首页> 中文学位 >基于小波变换和梯度矢量流的图像分割算法研究
【6h】

基于小波变换和梯度矢量流的图像分割算法研究

代理获取

目录

文摘

英文文摘

声明

第一章绪论

1.1医学图像研究的意义

1.2医学图像研究的国内外现状

1.3彩色图像分割的常用方法

1.4小波分析在图像处理中的应用

1.5变形模型在医学图像中的应用

1.6本文的主要内容

第二章彩色图像与颜色空间

2.1彩色图像处理的基本理论

2.2 RGB彩色空间

2.3 HSI彩色空间

2.4 HSV颜色空间

2.5均匀颜色空间

2.5.1 CIE LAB颜色空间

2.5.2 CIE LUV颜色空间

2.6本章小结

第三章小波变换的原理及在边缘检测中的应用

3.1傅立叶变换、短时傅立叶变换和小波变换

3.2小波变换的原理

3.2.1连续小波变换

3.2.2离散小波变换

3.2.3多尺度分析

3.3小波分析在边缘检测中的原理

3.3.1一维信号检测原理

3.3.2二维图像边缘检测原理

3.4实验和小结

第四章动态轮廓模型

4.1 snake模型的基本原理

4.2经典模型的不足和改进

4.2.1不同的能量函数

4.2.2不同的优化方法

4.2.3若干改进模型的原理

4.3 GVF Snake模型

4.3.1 GVF模型的原理

4.3.2 GVF Snake模型的数值计算

4.3.3 GVF模型实验

4.4小结

第五章小波变换和GVF模型在胃溃疡图形分割计算中的应用

5.1对胃溃疡图像的预处理

5.2边缘提取

5.3收敛轮廓

5.4结 论

第六章结束语

6.1总结

6.2展望

参考文献

致谢

展开▼

摘要

医学图像的分割是数字医学图像处理的关键技术之一。变形模型因其可以将定义在图像中的曲线在能量最小化的过程中变形收敛至对象边界,在医学图像的边界检测、匹配、运动追踪、形体表征等处理中得到广泛的应用。通常使用的变形模型包括传统的snake模型、气球模型、梯度向量场模型(Gradient Vector Field,GVF)等。在医学图像分割中,去噪声处理是必要的环节,而噪声因其多样性和复杂性,使得在滤波过程中,可采用具有多尺度处理能力的方法,获得更好的滤波效果。由于小波变换的多尺度处理特性,所以可应用于医学图像的滤波处理过程中。通过小波对图像的变换,对GVF模型中的参数进行改进,获得有更好抗噪能力的图像分割效果。本文利用小波变换和GVF模型两者的综合使用,建立了一种医学图像处理方法。 本文主要研究了以下几个方面: (1)对小波变换多尺度分析方法进行研究。通过利用不同尺度下小波边缘提取,将精确尺度下的弱边缘检测和粗略尺度下的噪声抑制能力相结合,应用于半自动或自动的图像分割。 (2)变形模型因其连续的轮廓的特性,在图像分割领域越来越被关注。本文研究了传统的snake模型和梯度向量模型的原理,以及小波变换和GVF模型的综合使用。 (3)利用MATLAB代码实现了基于小波多尺度变换和GVF模型图像处理算法,并对胃溃疡图像进行了图像分割,找出连续的溃疡轮廓线,在根据结果,可计算出溃疡面积,实现计算溃疡面积的半自动化。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号