圖像處理中的基礎和重要步驟是圖像分割。近年來,圖像分割方法中加入了各種新的技術和新的理論,并創(chuàng)造了許多新的圖像分割方法。圖像分割改進的目的是提高圖像分割結果的準確性和算法的有效性。計算機輔助檢測技術中X線胸片肺部區(qū)域分割和腹部CT圖像的肝臟組織分割是較為常見的醫(yī)學診斷技術,對醫(yī)學圖像的研究分析有著重大的意義。本文針對肺部區(qū)域圖像分割和肝臟區(qū)域圖像分割進行了系統(tǒng)的研究,具體工作和主要成果如下:（1）研究了基于最小誤差閾值法的圖像分割算法,并提出一種基于分水嶺與最小誤差閾值法相結合的X線胸片圖像分割方法。先使用分水嶺算法對胸片進行預分割,再假設目標和背景的灰度值分布服從混合正態(tài)分布,定義目標函數(shù)并通過最小優(yōu)化取值的方式來獲取分割閾值,從而盡可能地保證了醫(yī)學圖像目標區(qū)域的完整性,避免出現(xiàn)過分割現(xiàn)象。實驗結果表明,該方法可以準確地分割出完整的肺部區(qū)域,提高了分割效果,具有一定的應用價值。（2）研究了基于區(qū)域生長法的圖像分割算法,并提出一種基于分水嶺與區(qū)域生長法相結合的肝臟CT圖像分割方法。通過用分水嶺算法對肝臟CT圖像進行預分割,采用求最大內(nèi)切圓的方法進行種子點自動選擇,然后利用區(qū)域生長法進行... 

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 選題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 邊緣檢測算法
        1.2.2 區(qū)域生長算法
        1.2.3 閾值分割算法
        1.2.4 基于圖論的分割算法
        1.2.5 基于分水嶺的分割算法
    1.3 本文主要操作及章節(jié)安排
        1.3.1 本文主要工作
        1.3.2 本文章節(jié)安排
第2章 基于分水嶺的最小誤差閾值分割法
    2.1 閾值分割原理
    2.2 最小誤差閾值法
        2.2.1 一維最小誤差閾值法
        2.2.2 二維最小誤差閾值法
    2.3 改進的最小誤差閾值分割算法
        2.3.1 算法設計流程
        2.3.2 算法的主要步驟
    2.4 實驗評價與分析
        2.4.1 實驗評價指標
        2.4.2 實驗結果對比
    2.5 本章總結
第3章 基于分水嶺的區(qū)域生長分割法
    3.1 區(qū)域生長原理
    3.2 改進的區(qū)域生長算法
        3.2.1 傳統(tǒng)算法的種子點選擇方式
        3.2.2 改進的種子點的選擇方式
    3.3 確定生長準則
    3.4 實驗評價與分析
        3.4.1 區(qū)域分割算法分割結果
        3.4.2 實驗評價指標
        3.4.3 實驗結果對比
    3.5 本章小結
第4章 醫(yī)學圖像分割可視化系統(tǒng)的設計與實現(xiàn)
    4.1 可視化系統(tǒng)業(yè)務詳述
        4.1.1 可視化系統(tǒng)模塊框架
        4.1.2 圖像的讀取和顯示模塊
        4.1.3 圖像的預處理模塊
        4.1.4 圖像的分割模塊
        4.1.5 圖像的后處理模塊
    4.2 可視化系統(tǒng)設計與實現(xiàn)
        4.2.1 X線胸片圖像分割系統(tǒng)的設計與實現(xiàn)
        4.2.2 肝臟CT圖像分割系統(tǒng)的設計與實現(xiàn)
    4.3 本章小結
第5章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]醫(yī)學圖像分割系統(tǒng)設計[J]. 寇毛蕊,楊新國.  長春師范大學學報. 2018(12)
[2]改進區(qū)域生長法的肝部CT圖像ROI提取[J]. 李仔麒,馬慧彬,李殿奎,范蕊.  計算機技術與發(fā)展. 2019(01)
[3]圖像分割方法在醫(yī)學領域中的應用[J]. 鄭彩俠,張同舟,孫長江,劉景鑫.  中國醫(yī)療設備. 2018(06)
[4]改進分水嶺算法在腦腫瘤CT圖像分割中的應用[J]. 李永焯,戴曙光.  軟件導刊. 2018(06)
[5]改進分水嶺算法在醫(yī)療圖像目標提取中的應用[J]. 陳文亮,賀松.  信息技術. 2018(05)
[6]基于閾值的醫(yī)學圖像分割技術的計算機模擬及應用[J]. 郭璇,鄭菲,趙若晗,吳丹,彭鈺欣,韓冬熇,毛凌毓,楊影,葉佳慧,紀杜娟,董默.  軟件. 2018(03)
[7]醫(yī)學影像計算機輔助檢測與診斷系統(tǒng)綜述[J]. 鄭光遠,劉峽壁,韓光輝.  軟件學報. 2018(05)
[8]基于深度學習的肝臟腫瘤圖像分割[J]. 黃佳佳,趙曙光,張笑青,楊峰,許方成.  數(shù)字技術與應用. 2017(11)
[9]CT圖像中肝臟自動分割算法研究[J]. 張輝,閆謙時.  電腦知識與技術. 2017(30)
[10]基于自適應標記分水嶺算法的肝臟CT圖像自動分割[J]. 黃展鵬,張琦,趙潔.  北京生物醫(yī)學工程. 2017(04)

碩士論文
[1]基于深度學習的圖像分割研究與應用[D]. 張華博.電子科技大學 2018
[2]浙江省肺癌地理流行病學研究[D]. 陳燕.浙江大學 2014
[3]基于圖論的圖像分割技術研究[D]. 羅青青.南京郵電大學 2014



本文編號：3658944