本文關(guān)鍵詞：血管造影圖像分割方法研究

  更多相關(guān)文章： 血管分割 梯度矢量壓縮 非盲解去模糊 去噪 最大類間方差法 血管特征空間 主成分分析

【摘要】：糖尿病、高血壓、動脈硬化等嚴(yán)重影響人類健康的疾病的發(fā)生,往往都伴隨著新生血管的產(chǎn)生。正確分割血管圖像,分析血管發(fā)生的變化,在預(yù)防和診斷病患中起著相當(dāng)大的作用。雖然現(xiàn)有的血管分割方法已取得了較好的效果,但血管分割問題還遠(yuǎn)遠(yuǎn)沒有解決,一種既適用于大部分血管圖像、又能取得較好的分割效果的算法還沒有被提出來。論文針對現(xiàn)有的血管分割算法做了大致分類,主要分為兩類:基于非監(jiān)督學(xué)習(xí)的血管分割方法和基于監(jiān)督學(xué)習(xí)的血管分割方法�；诜潜O(jiān)督學(xué)習(xí)的血管分割方法又可細(xì)分為基于匹配濾波器的血管分割方法、基于形態(tài)學(xué)分析的血管分割方法、基于血管追蹤的血管分割方法、基于模型的血管分割方法、基于尺度分析的血管分割方法。通過對以上幾種分割算法的簡要論述,探討和比較了各類分割算法的優(yōu)缺點。針對不同的血管圖像,論文對其進(jìn)行了不同的分割算法的研究:針對模糊的血管圖像,本文提出了基于頻域快速解卷的血管提取算法,該方法避免了先去模糊再分割的繁瑣的操作過程,直接對模糊血管圖像進(jìn)行分割,首先使用改進(jìn)的梯度域動態(tài)壓縮對血管邊緣進(jìn)行增強(qiáng)的同時突出了細(xì)微血管;再使用Horacio等人提出的基于稀疏先驗的非盲解卷積去模糊技術(shù)對散度圖像進(jìn)行恢復(fù)操作;接著使用中值濾波進(jìn)行去噪,減少噪聲對分割的影響;最后使用OTSU方法對血管圖像進(jìn)行分割得到最終的血管脈絡(luò)圖。該方法對血管圖像相對背景圖像較亮的血管圖像分割效果較好。為了尋找新型、有效的視網(wǎng)膜分割算法,本文提出了基于主成分分析的血管分割算法。該方法充分利用了最新的分割方法的優(yōu)點,以便于獲得較好的分割效果的血管分割思想,首先使用形態(tài)學(xué)變換、基于線條定向的血管方向分析、基于梯度計算的血管彎曲方向分析、血管脊四種方法提取了八個特征空間,然后使用PCA對這八個特征空間圖進(jìn)行降維處理,提取主要的血管特征,最后用OTSU方法對降維后的圖像進(jìn)行分割得到最后的血管分割圖。本文在國際上公認(rèn)的DRIVE眼底圖像數(shù)據(jù)庫上進(jìn)行實驗,并從準(zhǔn)確度、靈敏度和特異性三個方面進(jìn)行了性能評判,實驗發(fā)現(xiàn)該方法具有較高的靈敏性。
【關(guān)鍵詞】：血管分割 梯度矢量壓縮 非盲解去模糊 去噪 最大類間方差法 血管特征空間 主成分分析
【學(xué)位授予單位】：曲阜師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：R816.2;TP391.41
【目錄】：

• 摘要3-4
• Abstract4-8
• 第1章 緒言8-13
• 1.1 數(shù)字圖像及數(shù)字圖像處理8-10
• 1.2 圖像分割及其發(fā)展10-11
• 1.3 國內(nèi)外醫(yī)學(xué)圖像分割的研究現(xiàn)狀11
• 1.4 本論文所做的工作和章節(jié)安排11-13
• 第2章 反卷積技術(shù)13-16
• 2.1 反卷積的基本原理13
• 2.2 傳統(tǒng)反卷積技術(shù)13-14
• 2.2.1 盲解卷積技術(shù)13-14
• 2.2.2 非盲解卷積技術(shù)14
• 2.3 最近的反卷積技術(shù)14-15
• 2.4 本章小結(jié)15-16
• 第3章 血管分割的主要方法及常用性能評價標(biāo)準(zhǔn)16-20
• 3.1 基于非監(jiān)督學(xué)習(xí)的血管分割方法16-18
• 3.1.1 基于匹配濾波器的血管分割方法16-17
• 3.1.2 基于形態(tài)學(xué)分析的血管分割方法17
• 3.1.3 基于血管追蹤的血管分割方法17
• 3.1.4 基于模型的血管分割方法17-18
• 3.1.5 基于尺度分析的血管分割方法18
• 3.2 基于監(jiān)督學(xué)習(xí)的血管分割方法18
• 3.3 各類分割方法的優(yōu)缺點比較18-19
• 3.4 分割方法性能評價標(biāo)準(zhǔn)19
• 3.5 本章小結(jié)19-20
• 第4章 基于頻域快速解卷的血管分割算法20-29
• 4.1 基于高動態(tài)范圍內(nèi)梯度矢量壓縮的紋理增強(qiáng)20-22
• 4.2 基于自適應(yīng)稀疏先驗的非盲解去模糊22-24
• 4.3 去除噪聲24-25
• 4.4 血管分割25-26
• 4.5 實驗結(jié)果及效果對比26-27
• 4.6 本章小結(jié)27-29
• 第5章 基于主成分分析的血管分割算法29-43
• 5.1 眼底圖像標(biāo)準(zhǔn)數(shù)據(jù)庫29-30
• 5.2 綠色通道的選取30-31
• 5.3 基于形態(tài)學(xué)變換的血管分割方法31-34
• 5.3.1 二值圖像的腐蝕和膨脹31-32
• 5.3.2 灰度圖像的腐蝕和膨脹32-34
• 5.4 基于線條定向的血管方向分析34-35
• 5.5 基于梯度計算的血管彎曲方向分析35-37
• 5.6 血管脊提取37-38
• 5.7 主成分分析38-39
• 5.8 血管分類39
• 5.9 實驗結(jié)果及性能分析39-42
• 5.10 本章小結(jié)42-43
• 第6章 總結(jié)與展望43-44
• 6.1 工作總結(jié)43
• 6.2 展望43-44
• 參考文獻(xiàn)44-48
• 在校期間發(fā)表的學(xué)術(shù)論文48-49
• 致謝49

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 馮前進(jìn);陳武凡;;模糊馬爾可夫場模型與圖像分割新算法[J];南方醫(yī)科大學(xué)學(xué)報;2006年05期

2 郭迎;趙于前;;圖像分割與醫(yī)學(xué)工程大學(xué)生創(chuàng)新能力培養(yǎng)[J];中國醫(yī)學(xué)物理學(xué)雜志;2012年02期

3 黃峰茜;陳春曉;姚均營;;圖像分割方法的研究進(jìn)展[J];中國醫(yī)療器械信息;2006年12期

4 安玉林;關(guān)建中;;分子影像學(xué)中圖像分割技術(shù)方法研究[J];醫(yī)療衛(wèi)生裝備;2008年11期

5 王媛;楊亞平;;主要舌圖像分割方法特點淺析[J];中國中醫(yī)藥信息雜志;2011年05期

6 勞麗;吳效明;朱學(xué)峰;;模糊集理論在圖像分割中的應(yīng)用綜述[J];中國體視學(xué)與圖像分析;2006年03期

7 曹會志;羅述謙;;基于自動策略的腦圖像分割[J];中國醫(yī)學(xué)影像技術(shù);2007年02期

8 趙榮椿,遲耀斌,朱重光;圖像分割技術(shù)進(jìn)展[J];中國體視學(xué)與圖像分析;1998年02期

9 楊靜;王明泉;李志剛;任少卿;;減影技術(shù)在射線圖像分割與提取中的應(yīng)用[J];中國體視學(xué)與圖像分析;2007年02期

10 王小燕;許建榮;;圖像分割技術(shù)在血管圖像中的應(yīng)用[J];中國介入影像與治療學(xué);2009年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進(jìn)展[A];中華中醫(yī)藥學(xué)會中醫(yī)診斷學(xué)分會第十次學(xué)術(shù)研討會論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測繪通報》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學(xué)CT中的應(yīng)用[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 白雪飛;基于視覺顯著性的圖像分割方法研究[D];山西大學(xué);2014年

2 黃萬里;基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學(xué);2015年

3 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學(xué);2014年

4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年

5 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);2013年

6 馮籍瀾;高分辨率SAR圖像分割與分類方法研究[D];電子科技大學(xué);2015年

7 李偉斌;圖像分割中的變分模型與快速算法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

8 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割[D];西安電子科技大學(xué);2014年

9 帥永e，

本文編號：1054926