基于otsu的醫(yī)學(xué)圖像分割算法研究

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

1、分類號(hào)Ｐ３９１單位代碼：１０１朋：Ｔ研巧生學(xué)號(hào)：２０１３５３２１０７密級(jí)：公開(kāi)戀古林大學(xué)碩古學(xué)位論文樂(lè)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(jì)算機(jī)應(yīng)用技術(shù)研究方向；圖像處理與模式識(shí)則指導(dǎo)教師：申錢京教授培養(yǎng)單位：計(jì)算機(jī)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(shū)面授權(quán)，依法收存和保管

2、本論文書(shū)面版本、電子版本的任何單位和個(gè)人，均不得對(duì)本論文的全部或部分內(nèi)容進(jìn)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(dú)立進(jìn)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(gè)人或集體己經(jīng)發(fā)表或撰寫(xiě)過(guò)的作品成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體。，巧己在文中明確方式標(biāo)明本人完全意識(shí)

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(jì)算機(jī)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(gè)熱門問(wèn)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(diǎn)、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(wèn)題，一些先進(jìn)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(shí)現(xiàn)簡(jiǎn)單且分割效果良好，在醫(yī)學(xué)圖像、工業(yè)檢測(cè)記憶文本等方面都有著廣泛的應(yīng)用。其中，Otsu算法計(jì)算簡(jiǎn)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(lái)，受到了學(xué)者們的追捧，從各個(gè)方向進(jìn)行改進(jìn)。本文在諸多Otsu算法改進(jìn)的基礎(chǔ)上，針對(duì)其存在的一些不足，對(duì)一維多閾值分割、改進(jìn)的螢火蟲(chóng)算法、二維多閾值分割進(jìn)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(guò)對(duì)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(cè)的梯度這一算子作為一個(gè)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(guò)上述的三個(gè)因子梯度、距離、灰度賦予它們不同的權(quán)值，這三個(gè)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(shí)現(xiàn)多閾值自動(dòng)分割，引入了k-dimensional樹(shù)(簡(jiǎn)稱k-d樹(shù))作為

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

7、分割的速度和精度，本文將Otsu算法從一維擴(kuò)展到二維，提出了一種基于上述改進(jìn)螢火蟲(chóng)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(shuō)明當(dāng)前類內(nèi)的像素點(diǎn)的值越接近，分割的效果越好。對(duì)于一維Otsu多閾值算法，本文對(duì)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(xì)菌覓食(BacterialForagingAlgorithm，簡(jiǎn)稱BF)進(jìn)行了對(duì)比

8、實(shí)驗(yàn)，實(shí)驗(yàn)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(duì)127幅腦部圖像進(jìn)行了對(duì)比試驗(yàn)，根據(jù)均勻性測(cè)度值、峰值信噪比以及運(yùn)行時(shí)間三個(gè)值進(jìn)行定量分析，并且依據(jù)分割結(jié)果圖進(jìn)行了描述。關(guān)鍵詞：醫(yī)學(xué)圖像分割，波谷，螢火蟲(chóng)算法，Otsu，灰度直方圖，K-dimensional樹(shù)IIAbstractAbstractResearchonMedicalImageSegmentatio