【摘要】：醫(yī)學(xué)影像是當(dāng)今監(jiān)測人體健康的最常用也是效果最好的技術(shù)手段之一,許多疾病可以通過醫(yī)學(xué)影像的方法(如X光、CT、MRI等)診斷出來。然而,醫(yī)學(xué)圖像由于各種因素存在模糊、質(zhì)量不高的問題而嚴(yán)重影響診斷的有效性,相應(yīng)地,醫(yī)學(xué)圖像處理便應(yīng)運(yùn)而生,醫(yī)學(xué)圖像增強(qiáng)便是當(dāng)前被普遍研究的熱點(diǎn)之一。本文受高維信息幾何理論思想的啟發(fā),提出了一種創(chuàng)新的模糊圖像增強(qiáng)方法——將需要處理的醫(yī)學(xué)圖像與高維空間中的點(diǎn)建立起映射,然后用“模糊-清晰-再模糊-再清晰”的思維,通過比較不同圖像分別對應(yīng)的位置,用簡單的幾何分析即可得到較為理想的增強(qiáng)圖像,我們將此方法稱為基于高維信息幾何的醫(yī)學(xué)圖像增強(qiáng)。根據(jù)王守覺院士的仿生模式識別理論,原始圖片以及和處理過后的圖片所包含的信息量是完全相同的,可以看作是同源的兩個(gè)事物。于是,據(jù)此推理,這兩幅圖之間應(yīng)該存在一個(gè)連續(xù)的變化過程,變化過程中存在無數(shù)的圖,也就是說把這兩幅圖看作高維空間中的兩個(gè)點(diǎn)的話,那么這兩個(gè)點(diǎn)之間就應(yīng)該有一條漸變的超曲線,相應(yīng)地曲線上的每一個(gè)點(diǎn)也便可看作是一幅圖片,而圖像中各像素的灰度值(或者RGB模)可作為它們的坐標(biāo)。假設(shè)這個(gè)圖像大小是M*N的,那么這幅圖就是M*N維空間里面的一個(gè)點(diǎn)。我們關(guān)心的圖像之間的關(guān)系便成了高維空間里面的點(diǎn)與點(diǎn)之間的關(guān)系。本文提出的基于高維信息幾何的醫(yī)學(xué)圖像增強(qiáng)方法用簡單的幾何分析即可得到較為理想的增強(qiáng)圖像,這是一個(gè)較大的突破,較之以前的種種圖像增強(qiáng)方案,僅從代碼的簡潔程度上便具有極大的優(yōu)勢;而且本文提出的方法增強(qiáng)的效果明顯,且運(yùn)算速度快,效率高。此外,本文提出了一種新穎的基于高維信息幾何的醫(yī)學(xué)圖像病變檢測方法,該方法建立了投影線段增強(qiáng)算法的數(shù)學(xué)模型探索性地將2D圖像與三維空間相結(jié)合,有效增強(qiáng)了圖像的對比度和視覺效果。
【圖文】：

第 2 章 圖像處理中的高維信息幾何2.1 引言考慮用一個(gè)向量表示一個(gè)文本，這個(gè)向量的每一個(gè)組成部分對應(yīng)某個(gè)特定的詞匯在文本中出現(xiàn)的頻率。英語大約有 25000 個(gè)單詞。因此，這樣的一個(gè)文本由一個(gè) 25000 維的向量表示。這種文本表示方法被稱為詞匯向量模型，如圖 2-1 所示。一份由 n 個(gè)文本組成的集合可能用一組 25000 維向量構(gòu)成的集合來表示，每個(gè)向量表示一個(gè)文本。這些向量可能由一個(gè) 25000*n 的矩陣組成。另一個(gè)高維數(shù)據(jù)的例子出現(xiàn)在面向客戶的產(chǎn)品的數(shù)據(jù)中。如果有 1000 種待售的產(chǎn)品和許許多多的顧客，記錄每一個(gè)顧客購買每一種產(chǎn)品的數(shù)量就會(huì)產(chǎn)生一個(gè)由 1000 維的向量組成集合。

兩個(gè)向量間的距離的平方是僅鏈接到他們其演著十分有用的角色。在我們的第一個(gè)例子類似的。檢測兩個(gè)文本中共同出現(xiàn)的詞匯的點(diǎn)乘操作。如果兩個(gè)文本中最常見的詞匯共接近最大值，也就是向量的乘積的長度。如個(gè)向量間的點(diǎn)積將會(huì)接近于零。這里的向量，，我們面臨著查詢和我們想要為每一個(gè)查詢詞匯對應(yīng)一個(gè)組件的向量表示，組件可以用例子，為了查找關(guān)于汽車的文本而不是關(guān)于大的正相關(guān)的組件對應(yīng)詞匯汽車 ，正如同樣組件對應(yīng)詞匯競賽，打賭等等。這里點(diǎn)積表
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;R445;R814

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 梁曉冰;劉希順;劉安芝;王博亮;;噪聲在脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像增強(qiáng)中的作用[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2009年04期

2 李名慶;高新波;許晶;;多尺度塔型醫(yī)學(xué)圖像增強(qiáng)算法[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2006年02期

3 金光盛;;新型牙科X線攝影機(jī)[J];醫(yī)療器械;1985年03期

4 薛慧;;基于小波分析的醫(yī)學(xué)圖像增強(qiáng)研究[J];中國醫(yī)學(xué)物理學(xué)雜志;2012年01期

5 李熙瑩;黃鏡榮;蒲恬;譚潤初;;基于神經(jīng)動(dòng)力學(xué)的醫(yī)學(xué)圖像增強(qiáng)技術(shù)[J];生物醫(yī)學(xué)工程與臨床;2006年02期

6 張甲杰;陳樹越;劉瑞劍;楊敏;;基于多尺度Retinex的醫(yī)學(xué)圖像增強(qiáng)方法研究[J];中國醫(yī)學(xué)影像技術(shù);2007年11期

7 王興偉,沈蘭蓀,劉黨輝;一種新的彩色醫(yī)學(xué)圖像增強(qiáng)算法[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2004年01期

8 曾煒赫;楊俊煒;邢宇翔;;動(dòng)態(tài)直方圖雙向均衡化的圖像增強(qiáng)方法[J];中國體視學(xué)與圖像分析;2014年02期

9 武杰,聶生東,黃勇,李雯;基于小波變換的醫(yī)學(xué)圖像增強(qiáng)方法的比較分析[J];生物醫(yī)學(xué)工程研究;2005年02期

10 郝征科;魏明果;;一種基于模糊集的醫(yī)學(xué)圖像增強(qiáng)方法[J];計(jì)算機(jī)與數(shù)字工程;2007年03期

相關(guān)會(huì)議論文 前10條

1 薛麗;王波濤;;基于形態(tài)學(xué)的運(yùn)動(dòng)員號碼牌圖像增強(qiáng)[A];第十九屆測控、計(jì)量、儀器儀表學(xué)術(shù)年會(huì)(MCMI'2009)論文集[C];2009年

2 陳鉗生;陳英;李潤午;韋禮珍;;基于遺傳優(yōu)化的小波域印章圖像增強(qiáng)研究[A];2007中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

3 張瑩;王太勇;冷永剛;鄧輝;;調(diào)參雙穩(wěn)系統(tǒng)圖像增強(qiáng)應(yīng)用初探[A];2008年全國振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

4 李孟歆;金風(fēng);張穎;;一種新的圖像增強(qiáng)混合方法研究[A];創(chuàng)新沈陽文集（A）[C];2009年

5 謝云;余江;裴以建;白寶丹;;基于小生境遺傳算法的圖像增強(qiáng)[A];2007'儀表，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

6 盧漢明;高德俊;;基于多尺度變換相結(jié)合的圖像增強(qiáng)算法[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 張鐵棟;秦再白;朱煒;;基于模糊算法的水聲圖像增強(qiáng)[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

8 劉毅;高旭輝;;一種改進(jìn)的夜視圖像增強(qiáng)處理算法[A];2006年全國光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

9 劉海華;高智勇;陳心浩;舒振宇;;基于形態(tài)學(xué)操作的圖像增強(qiáng)方法(英文)[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第15屆中國多媒體學(xué)術(shù)會(huì)議(NCMT'06)論文集[C];2006年

10 趙建;;基于偏微分方程的非線性圖像增強(qiáng)方法[A];第九屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 陳燕;工業(yè)X射線圖像增強(qiáng)算法研究[D];中北大學(xué);2016年

2 趙文達(dá);基于變分法和偏微分方程的圖像增強(qiáng)和融合方法研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所);2016年

3 云海姣;針對靶場圖像增強(qiáng)算法的研究與實(shí)現(xiàn)[D];中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所);2016年

4 侯國家;水下圖像增強(qiáng)與目標(biāo)識別算法研究[D];中國海洋大學(xué);2015年

5 趙凡;基于偏微分方程的圖像增強(qiáng)和分割方法研究[D];中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所;2016年

6 許欣;圖像增強(qiáng)若干理論方法與應(yīng)用研究[D];南京理工大學(xué);2010年

7 李艷梅;圖像增強(qiáng)的相關(guān)技術(shù)及應(yīng)用研究[D];電子科技大學(xué);2013年

8 陳一平;圖像增強(qiáng)及其在視覺跟蹤中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2011年

9 王彥臣;基于多尺度數(shù)字X光圖像增強(qiáng)方法的研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2005年

10 孫飛飛;水下圖像增強(qiáng)和復(fù)原方法研究[D];中國海洋大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 許文君;灰度圖像多尺度對比度增強(qiáng)電路設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

2 陳萌;多重虛擬曝光夜視圖像對比度增強(qiáng)算法研究[D];西南科技大學(xué);2015年

3 孔壯;霧天圖像增強(qiáng)方法研究及FPGA實(shí)現(xiàn)[D];電子科技大學(xué);2015年

4 趙雨;基于加權(quán)紅—黑小波變換的DR圖像增強(qiáng)方法研究[D];南方醫(yī)科大學(xué);2015年

5 阿依古力·吾布力;基于剪切波和NSST變換的圖像增強(qiáng)算法研究[D];新疆大學(xué);2015年

6 樓彬彬;基于模式分解的醫(yī)學(xué)圖像增強(qiáng)方法的研究與實(shí)現(xiàn)[D];東北大學(xué);2013年

7 王沖;基于視網(wǎng)膜機(jī)制的圖像增強(qiáng)算法研究[D];電子科技大學(xué);2015年

8 魏生峰;基于模糊數(shù)學(xué)理論的醫(yī)學(xué)影像增強(qiáng)應(yīng)用研究[D];電子科技大學(xué);2014年

9 石鑫;運(yùn)動(dòng)模糊霧霾圖像增強(qiáng)算法研究[D];東北大學(xué);2013年

10 錢晟;基于Retinex理論的圖像增強(qiáng)算法的應(yīng)用研究[D];北京工業(yè)大學(xué);2015年

本文編號：2538704