1、近年來腦部疾病及創(chuàng)傷嚴重威脅著人們的生活健康，腦健康問題引起了人們越來越多的關(guān)注。借助于醫(yī)學(xué)影像對腦組織進行檢查以及定性、定量的分析，從而得到相關(guān)腦疾病的信息并給出治療方案，是醫(yī)學(xué)研究和診斷中非常重要的方面，也是當前的研究熱點。
　　 圖像處理在醫(yī)療診斷中發(fā)揮著重要作用。核磁共振圖像分割作為圖像處理的基礎(chǔ)環(huán)節(jié)，為高層次的圖像處理提供所必需的數(shù)據(jù)，其分割結(jié)果的好壞直接影響后續(xù)處理的進行。但是由于核磁共振圖像具有強噪聲、弱灰度對比度

2、、組織邊界模糊等缺點，使核磁共振圖像的分割成為一個難點。
　　 聚類是將數(shù)據(jù)分類到不同的類或者簇的一個過程，同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。利用聚類思想可以來解決醫(yī)學(xué)圖像的分割問題。在眾多聚類方法的研究中，非負矩陣分解是新的研究熱點。與其他矩陣分解方法相比，非負矩陣分解在分解過程中施加嚴格的非負約束，能夠得到原數(shù)據(jù)的純加性描述。通過非負矩陣分解能夠得到代表組成數(shù)據(jù)各部分的基矩陣和加權(quán)系數(shù)矩陣。在醫(yī)

3、學(xué)圖像分割中，系數(shù)矩陣代表了各個像素的聚類標簽，能夠從非負矩陣分解的結(jié)果中得到像素的聚類結(jié)果。相對于K均值等傳統(tǒng)的聚類方法來講，非負矩陣分解的結(jié)果具有軟聚類性質(zhì)，更加適合于醫(yī)學(xué)圖像分割。
　　 本文利用非負矩陣分解的聚類性質(zhì)對醫(yī)學(xué)圖像進行分割，主要研究內(nèi)容如下：
　　 1.介紹了核磁共振成像技術(shù)的原理、核磁共振腦圖像的組織結(jié)構(gòu)及灰度特點，接著闡述了醫(yī)學(xué)圖像分割的背景意義及面臨的困難，最后簡要論述了醫(yī)學(xué)圖像分割的研究現(xiàn)狀及

4、常用的方法。
　　 2.敘述了非負矩陣分解方法提出的背景及數(shù)學(xué)表達方法，接著敘述了非負矩陣分解的迭代規(guī)則和收斂性，最后介紹了非負矩陣分解的研究現(xiàn)狀及應(yīng)用。
　　 3.提出了基于局部沃爾什變換和非負矩陣分解的核磁共振圖像分割方法。局部沃爾什變換屬于數(shù)字圖像處理方法的一種。與其他紋理特征提取方法相比，該方法提取的特征具有更好的紋理鑒別性能。利用局部沃爾什變換的方法提取圖像的紋理特征建立特征矩陣，再對特征矩陣進行非負矩陣分解，

5、得到圖像像素的聚類結(jié)果，完成圖像分割。實驗表明，該方法計算簡單，精度比較高，可以得到比較理想的分割結(jié)果。
　　 4.將非負矩陣分解與圖分割結(jié)合起來?；趫D論的圖像分割方法，將聚類問題轉(zhuǎn)化為圖的劃分問題，不必考慮樣本空間的形狀，能夠得到全局最優(yōu)解。本文將圖割的優(yōu)點與非負矩陣分解軟聚類的優(yōu)點結(jié)合起來，首先建立與待分割圖像相對應(yīng)的無向加權(quán)圖，然后利用非負的Laplacian嵌入對醫(yī)學(xué)圖像進行分割，得到圖像的分割結(jié)果。實驗表明相對于傳統(tǒng)