوان مثال, در اغلب موارد, تصویر حاصل دارای نویز و همراه با کنتراست کم می باشد. از طرفی اثر حرکت بیمار و حجم نسبی در فرآیند تصویر برداری می تواند با تار کردن لبه های بافت به راحتی باعث تخریب کیفیت تصویر می شود. از این رو در این پایان نامه هدف دستیابی به روشی برای قطعه بندی تصاویر سه بعدی با دقت بالا و حساسیت کم نسبت به عوامل مخرب تصویر می باشد. بدین منظور پس از بررسی روش های موجود در قطعه بندی تصاویر سه بعدی و تحلیل یکی از جدیدترین و دقیق ترین الگوریتم ها, الگوریتم بهبود یافته سطوح فعال برای قطعه بندی تصاویر سه بعدی ارائه می شود.