基于otsu的醫(yī)學(xué)圖像分割算法研究

ID:35058065

大小:3.24 MB

頁數(shù):57頁

時間:2019-03-17

基于otsu的醫(yī)學(xué)圖像分割算法研究_第1頁
基于otsu的醫(yī)學(xué)圖像分割算法研究_第2頁
基于otsu的醫(yī)學(xué)圖像分割算法研究_第3頁
基于otsu的醫(yī)學(xué)圖像分割算法研究_第4頁
基于otsu的醫(yī)學(xué)圖像分割算法研究_第5頁
資源描述:

《基于otsu的醫(yī)學(xué)圖像分割算法研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫

1、分類號P391單位代碼:101朋:T研巧生學(xué)號:2013532107密級:公開戀古林大學(xué)碩古學(xué)位論文樂術(shù)學(xué)位()碁于化SU的醫(yī)學(xué)圖像分割算法研究tiResearchonMedionAlorthmicalImageSegmentagBasedOnOtsuMethod作者姓名:潘紅專業(yè):計算機應(yīng)用技術(shù)研究方向;圖像處理與模式識則指導(dǎo)教師:申錢京教授培養(yǎng)單位:計算機科學(xué)與技術(shù)學(xué)院2016年目月主未經(jīng)本論文作者的書面授權(quán),依法收存和保管

2、本論文書面版本、電子版本的任何單位和個人,均不得對本論文的全部或部分內(nèi)容進行任何形式的復(fù)制、修改、發(fā)行、出粗、改編等有礙作者著作權(quán)的商業(yè)性使巧(但純學(xué)術(shù)性使用不在比限)。否則,應(yīng)承擔(dān)侵權(quán)的法律責(zé)任。吉林大學(xué)碩古學(xué)位論文原創(chuàng)性聲明本人鄭重聲明:所呈交的碩古學(xué)位論文,是本人在指導(dǎo)教師的指導(dǎo)下,獨立進行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外,本論文不包含任何其他個人或集體己經(jīng)發(fā)表或撰寫過的作品成果。對本文的研究做出重要貢獻的個人和集體。,巧己在文中明確方式標(biāo)明本人完全意識

3、到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名:曰期兵月巧,年i基于Otsu的醫(yī)學(xué)圖像分割算法研究ResearchonMedicalImageSegmentationAlgorithmBasedOnOtsuMethod作者姓名:潘紅專業(yè)名稱:計算機應(yīng)用技術(shù)指導(dǎo)教師:申鉉京教授學(xué)位類別:工學(xué)碩士答辯日期:2016年5月24日摘要摘要基于Otsu的醫(yī)學(xué)圖像分割算法研究圖像分割在圖像處理領(lǐng)域是一個熱門問題,在醫(yī)學(xué)研究領(lǐng)域有很廣泛的應(yīng)用。學(xué)者們提出了很多關(guān)于醫(yī)學(xué)圖像分割的算法,使得分割效果有了很大改善。

4、然而,由于醫(yī)學(xué)圖像存在噪聲點、密度不均一、部分容積效應(yīng)和正常與不正常的密度重疊等問題,一些先進的方法在分割的精度和穩(wěn)定性方面仍然存在著很大的提升空間。閾值分割技術(shù)作為分割算法的一種,它實現(xiàn)簡單且分割效果良好,在醫(yī)學(xué)圖像、工業(yè)檢測記憶文本等方面都有著廣泛的應(yīng)用。其中,Otsu算法計算簡單而且有著合理的數(shù)學(xué)分析模型,分割效果良好。近年來,受到了學(xué)者們的追捧,從各個方向進行改進。本文在諸多Otsu算法改進的基礎(chǔ)上,針對其存在的一些不足,對一維多閾值分割、改進的螢火蟲算法、二維多閾值分割進行了深入的思考,并提出了自己的

5、算法,具體的方法如下:(1)本文通過對醫(yī)學(xué)圖像以及一維Otsu多閾值的研究,考慮到醫(yī)學(xué)圖像具有器官方面的特征,且由于人體密度的原因,醫(yī)學(xué)圖像器官形狀各異,所以本文將距離這一因素引入到算法當(dāng)中。本文為了更加精確邊緣信息,將用于邊緣檢測的梯度這一算子作為一個決定分割結(jié)果的條件之一。作為閾值分割,把最不可缺少的灰度值作為最重要的影響因子。通過上述的三個因子梯度、距離、灰度賦予它們不同的權(quán)值,這三個圖像特征信息融合構(gòu)造出了綜合信息灰度直方圖。為了實現(xiàn)多閾值自動分割,引入了k-dimensional樹(簡稱k-d樹)作為

6、框架來達到快速自動確定閾值個數(shù)的目的,進而實現(xiàn)自動多閾值分割。(2)螢火蟲算法受自然界中螢火蟲通過熒光進行信息交流這種群體行為的啟發(fā)發(fā)展而來。螢火蟲算法個體初始化時是隨機性的,使得算法可能在尋優(yōu)過程中過早陷入局部最優(yōu)或者找到錯誤的最優(yōu)解。因此,本文在初始化螢火蟲個體時,引入了二維直方圖中波谷灰度值。以直方圖中某一個位置向下投影得到一個投影圓,然后求出該圓內(nèi)的波谷,即為螢火蟲個體的一個初始化空間位置,依此類推,初始化全部的螢火蟲,然后在螢火蟲算法的更新函數(shù)中加入局部信息,防止過早陷入局部最優(yōu)。(3)為了進一步提高

7、分割的速度和精度,本文將Otsu算法從一維擴展到二維,提出了一種基于上述改進螢火蟲算法的二維Otsu多閾值分割算法。在該算法中,本文引入同一類中灰度值的差異的倒數(shù)作為類內(nèi)凝聚力加入到Otsu目標(biāo)函數(shù)中。類內(nèi)凝聚力越I摘要大,說明當(dāng)前類內(nèi)的像素點的值越接近,分割的效果越好。對于一維Otsu多閾值算法,本文對腦部、血管、胃部圖像與二維熵多閾值分割、TSMO(Two-StageMultithresholdOtsu)以及粒子群優(yōu)化算法和細菌覓食(BacterialForagingAlgorithm,簡稱BF)進行了對比

8、實驗,實驗結(jié)果表明本文算法具有良好的分割效果。二維Otsu多閾值分割算法對127幅腦部圖像進行了對比試驗,根據(jù)均勻性測度值、峰值信噪比以及運行時間三個值進行定量分析,并且依據(jù)分割結(jié)果圖進行了描述。關(guān)鍵詞:醫(yī)學(xué)圖像分割,波谷,螢火蟲算法,Otsu,灰度直方圖,K-dimensional樹IIAbstractAbstractResearchonMedicalImageSegmentatio

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。
关闭