醫(yī)學(xué)圖像分割是現(xiàn)代圖像分割技術(shù)的重要分支,其結(jié)果的好壞對后續(xù)的組織結(jié)構(gòu)分解、病情診斷、手術(shù)實施等環(huán)節(jié)有著關(guān)鍵的影響。與自然圖像分割相比,醫(yī)學(xué)圖像分割的效果往往與具體應(yīng)用、成像模態(tài)和身體部位等因素相關(guān),是一個更加復(fù)雜的問題。很多在自然圖像分割中效果較好的算法在醫(yī)學(xué)圖像分割中存在欠分割和過分割等問題,不能很好地移植到醫(yī)學(xué)圖像分割領(lǐng)域。因此,有必要針對具體的應(yīng)用場景、成像模態(tài)和身體部位,研究特定的分割算法。本文重點對多閾值分割算法進行了研究,并做了如下兩方面的工作。(1)針對醫(yī)學(xué)偽影對分割算法性能的影響,本文設(shè)計了一種基于模糊Kapur熵的多閾值圖像分割算法FKMTS(Fuzzy Kapur entropy based Multi-Threshold image Segmentation algorithm)。FKMTS引入了模糊Kapur熵,可以有效解決組織結(jié)構(gòu)邊界模糊的問題。另外,FKMTS還采用了改進的量子粒子群算法來尋找最優(yōu)的分割閾值組。仿真實驗結(jié)果證明,FKMTS在性能上總體優(yōu)于Otsu算法和最大Kapur熵算法。(2)傳統(tǒng)閾值分割算法在組織結(jié)構(gòu)中容易產(chǎn)生噪聲和孤立區(qū)塊。針對此類問...

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
專業(yè)術(shù)語注釋表
第一章 緒論
    1.1 研究背景
    1.2 研究內(nèi)容
    1.3 論文結(jié)構(gòu)安排
第二章 醫(yī)學(xué)圖像分割相關(guān)研究
    2.1 醫(yī)學(xué)圖像分割概述
    2.2 醫(yī)學(xué)圖像的特征
    2.3 醫(yī)學(xué)圖像分割的研究進展
        2.3.1 基于信息的分割方法
        2.3.2 基于先驗形狀的分割方法
        2.3.3 其他分割方法
    2.4 本章小結(jié)
第三章 模糊Kapur熵多閾值醫(yī)學(xué)圖像分割
    3.1 引言
    3.2 總體思路
    3.3 基于模糊Kapur熵的圖像分割算法
        3.3.1 模糊閾值中隸屬度函數(shù)的選擇
        3.3.2 Kapur熵的模糊化
        3.3.3 基于IQPSO的閾值求解
        3.3.4 算法流程
    3.4 仿真實驗
        3.4.1 實驗參數(shù)設(shè)置
        3.4.2 圖像分割結(jié)果
        3.4.3 算法性能比較與分析
    3.5 本章小結(jié)
第四章 基于鄰域信息的模糊Kapur熵多閾值醫(yī)學(xué)圖像分割
    4.1 引言
    4.2 總體思路
    4.3 基于模糊Kapur熵和鄰域信息的圖像分割算法
        4.3.1 信息聚合中隸屬度函數(shù)的選擇
        4.3.2 基于像素鄰域的隸屬度聚合
        4.3.3 算法流程
    4.4 仿真實驗
        4.4.1 圖像分割結(jié)果
        4.4.2 算法性能比較與分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
附錄1 攻讀碩士學(xué)位期間申請的專利
附錄2 攻讀碩士學(xué)位期間參加的科研項目
致謝



本文編號：3783357