醫(yī)學(xué)影像的數(shù)字化分析是計(jì)算機(jī)技術(shù)在醫(yī)學(xué)診斷中的一項(xiàng)重要應(yīng)用。由于微血管的形態(tài)結(jié)構(gòu)與眼底類疾病、心血管類疾病密切相關(guān):高血壓、動(dòng)脈硬化等疾病的早期癥狀均會(huì)導(dǎo)致微血管網(wǎng)絡(luò)產(chǎn)生物理性質(zhì)的變化。因此,利用醫(yī)學(xué)影像處理技術(shù)對微血管網(wǎng)絡(luò)的整體結(jié)構(gòu)、直徑、彎曲度等相關(guān)參數(shù)進(jìn)行精確測量與定量分析,能夠?yàn)榧膊〉脑缙谂挪椤⑴袛嗉膊〉牟∽兂潭忍峁┲匾囊罁?jù),醫(yī)學(xué)影像處理技術(shù)在現(xiàn)代醫(yī)學(xué)診斷中具有重要的意義。本文以視網(wǎng)膜影像中的微血管網(wǎng)絡(luò)結(jié)構(gòu)為研究對象,從特征增強(qiáng)、微血管分割、動(dòng)靜脈夾角測量等方面進(jìn)行研究,利用Curvelet理論、深度學(xué)習(xí)算法、Hessian矩陣等方法,分別實(shí)現(xiàn)微血管的增強(qiáng)、分割、測量工作。論文的主要研究內(nèi)容如下:（1）研究了離散Curvelet系數(shù)在圖像中的分布情況,提出一種基于Curvelet理論的微血管增強(qiáng)算法:首先提取圖像的綠色通道,利用CLAHE算法均衡綠色通道中的像素值;其次對均衡化的圖像進(jìn)行Curvelet系數(shù)分解,提出一種兼?zhèn)滠涢撝岛瘮?shù)連續(xù)性和硬閾值函數(shù)漸進(jìn)性的非線性閾值函數(shù),根據(jù)噪聲頻域系數(shù)與特征頻域系數(shù)在Curvelet變換域中的不同分布特征,實(shí)現(xiàn)閾值去噪和特征增強(qiáng)操作;最... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：103 頁

【學(xué)位級別】：碩士

【部分圖文】：

醫(yī)學(xué)影

碩士學(xué)位論文10圖2-1線性分段函數(shù)Figure2-1Piecewisefunction非線性變換適用于灰度值變化范圍較大的的圖像，避免了線性變換帶來的信息丟失等問題。非線性變換通常分為指數(shù)變換、對數(shù)變換、冪變換，不同的變換函數(shù)具備不同的灰度增強(qiáng)功能：指數(shù)變換抑制圖像的灰度低值部分，增強(qiáng)灰度高值部分，如圖2-2(a)所示；對數(shù)變換抑制圖像的灰度高值部分，增強(qiáng)灰度低值部分，如圖2-2(b)所示。(a)指數(shù)函數(shù)(b)對數(shù)函數(shù)圖2-2非線性函數(shù)Figure2-2Nonlinearfunction冪函數(shù)通過調(diào)節(jié)γ值獲得不同的增強(qiáng)曲線，具有較強(qiáng)的靈活性，冪函數(shù)如圖2-3所示：圖2-3冪函數(shù)Figure2-3Powerfunction圖2-3可知，當(dāng)γ=1時(shí)，冪變換即可視為線性變換；當(dāng)γ<1時(shí)，可視為對數(shù)變換，抑制灰度高值部分，增強(qiáng)灰度低值部分，增強(qiáng)整體亮度；當(dāng)γ>1時(shí)，可視為指數(shù)變換，換抑制圖像的灰度低值部分，增強(qiáng)灰度高值部分，降低整體亮度。(2)直方圖均衡化灰度直方圖能以直觀的方式反映出像素的灰度級分布情況，因此在圖像的對比度調(diào)節(jié)上應(yīng)用較廣。而直方圖均衡化作為一種調(diào)節(jié)圖像對比度、調(diào)整圖像亮度

碩士學(xué)位論文10圖2-1線性分段函數(shù)Figure2-1Piecewisefunction非線性變換適用于灰度值變化范圍較大的的圖像，避免了線性變換帶來的信息丟失等問題。非線性變換通常分為指數(shù)變換、對數(shù)變換、冪變換，不同的變換函數(shù)具備不同的灰度增強(qiáng)功能：指數(shù)變換抑制圖像的灰度低值部分，增強(qiáng)灰度高值部分，如圖2-2(a)所示；對數(shù)變換抑制圖像的灰度高值部分，增強(qiáng)灰度低值部分，如圖2-2(b)所示。(a)指數(shù)函數(shù)(b)對數(shù)函數(shù)圖2-2非線性函數(shù)Figure2-2Nonlinearfunction冪函數(shù)通過調(diào)節(jié)γ值獲得不同的增強(qiáng)曲線，具有較強(qiáng)的靈活性，冪函數(shù)如圖2-3所示：圖2-3冪函數(shù)Figure2-3Powerfunction圖2-3可知，當(dāng)γ=1時(shí)，冪變換即可視為線性變換；當(dāng)γ<1時(shí)，可視為對數(shù)變換，抑制灰度高值部分，增強(qiáng)灰度低值部分，增強(qiáng)整體亮度；當(dāng)γ>1時(shí)，可視為指數(shù)變換，換抑制圖像的灰度低值部分，增強(qiáng)灰度高值部分，降低整體亮度。(2)直方圖均衡化灰度直方圖能以直觀的方式反映出像素的灰度級分布情況，因此在圖像的對比度調(diào)節(jié)上應(yīng)用較廣。而直方圖均衡化作為一種調(diào)節(jié)圖像對比度、調(diào)整圖像亮度

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)U型網(wǎng)絡(luò)的眼底圖像血管分割[J]. 高宏杰,邱天爽,丑遠(yuǎn)婷,周明,張曉博.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2019(01)
[2]基于頻域的計(jì)算機(jī)圖像增強(qiáng)技術(shù)分析[J]. 張小紅,張建生,彭林華.  科學(xué)技術(shù)創(chuàng)新. 2018(31)
[3]基于遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測[J]. 李會(huì)超,李鴻,張博.  計(jì)算機(jī)應(yīng)用與軟件. 2018(07)
[4]圖像亮度精確控制的雙直方圖均衡算法[J]. 江巨浪,王振東,鐘倫超,吳翰.  電子科技大學(xué)學(xué)報(bào). 2018(01)
[5]基于空間域與頻域的遙感圖像增強(qiáng)算法[J]. 王璠.  廊坊師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(01)
[6]一種基于改進(jìn)遺傳算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化算法研究[J]. 劉浩然,趙翠香,李軒,王艷霞,郭長江.  儀器儀表學(xué)報(bào). 2016(07)
[7]光相干斷層掃描血管成像技術(shù)及其在眼底相關(guān)疾病中的應(yīng)用[J]. 王林妮,李志清,李筱榮.  中華眼底病雜志. 2015 (05)
[8]基于Morlet小波變換的視網(wǎng)膜血管分割[J]. 殷本俊,陳燕,李華婷,吳雯,盛斌.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2015(07)
[9]基于多尺度2D Gabor小波的視網(wǎng)膜血管自動(dòng)分割[J]. 王曉紅,趙于前,廖苗,鄒北驥.  自動(dòng)化學(xué)報(bào). 2015(05)
[10]高斯混合模型自適應(yīng)微光圖像增強(qiáng)[J]. 陳瑩,朱明,劉劍,李兆澤.  液晶與顯示. 2015(02)

博士論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的視網(wǎng)膜病變檢測方法研究[D]. 劉磊.中國科學(xué)技術(shù)大學(xué) 2019
[2]視網(wǎng)膜血管圖像處理的若干關(guān)鍵問題研究[D]. 趙曉芳.華南理工大學(xué) 2011

碩士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的肝圖像分割方法研究[D]. 劉博.哈爾濱工業(yè)大學(xué) 2019
[2]語義分割網(wǎng)絡(luò)在視網(wǎng)膜血管分割任務(wù)的應(yīng)用[D]. 張冠宏.北京郵電大學(xué) 2019
[3]基于小波變換的圖像去噪方法研究[D]. 李曉飛.南京郵電大學(xué) 2016
[4]第二代Curvelet變換及其在圖像融合中的應(yīng)用研究[D]. 宋英姿.河海大學(xué) 2007



本文編號(hào)：3601300