【摘要】：種豬育種技術(shù)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(shù)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(xué)者嘗試將其他技術(shù)引入到育種當(dāng)中,由此出現(xiàn)了醫(yī)學(xué)圖像應(yīng)用于育種技術(shù)的誕生。隨著醫(yī)學(xué)圖像領(lǐng)域的發(fā)展,醫(yī)學(xué)圖像結(jié)合計算機技術(shù)成為重要的研究方向。醫(yī)學(xué)圖像分割作為醫(yī)學(xué)圖像處理與分析的基礎(chǔ),其發(fā)展經(jīng)歷了手動分割、半自動分割和全自動分割過程,在人體中應(yīng)用于骨骼分割、肺部提取、腫瘤去除等方面。人體結(jié)構(gòu)用于醫(yī)學(xué)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(jié)構(gòu)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(zhì)量占比的分割算法。該算法將人為干預(yù)減小到最低,快速準(zhǔn)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(jìn)行分析,首先對CT圖像進(jìn)行預(yù)處理,利用高斯濾波對圖像進(jìn)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(jìn)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(nèi)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(jié)合閾值法、形態(tài)學(xué)操作、孔洞填充等多種算法將內(nèi)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(zhì)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(jìn)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(jìn)一步的改進(jìn)。
【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(zhì)量占比的分割算法，用以改善種豬育種技術(shù)。該算法將人為干預(yù)減小到最低，快速準(zhǔn)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(shè)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(fù)雜的模板函數(shù)，一般其函數(shù)關(guān)。當(dāng)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(quán)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(xué)位授予單位】：安徽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：S828;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮桂蓮;;曲率驅(qū)動擴散圖像邊緣形態(tài)復(fù)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(xué)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(shù)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(shù);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(xué)學(xué)報(自然科學(xué)版);1988年01期

6 宋建中;;噴霧圖像的自動分析[J];光學(xué)機械;1988年04期

7 高華;;關(guān)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(xué)圖像邊緣自適應(yīng)增強裝置設(shè)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(zhǔn)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(jìn)方法[J];信息系統(tǒng)工程;2016年03期

相關(guān)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(shù)及其應(yīng)用學(xué)術(shù)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(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)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(biāo)圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學(xué)術(shù)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(xué)術(shù)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(xué)術(shù)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(jì) 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)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(xué)學(xué)術(shù)年會論文集（理工農(nóng)醫(yī)）[C];2019年

9 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)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(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];2012年

相關(guān)重要報紙文章 前7條

1 侯杰;國產(chǎn)芯片進(jìn)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(guān)博士學(xué)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(xué);2019年

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

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

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

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

6 宋偉先;基于深度學(xué)習(xí)的豬只目標(biāo)檢測及狀態(tài)分析[D];東北農(nóng)業(yè)大學(xué);2019年

7 張玲;圖像光照恢復(fù)與分解技術(shù)研究[D];武漢大學(xué);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(xué);2019年

9 劉飛;透混沌介質(zhì)偏振成像技術(shù)[D];西安電子科技大學(xué);2016年

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

相關(guān)碩士學(xué)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(xué)圖像融合方法研究[D];重慶郵電大學(xué);2019年

2 康健;單幅霧天圖像去霧方法研究[D];重慶郵電大學(xué);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(xué);2019年

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

6 趙婷;基于結(jié)構(gòu)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(xué);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(xué);2019年

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

10 吳帥;《點石齋畫報》的圖像生產(chǎn)及其技術(shù)[D];中國美術(shù)學(xué)院;2019年

本文編號：2657262