【摘要】：種豬育種技術的研究在全世界都處于一個重要的地位。目前種豬育種技術以專門化品系培育和配套系培育為主流,為了開拓新的育種方案,更多的學者嘗試將其他技術引入到育種當中,由此出現(xiàn)了醫(yī)學圖像應用于育種技術的誕生。隨著醫(yī)學圖像領域的發(fā)展,醫(yī)學圖像結合計算機技術成為重要的研究方向。醫(yī)學圖像分割作為醫(yī)學圖像處理與分析的基礎,其發(fā)展經歷了手動分割、半自動分割和全自動分割過程,在人體中應用于骨骼分割、肺部提取、腫瘤去除等方面。人體結構用于醫(yī)學圖像上的分割方法同樣適用于動物體中,但是沒有一種分割算法能適用于不同結構對象。針對這一問題,本文基于CT圖像的種豬優(yōu)選方法的研究,提出一種精確分割骨骼、脂肪、肌肉組織,并測定其在整體的質量占比的分割算法。該算法將人為干預減小到最低,快速準確地分割出骨骼、脂肪以及肌肉部分區(qū)域,并測定它們在整體中的占比。本文以種豬為研究對象,對獲取的CT圖像進行分析,首先對CT圖像進行預處理,利用高斯濾波對圖像進行平滑和消除噪聲的操作,再運用區(qū)域生長的思想將CT圖像中影響骨骼分割的CT床體部分去除。去除以后,分別運用了兩種分割算法提取骨骼部位,分別是基于改進的水平集方法的快速水平集算法和基于骨骼CT值的閾值分割法�？紤]到內臟部分的存在對脂肪以及肌肉分割存在一定的影響,運用胴體中器官距離等比例思想,結合閾值法、形態(tài)學操作、孔洞填充等多種算法將內臟去除,然后利用雙閾值法、邏輯運算等操作分割脂肪以及肌肉部分,最后根據(jù)各部位在胴體中所占像素的體積以及密度求出其質量以及在整體中的占比。將算法運用到實驗中,通過與美國公司提供的對比數(shù)據(jù)進行比較,探究算法中可能存在的問題所在,以此作為未來的研究重點對算法做進一步的改進。
【圖文】：

基于 CT 圖像的組織分割算法第三章 胴體分割及骨骼分割方法本文的目的為實現(xiàn)一種精確分割骨骼、脂肪、肌肉組織，并測定其在整體的質量占比的分割算法，用以改善種豬育種技術。該算法將人為干預減小到最低，快速準確地分割出骨骼、脂肪以及肌肉部分區(qū)域，并測定它們在整體中的占比。本章則主要介紹基于多種算法的骨骼分割。3.1 基于 CT 圖像的胴體分割方法3.1.1 CT 圖像去噪本文以種豬為研究對象，利用 CT 掃描設備獲取種豬的 CT 圖像。隨機選取其中幾張 CT 圖像，其橫斷面原圖如下所示：

度、深度距離等。雙邊濾波具有復雜的模板函數(shù)，一般其函數(shù)關。當圖像素點的灰度值變化較小時，雙邊濾波函數(shù)近似于灰度值發(fā)生劇烈變化時，函數(shù)的權重也會變大，以保證邊緣信濾波算法都能夠起到一定的平滑作用，因此需比較四種濾波算隨機選取 CT 圖像中的某一張 CT 切片，，分別利用四種算法對，其效果圖如下所示：(a)均值濾波 (b)中值濾波
【學位授予單位】：安徽工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：S828;TP391.41

【相似文獻】

相關期刊論文 前10條

1 馮桂蓮;;曲率驅動擴散圖像邊緣形態(tài)復合濾波方法仿真[J];計算機仿真;2019年09期

2 張錦華;孫挺;;引入像點融合度修補的圖像邊緣化參差拼接實現(xiàn)[J];微電子學與計算機;2014年08期

3 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術開發(fā);2013年12期

4 顧長友;妙用Photoshop處理圖像邊緣[J];電腦知識與技術;2003年08期

5 濮群,余桂;用線性模型檢測圖像邊緣[J];清華大學學報(自然科學版);1988年01期

6 宋建中;;噴霧圖像的自動分析[J];光學機械;1988年04期

7 高華;;關于古建筑圖像中破損點優(yōu)化提取仿真[J];計算機仿真;2017年11期

8 劉娟娟;劉斌;;低照度非線性光學圖像邊緣自適應增強裝置設計[J];激光雜志;2017年03期

9 許志強;張婷;;數(shù)字式多媒體場景圖像準確分類方法仿真[J];計算機仿真;2019年07期

10 張琳梅;;基于圖像邊緣增強的改進方法[J];信息系統(tǒng)工程;2016年03期

相關會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術及其應用學術論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學會第十屆全國圖像圖形學術會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術研討會（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強模糊空間目標圖像邊緣獲取方法研究[A];第九屆全國光電技術學術交流會論文集（下冊）[C];2010年

4 陳煒;張陽陽;孟慶勛;;一種基于Curvelet變換的圖像邊緣增強方法[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學術會議論文集（1）[C];2008年

6 孫增國;師蕊;;基于L_(1/2)范數(shù)的高分三SAR圖像的非局部均值降斑[A];第五屆高分辨率對地觀測學術年會論文集[C];2018年

7 楊文秀;陸常周;;最優(yōu)小波問題探討[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術產業(yè)發(fā)展（上冊）[C];2001年

8 趙恩良;姜盈帆;孫麗華;曹康敏;金瑞巧;;一種基于變窗口的圖像去噪算法研究[A];第十六屆沈陽科學學術年會論文集（理工農醫(yī)）[C];2019年

9 周勝靈;丁珠玉;;農產品邊緣檢測系統(tǒng)研究[A];中國農業(yè)工程學會2011年學術年會論文集[C];2011年

10 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學學術會議論文摘要集[C];2012年

相關重要報紙文章 前7條

1 侯杰;國產芯片進軍移動多媒體市場[N];人民郵電;2003年

2 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動[N];電腦報;2003年

4 ;體驗決定一切[N];中國計算機報;2003年

5 Wang JS;摳圖又有新招[N];電腦報;2002年

6 徐和德;從實戰(zhàn)出發(fā)選擇合適鏡頭[N];中國攝影報;2019年

7 ;令挑剔的人也刮目相看[N];中國電子報;2001年

相關博士學位論文 前10條

1 唐國良;視頻監(jiān)控圖像局部特征描述和相機接力研究[D];西安電子科技大學;2019年

2 孫景峰;基于圖像特征的示波屏識別關鍵技術研究及應用[D];西北工業(yè)大學;2018年

3 歐巧鳳;二維凝膠電泳圖像中一致蛋白質斑點集檢測技術研究[D];西北工業(yè)大學;2018年

4 吳迪;光學遙感圖像典型目標檢測方法研究[D];哈爾濱工業(yè)大學;2019年

5 王瑤;復雜天氣下的道路識別方法研究[D];哈爾濱工業(yè)大學;2019年

6 宋偉先;基于深度學習的豬只目標檢測及狀態(tài)分析[D];東北農業(yè)大學;2019年

7 張玲;圖像光照恢復與分解技術研究[D];武漢大學;2017年

8 蔡博侖;圖像去霧與增強算法的研究[D];華南理工大學;2019年

9 劉飛;透混沌介質偏振成像技術[D];西安電子科技大學;2016年

10 李永軍;圖像與視頻低復雜度壓縮算法研究[D];西安電子科技大學;2017年

相關碩士學位論文 前10條

1 賈玲慧;基于邊緣保持濾波器和顯著性的多模態(tài)醫(yī)學圖像融合方法研究[D];重慶郵電大學;2019年

2 康健;單幅霧天圖像去霧方法研究[D];重慶郵電大學;2019年

3 曾笑云;灰度不均勻圖像的快速分割方法研究[D];湘潭大學;2019年

4 吳鳴;基于卷積神經網(wǎng)絡和圖像顯著性的鐵譜磨粒分析[D];南京航空航天大學;2019年

5 汪杰;基于CT圖像的種豬優(yōu)選方法研究與實現(xiàn)[D];安徽工業(yè)大學;2019年

6 趙婷;基于結構特征增強的圖像顯著性檢測方法研究[D];哈爾濱工業(yè)大學;2019年

7 牛皓偉;基于航拍圖像的交通工程施工現(xiàn)場安全監(jiān)督方法研究[D];哈爾濱工業(yè)大學;2019年

8 曹齊;殘損紡織物圖像的修復算法研究與三維重建[D];西安工程大學;2019年

9 鐘曉妮;基于圖像特征的快速匹配算法研究[D];西安工程大學;2019年

10 吳帥;《點石齋畫報》的圖像生產及其技術[D];中國美術學院;2019年

本文編號：2657262