超聲醫(yī)學圖像以其快速、實時,安全和價格低廉等優(yōu)點被廣泛應用于黃牛繁殖和胚胎生產(chǎn)各個階段,為了提高改良種牛的繁殖能力,運用超聲成像技術來對黃牛卵泡的變化規(guī)律進行實時監(jiān)測便起到了至關重要的作用,這對提高妊娠率意義重大,要實現(xiàn)對牛卵泡的實時監(jiān)測,首先需要在所獲取的超聲圖像中檢測到黃牛卵泡所在的位置。本文主要研究的目標是對超聲圖像中的牛卵泡區(qū)域進行檢測,為牛卵泡的實時監(jiān)測等后續(xù)研究和分析奠定基礎。針對牛卵泡超聲圖像的特點,本文對卵泡區(qū)域的檢測技術進行了深入研究,首先研究相關算法對牛卵泡超聲圖像進行預處理,即去噪,在分析并研究了傳統(tǒng)BM3D算法以及PM模型,Catte模型,SRAD模型的基礎上,基于研究對相關模型的擴散系數(shù)以及擴散模型進行改進,提出了一種改進的各向異性擴散濾波算法,得到了良好的去噪效果;然后對圖像進行特征提取,在分析了傳統(tǒng)LBP算法的缺陷之后,基于研究提出了一種改進的全新LBP算法-BALBP算法,同時提取圖像的HOG特征和GLCM特征;本文還對SVM分類器的相關參數(shù)選用PSO粒子群算法進行優(yōu)化,并用AdaBoost的決策樹分類器對SVM弱分類器進行優(yōu)化,以此生成能力更好的強分類...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 論文章節(jié)安排
第2章 黃牛卵泡超聲圖像預處理
    2.1 BM3D去噪算法
    2.2 基于各向異性擴散濾波的算法
        2.2.1 傳統(tǒng)各向異性擴散濾波算法
        2.2.2 斑點抑制各向異性擴散濾波算法
        2.2.3 本文提出的改進各向異性擴散濾波算法
    2.3 實驗結果對比分析及評價
        2.3.1 算法評價標準
        2.3.2 實驗結果與分析
    2.4 本章小結
第3章 基于組合特征和SVM的牛卵泡超聲圖像檢測
    3.1 傳統(tǒng)基于邊緣檢測的算法
        3.1.1 梯度邊緣檢測算子
        3.1.2 Canny檢測算子
        3.1.3 傳統(tǒng)邊緣檢測算子檢測結果
    3.2 基于組合特征和SVM的牛卵泡區(qū)域檢測算法實現(xiàn)
        3.2.1 圖像特征提取算法
        3.2.2 本文提出的改進局部二值模式特征提取算法
        3.2.3 基于PCA的降維算法
        3.2.4 基于PSO優(yōu)化的SVM機器學習分類算法
        3.2.5 基于AdaBoost的決策樹強分類器的機器學習分類算法
        3.2.6 機器學習分類模型算法評價標準
    3.3 基于組合特征和SVM的牛卵泡檢測實驗結果分析對比
        3.3.1 實驗過程
        3.3.2 實驗結果分析對比
    3.4 本章小結
第4章 結論與展望
    4.1 本文總結
    4.2 展望
參考文獻
致謝
附錄1 攻讀碩士學位期間發(fā)表的論文
附錄2 攻讀碩士學位期間參加的科研項目
詳細摘要



本文編號：3915308