發(fā)布時(shí)間：2021-12-31 00:42

　　核磁共振成像是目前應(yīng)用最為廣泛,技術(shù)最為成熟的醫(yī)學(xué)成像手段之一,核磁共振圖像分割技術(shù)在醫(yī)療診斷、病灶定位、組織測(cè)定、生物實(shí)驗(yàn)等領(lǐng)域有極高的應(yīng)用價(jià)值。閾值分割算法是目前核磁共振圖像分割的主要方法,本文在傳統(tǒng)閾值圖像分割算法的基礎(chǔ)上采用改進(jìn)型粒子群算法進(jìn)行多閾值參數(shù)優(yōu)化,提出了新的核磁共振圖像分割算法,與傳統(tǒng)單閾值分割算法相比具有運(yùn)算效率高、速度快、分割準(zhǔn)確度高等特點(diǎn)。文章的具體內(nèi)容包括:（1）以最大熵閾值分割算法、最大類間閾值分割算法為例對(duì)閾值圖像分割算法進(jìn)行討論,在傳統(tǒng)閾值分割算法的基礎(chǔ)上提出了適用于核磁共振影像的基于改進(jìn)粒子群的最大熵閾值分割算法。（2）通過優(yōu)化慣性權(quán)重、收縮因子等參數(shù),設(shè)計(jì)并引入擴(kuò)張模型對(duì)粒子群算法進(jìn)行改進(jìn),通過測(cè)試函數(shù)對(duì)改進(jìn)粒子群算法、基本粒子群算法、量子粒子群算法的收斂性能進(jìn)行對(duì)比,對(duì)新算法的收斂速度和搜索性能進(jìn)行驗(yàn)證。（3）以帝國(guó)理工學(xué)院腦發(fā)展研究中心（Center of developing brain seminar in Imperial College London）核磁共振數(shù)據(jù)庫的30例（共150張影像）人腦MRI序列為樣本,對(duì)基于改進(jìn)后粒子群算法的... 

【文章來源】：鄭州大學(xué)河南省 211工程院校

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Sphere、Shaffer、Griewank、Rastrigrin的測(cè)試結(jié)果

3 改進(jìn)型粒子群最大熵多閾值分割表 3.1 三種算法搜索時(shí)間比較測(cè)試函數(shù) 基本粒子群算法 量子粒子群算法 改進(jìn)型粒子群算法Sphere 0.0146s 0.1152s 0.0139sShaffer 0.0317s 0.1165s 0.027sGriewank 0.0351s 0.1259s 0.0312sRastrigrin 0.0201s 0.1167s 0.0138s從三種粒子群算法對(duì)測(cè)試函數(shù)搜索定位的時(shí)間分析，本文改進(jìn)型粒子群算法搜索定位快于基本粒子群算法、量子粒子群算法，從最佳適應(yīng)度函數(shù)值變化曲線驗(yàn)證改進(jìn)型粒子群算法的收斂精度優(yōu)于基本粒子群算法和量子粒子群算法。但是用最佳適應(yīng)度函數(shù)值變化曲線可能會(huì)存在偶然性，于是又引入粒子的平均適應(yīng)度函數(shù)值變化曲線來驗(yàn)證算法性能，圖 3.3 是粒子的平均適應(yīng)度函數(shù)值隨迭代次數(shù)的變化曲線。

24圖 3.4 Sphere、Shaffer、Griewank、Rastrigrin 的測(cè)試結(jié)果表 3.3 是基本粒子群算法、量子粒子群算法、本文改進(jìn)的粒子群算法用四個(gè)測(cè)試函數(shù)測(cè)試用的時(shí)間。表 3.3 三種算法搜索時(shí)間比較測(cè)試函數(shù) 基本粒子群算法 量子粒子群算法 改進(jìn)型粒子群算法Sphere 0.0345s 0.1119s 0.0446sShaffer 0.0595s 0.1084s 0.0502sGriewank 0.1034s 0.1215s 0.0806sRastrigrin 0.0451s 0.1145s 0.0405s圖 3.5 是每次迭代粒子平均適應(yīng)度函數(shù)值隨迭代次數(shù)的變化情況。

【參考文獻(xiàn)】：
期刊論文
[1]基于Matlab圖像處理方法的橋梁裂縫寬度檢測(cè)研究[J]. 晉民杰,黃智,韓智強(qiáng),韓飛.  中外公路. 2017(05)
[2]基于差分進(jìn)化的混合智能優(yōu)化算法及其節(jié)能優(yōu)化應(yīng)用[J]. 高立群.  煤礦機(jī)械. 2017(10)
[3]基于粒子群優(yōu)化SVM的蘋果圖像分割[J]. 黃奇瑞.  湖北文理學(xué)院學(xué)報(bào). 2015(08)
[4]基于微粒群算法的Buck-Boost矩陣變換器主電路參數(shù)優(yōu)化[J]. 黃毅,張小平,吳亮紅.  湖南科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(04)
[5]基于最大類間方差法的肝臟CT圖像分割及實(shí)現(xiàn)[J]. 彭微.  信息技術(shù). 2014(03)
[6]求解一類非線性二層多目標(biāo)規(guī)劃的粒子群方法[J]. 鄒從義,洪云飛.  長(zhǎng)江大學(xué)學(xué)報(bào)(自科版). 2014(07)
[7]基于量子最大熵多閾值算法的圖像分割研究[J]. 張俊娜,馮云芝.  激光與紅外. 2013(05)
[8]基于動(dòng)態(tài)聚集距離的多目標(biāo)粒子群優(yōu)化算法及其應(yīng)用[J]. 劉麗琴,張學(xué)良,謝黎明,李明磊,溫淑花,盧青波.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2010(03)
[9]圖像分割的新理論和新方法[J]. 許新征,丁世飛,史忠植,賈偉寬.  電子學(xué)報(bào). 2010(S1)
[10]圖像閾值分割算法研究[J]. 郭臻,陳遠(yuǎn)知.  中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(02)

博士論文
[1]基于偏移場(chǎng)的核磁共振腦圖像分割算法研究[D]. 車娜.吉林大學(xué) 2013
[2]基于目標(biāo)級(jí)聯(lián)法和智能優(yōu)化算法的車間調(diào)度問題研究[D]. 黃英杰.華南理工大學(xué) 2012
[3]細(xì)菌覓食優(yōu)化算法的改進(jìn)及應(yīng)用研究[D]. 胡潔.武漢理工大學(xué) 2012
[4]基于磁共振顱腦影像的腦組織自動(dòng)分割方法的研究[D]. 賈迪.東北大學(xué) 2011
[5]基于粒子群優(yōu)化算法的圖像分割研究[D]. 孫越泓.南京理工大學(xué) 2010
[6]腦核磁共振圖像與虛擬人腦圖像分割技術(shù)研究[D]. 陳允杰.南京理工大學(xué) 2008

碩士論文
[1]基于Multi-Agent的疏散模型研究[D]. 楊靖龍.北京工業(yè)大學(xué) 2017
[2]MRI腦部組織分割方法研究[D]. 談磊.電子科技大學(xué) 2017
[3]基于機(jī)器視覺的冷軋極薄帶鋼缺陷檢測(cè)與分類研究[D]. 周海英.江南大學(xué) 2016
[4]汽輪機(jī)及其調(diào)節(jié)系統(tǒng)參數(shù)高效辨識(shí)算法及系統(tǒng)研究[D]. 甘飛.重慶大學(xué) 2016
[5]無線傳感器網(wǎng)絡(luò)移動(dòng)充電低時(shí)延數(shù)據(jù)收集策略研究[D]. 于志博.天津大學(xué) 2016
[6]基于粒子群優(yōu)化算法的最大熵多閾值圖像分割研究[D]. 路亞緹.鄭州大學(xué) 2015
[7]基于改進(jìn)粒子群算法和三維Otsu的圖像分割研究[D]. 彭堯.武漢理工大學(xué) 2015
[8]基于MACF的物體檢測(cè)及中心定位[D]. 李蕾.中北大學(xué) 2014
[9]復(fù)合材料壓力容器有限元分析及其優(yōu)化設(shè)計(jì)[D]. 林張歡.華中科技大學(xué) 2014
[10]基于幾何活動(dòng)輪廓模型的圖像分割方法研究[D]. 薛哈樂.東北大學(xué) 2012



本文編號(hào)：3559290