版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、乳腺癌是女性中常見(jiàn)且高發(fā)的惡性腫瘤病之一,嚴(yán)重影響婦女身心健康甚至危及生命。乳腺圖像增強(qiáng)和檢測(cè)是乳腺癌自動(dòng)檢測(cè)系統(tǒng)的兩個(gè)主要步驟,其中,乳腺圖像增強(qiáng)可以有效地突出圖像中病變區(qū)域的特征,同時(shí)抑制圖像中的噪聲信息,提高圖像的可讀性,為醫(yī)生提供更為可靠的診斷數(shù)據(jù);而乳腺圖像中腫塊的自動(dòng)檢測(cè)通過(guò)學(xué)習(xí)腫塊的病理特征,使用滑動(dòng)窗來(lái)實(shí)現(xiàn)對(duì)圖像中腫塊區(qū)域的檢測(cè),并為醫(yī)生標(biāo)記出圖像中的可疑區(qū)域,使醫(yī)生能夠?qū)⒅饕ν度氲娇梢蓞^(qū)域的診斷中,進(jìn)一步減輕醫(yī)生的
2、負(fù)擔(dān),更好地輔助醫(yī)生進(jìn)行疾病診斷。
本文深入研究了Directionlet變換方法以及稀疏表示理論,并將其應(yīng)用在乳腺X線圖像的增強(qiáng)和檢測(cè)工作中。主要工作概括如下:第一,通過(guò)構(gòu)建非下采樣Directionlet濾波器實(shí)現(xiàn)對(duì)圖像的三層頻域分解,基于頻域系數(shù)之間的相關(guān)性提出了一種乳腺X線圖像增強(qiáng)算法,在抑制圖像噪聲的同時(shí)增強(qiáng)了圖像的邊緣;第二,通過(guò)提取感興趣區(qū)域的灰度特征和方向直方圖特征(HistogramofOrientedG
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示的乳腺圖像病變區(qū)域檢測(cè).pdf
- 乳腺X線圖像增強(qiáng)算法研究.pdf
- 基于小波變換的乳腺X線圖像增強(qiáng)研究.pdf
- 數(shù)字乳腺X線圖像腫塊區(qū)域的增強(qiáng)與檢測(cè)研究.pdf
- 基于稀疏表示的高光譜圖像分類和異常檢測(cè)研究.pdf
- 基于圖和稀疏表示的遙感圖像變化檢測(cè)方法.pdf
- 基于邊緣增強(qiáng)和稀疏表示的圖像去噪方法研究.pdf
- 基于素描稀疏表示和低秩分解的SAR圖像目標(biāo)檢測(cè).pdf
- 基于稀疏表示的Retinex圖像增強(qiáng)算法研究.pdf
- Directionlets及其在乳腺X線圖像增強(qiáng)中的應(yīng)用.pdf
- 基于X線圖像的乳腺腫塊檢測(cè)與分類方法研究.pdf
- 基于哈希的乳腺X線圖像病變區(qū)域檢測(cè)與分析.pdf
- 基于微鈣化點(diǎn)檢測(cè)的乳腺X線圖像分割研究.pdf
- 基于字典學(xué)習(xí)和稀疏表示的圖像融合方法.pdf
- 基于稀疏表示的SAR圖像去噪和變化檢測(cè)方法.pdf
- 基于稀疏表示和隨機(jī)觀測(cè)的SAR圖像分割.pdf
- 基于稀疏表示和字典學(xué)習(xí)的語(yǔ)音增強(qiáng)算法研究.pdf
- 基于圖像分解和稀疏表示的圖像修復(fù)方法研究.pdf
- 基于小波分析和遺傳算法的乳腺X線圖像分割.pdf
- 基于稀疏表示的高光譜圖像目標(biāo)檢測(cè).pdf
評(píng)論
0/150
提交評(píng)論