版權(quán)說明: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),請進行舉報或認領(lǐng)
文檔簡介
1、圖像分割是大多數(shù)醫(yī)學(xué)圖像處理系統(tǒng)中關(guān)鍵的一步,可用于圖像中不同目標的可視化。大多數(shù)的圖像分割算法得到的結(jié)果都是二值圖像或是前景和背景圖像。這樣的結(jié)果在一些圖像處理運用中是可以接受的,如在文件處理和光學(xué)特征識別系統(tǒng)中;但是在應(yīng)用到需要得到醫(yī)學(xué)圖像中多個器官或組織的解剖特征時就不能令人滿意。本論文在研究國內(nèi)外相關(guān)算法的過程中,發(fā)現(xiàn)采用快速算法的方法雖然解決了計算耗時的問題,但是大多有運算結(jié)果不穩(wěn)定的缺點;為了解決多目標分割中運算速度的提高與
2、運算結(jié)果不穩(wěn)定的矛盾,提出了兩種方法: (1)基于最小模糊熵的多目標CT圖像自動分割方法:利用迭代公式以及圖像的直方圖來計算出每個模糊子集的隸屬函數(shù)中指數(shù)參數(shù)的值以及閾值的搜索范圍,然后在已確定的搜索范圍內(nèi)用窮舉法搜索出能使模糊熵最小的最佳閾值。本方法為了改變兩個模糊子集隸屬函數(shù)交點的隸屬度,重新定義了GBMF隸屬函數(shù)中參數(shù)的關(guān)系。實驗表明當隸屬函數(shù)中新的參數(shù)取適當?shù)闹禃r,能得到較好的分割結(jié)果,但是多少為最合適,仍需要進一步的研
3、究。 (2)基于概率配分和最大模糊熵的多目標CT圖像自動分割方法:根據(jù)模糊聚類和概率配分之間的關(guān)系,以及模糊熵有最大值的必要條件,從而得到各類的概率配分,因此在搜索閾值組合時,先搜索滿足各類概率配分的閾值,然后從這些閾值中搜索使模糊熵最大的閾值。在傳統(tǒng)的梯度隸屬函數(shù)中限制了參數(shù)的搜索范圍。因此本方法在改變隸屬函數(shù)參數(shù)所需滿足的條件基礎(chǔ)上,重新定義了隸屬函數(shù),這使得每一個灰度級都有屬于三類情況,實驗表明這樣定義參數(shù)所需滿足的條件更
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于CT圖像的肝腎自動分割方法研究.pdf
- 基于模糊聚類的紅外圖像目標分割方法研究.pdf
- 基于水平集和多目標的圖像分割方法研究.pdf
- 基于最大模糊熵和遺傳算法的圖像分割方法研究.pdf
- 基于模糊熵和ABC算法的SAR圖像分割的研究.pdf
- 基于模糊閾值的圖像分割方法研究.pdf
- 基于廣義熵的模糊聚類與圖像分割算法研究.pdf
- 基于Tsallis熵的閾值圖像分割方法研究.pdf
- 基于CT圖像的肺實質(zhì)自動分割的研究.pdf
- 多目標聲納圖像分割算法研究.pdf
- 基于CT圖像的肺部分割方法研究.pdf
- 基于模糊模型和形狀特征的CT序列圖像分割方法研究.pdf
- 基于運動模糊圖像的多目標參數(shù)估計研究.pdf
- 基于模糊熵理論的若干圖象分割方法研究.pdf
- 圖像中模糊邊界目標的閾值分割方法研究.pdf
- 基于變精度粗糙熵的智能圖像分割方法研究.pdf
- 基于CT圖像的肺結(jié)節(jié)分割方法研究.pdf
- 三維CT圖像肝臟自動分割方法的研究.pdf
- 基于多目標粒子群優(yōu)化算法的圖像分割算法.pdf
- 基于高階CRF的視頻多目標自動分割技術(shù)研究.pdf
評論
0/150
提交評論