本文選題：字典學(xué)習(xí) + 數(shù)學(xué)形態(tài)學(xué)��； 參考：《激光雜志》2015年01期

【摘要】：圖像分割技術(shù)是圖像處理領(lǐng)域非�；钴S的研究課題.但目前還不完善尤其MRI高噪聲圖像分割還沒有給出較好的分割算法,如:腦MRI圖像的分割等等.分水嶺算法和圖像降噪算法在圖像分割中有廣泛的應(yīng)用.本文將這兩種方法結(jié)合起來,并用于腦MRI圖像分割,取得較好的分割結(jié)果.本文詳細(xì)論述了字典學(xué)習(xí)降噪算法的原理,提出一種字典學(xué)習(xí)降噪和分水嶺算法相結(jié)合的腦MRI醫(yī)學(xué)圖像分割算法.采用字典學(xué)習(xí)降低原始圖像噪聲,然后利用形態(tài)學(xué)算法對降噪后的圖像進(jìn)行形態(tài)學(xué)處理,通過形態(tài)學(xué)知識提取圖像邊界.利用圖像的幾何特征,去除非目標(biāo)區(qū)域,再采用分水嶺變換進(jìn)行圖像分割,并通過腦MRI圖像驗(yàn)證了此方法的優(yōu)勢.實(shí)驗(yàn)結(jié)果進(jìn)一步驗(yàn)證了其可行性.
[Abstract]:Image segmentation is a very active research topic in the field of image processing. However, at present, there are not perfect segmentation algorithms, such as brain MRI image segmentation and so on. Watershed algorithm and image denoising algorithm are widely used in image segmentation. In this paper, the two methods are combined and applied to brain MRI image segmentation, and good segmentation results are obtained. In this paper, the principle of dictionary learning denoising algorithm is discussed in detail, and a brain MRI medical image segmentation algorithm combining dictionary learning de-noising and watershed algorithm is proposed. The dictionary learning is used to reduce the noise of the original image, and then the morphological algorithm is used to deal with the denoised image, and the edge of the image is extracted by morphological knowledge. Using the geometric features of the image, except the target region, the watershed transform is used to segment the image, and the advantages of this method are verified by the brain MRI image. The experimental results further verify its feasibility.
【作者單位】： 成都理工大學(xué)工程技術(shù)學(xué)院;
【基金】：四川省教育廳,項(xiàng)目編號:14ZB0355 樂山市科技局重點(diǎn)項(xiàng)目,項(xiàng)目編號13GZD039 校青年科研基金,項(xiàng)目編號:C122014023等
【分類號】：R445.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 尹忠科;解梅;王建英;;基于稀疏分解的圖像去噪[J];電子科技大學(xué)學(xué)報;2006年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魯振興;高靜;張義飛;;高頻地波雷達(dá)消除一階海雜波對目標(biāo)測距影響的方法[J];電訊技術(shù);2008年08期

2 代凌云;魏冬梅;喬建平;;試析壓縮感知理論及其應(yīng)用[J];電子技術(shù);2011年11期

3 石光明;劉丹華;高大化;劉哲;林杰;王良君;;壓縮感知理論及其研究進(jìn)展[J];電子學(xué)報;2009年05期

4 焦李成;楊淑媛;劉芳;侯彪;;壓縮感知回顧與展望[J];電子學(xué)報;2011年07期

5 張曉陽;柴毅;李華鋒;;基于K-SVD和殘差比的低信噪比圖像稀疏表示去噪算法[J];光學(xué)技術(shù);2012年01期

6 雷偉敏;;基于信號稀疏分解的毫米波主動探測[J];信息化研究;2012年03期

7 陳保立;陳宇;張躍飛;張志杰;;基于稀疏分解的超聲無損檢測信號處理[J];電子技術(shù)應(yīng)用;2012年08期

8 王平;阮懷林;樊甫華;陳小波;;基于壓縮感知超寬帶信號盲稀疏度信道估計[J];電訊技術(shù);2012年11期

9 劉輝;楊俊安;黃文靜;;聲信號并行稀疏分解去噪方法研究[J];電路與系統(tǒng)學(xué)報;2012年06期

10 鄒建成;車冬娟;;信號稀疏表示方法研究進(jìn)展綜述[J];北方工業(yè)大學(xué)學(xué)報;2013年01期

相關(guān)博士學(xué)位論文 前10條

1 吳敏;基于稀疏表示模型的EEG信號棘波自動檢測技術(shù)與應(yīng)用系統(tǒng)研究[D];南京理工大學(xué);2010年

2 楊榮根;長輸石油管道泄漏檢測與定位技術(shù)研究[D];南京理工大學(xué);2011年

3 楊成;壓縮采樣中匹配追蹤約束等距性分析及其應(yīng)用[D];復(fù)旦大學(xué);2011年

4 唐亮;壓縮感知及其在超寬帶無線傳感器網(wǎng)絡(luò)中的應(yīng)用研究[D];北京郵電大學(xué);2011年

5 石磊;壓縮感知在超寬帶信道估計中的應(yīng)用研究[D];北京郵電大學(xué);2011年

6 朱旭琪;分布式信息壓縮算法研究[D];北京郵電大學(xué);2011年

7 唐剛;基于壓縮感知和稀疏表示的地震數(shù)據(jù)重建與去噪[D];清華大學(xué);2010年

8 段新濤;置換混疊圖像盲分離特征域方法研究[D];上海大學(xué);2011年

9 李繼良;JPEG2000圖像編碼的若干關(guān)鍵性技術(shù)研究[D];上海交通大學(xué);2008年

10 鄧承志;圖像稀疏表示理論及其應(yīng)用研究[D];華中科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 黃瑩;室外移動機(jī)器人導(dǎo)航信息壓縮算法研究[D];東北電力大學(xué);2011年

2 張?zhí)m蘭;τ-p變換在地震數(shù)據(jù)處理中的研究應(yīng)用[D];中國地質(zhì)大學(xué)（北京）;2011年

3 劉宇鑫;壓縮感知在圖像信息隱藏中的應(yīng)用研究[D];北方工業(yè)大學(xué);2011年

4 梁中堅;基于壓縮感知的脈沖超寬帶無線通信接收系統(tǒng)[D];北京郵電大學(xué);2011年

5 楊劍;壓縮感知在超寬帶信道估計中的應(yīng)用研究[D];北京郵電大學(xué);2011年

6 周微;基于壓縮感知的腦電信號壓縮采樣[D];南京理工大學(xué);2011年

7 李亞文;遺傳匹配追蹤算法的研究與改進(jìn)[D];江南大學(xué);2011年

8 顧瑩;基于壓縮感知的分布式視頻編解碼及其圖像超分辨率重建研究[D];南京郵電大學(xué);2011年

9 歐慶波;壓縮感知在無線通信中的應(yīng)用研究[D];南京郵電大學(xué);2011年

10 唐承志;基于級聯(lián)原子庫稀疏分解及其應(yīng)用[D];西南交通大學(xué);2011年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 傅霆,堯德中;稀疏分解的加權(quán)迭代方法及其初步應(yīng)用[J];電子學(xué)報;2004年04期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 湯敏;王惠南;;一種結(jié)合小波分析的新型分水嶺算法的研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2006年05期

2 吳占雄;陳潮;高明煜;朱善安;;基于張量形態(tài)學(xué)梯度和圖像森林化變換分水嶺算法的擴(kuò)散張量圖像腦白質(zhì)分割[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2011年02期

3 尹欣;陳真誠;朱健銘;;一種用于MRI腦腫瘤圖像分割的改進(jìn)分水嶺算法[J];醫(yī)療衛(wèi)生裝備;2013年07期

4 郭斯羽;鮑美華;翟文娟;唐求;;內(nèi)皮細(xì)胞圖像自動分割與熒光強(qiáng)度測量方法[J];長沙醫(yī)學(xué)院學(xué)報;2013年04期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相關(guān)會議論文 前4條

1 饒洪輝;姬長英;;基于分水嶺算法的綠色作物和背景分割[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國農(nóng)業(yè)工程學(xué)會學(xué)術(shù)年會論文集第三分冊[C];2005年

2 楊潔明;楊丹丹;;一種改進(jìn)分水嶺算法的浮選泡沫圖像分割方法[A];紀(jì)念中國煤炭學(xué)會成立50周年暨2012全國選煤學(xué)術(shù)交流會論文集[C];2012年

3 閆文忠;沈樹群;;分水嶺算法在粘連染色體圖像分割中的應(yīng)用[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

4 孫偉;王宏飛;邵錫軍;;基于改進(jìn)分水嶺算法的紅外圖像分割[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

相關(guān)碩士學(xué)位論文 前10條

1 楊飛鋒;基于多層次浸沒的分水嶺算法[D];上海交通大學(xué);2007年

2 博格;基于分水嶺算法的粘連牛乳體細(xì)胞分割方法研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2012年

3 蘇娜;基于改進(jìn)分水嶺算法的重疊牛乳體細(xì)胞分割技術(shù)的研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2010年

4 和英英;分水嶺算法在異形粘連纖維分割中的研究與應(yīng)用[D];東華大學(xué);2011年

5 熊瞻;基于分水嶺算法的分割方法研究[D];西南大學(xué);2013年

6 陳潔;基于形態(tài)學(xué)和分水嶺算法的數(shù)字圖像分割研究[D];長安大學(xué);2012年

7 江霞;基于復(fù)合梯度分水嶺算法的彩色白血細(xì)胞分割[D];中南林業(yè)科技大學(xué);2012年

8 謝文娟;基于改進(jìn)分水嶺算法的細(xì)胞圖像分割[D];中南民族大學(xué);2010年

9 杜莉莉;基于分水嶺算法的尿沉渣圖像處理方法研究[D];長春理工大學(xué);2005年

10 陳婷婷;采用模糊形態(tài)學(xué)和分水嶺算法的圖像分割研究[D];西南大學(xué);2008年

，

本文編號：2017003