本文關(guān)鍵詞：醫(yī)學(xué)寄生蟲圖像的圖論分割與識(shí)別研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,基于圖論的圖像分割技術(shù),由于在各個(gè)領(lǐng)域的應(yīng)用表現(xiàn)出了較好的分割性能,因而成為當(dāng)前國(guó)際學(xué)術(shù)界研究的熱點(diǎn)。該技術(shù)有以下特點(diǎn):基于圖像和圖論特性之間存在的對(duì)應(yīng)關(guān)系,將圖像分割和局部信息處理結(jié)合起來,減少了分割中產(chǎn)生離散點(diǎn)所造成的誤差,從而分割效果更加優(yōu)異。本文重點(diǎn)研究了歸一化割與圖切割這兩類基于圖論的圖像分割技術(shù)在醫(yī)學(xué)寄生蟲圖像中的應(yīng)用,針對(duì)不同的應(yīng)用場(chǎng)景,由于結(jié)合了先驗(yàn)知識(shí),收到了很好的分割效果。并在分割的基礎(chǔ)上,研究并提取血吸蟲卵的特征,使用LS-SVM對(duì)血吸蟲卵進(jìn)行分類識(shí)別。本文的主要工作分為:(1)首先探討了醫(yī)學(xué)圖像處理常用的圖像分割技術(shù);其次分析了常用的基于圖論的圖像分割技術(shù)種類以及各自的特點(diǎn);最后分析了國(guó)內(nèi)外寄生蟲、細(xì)胞識(shí)別與分割近況。(2)針對(duì)當(dāng)前疾病防控中心和醫(yī)院檢測(cè)血吸蟲病方法存在的效率低下、準(zhǔn)確率較低的現(xiàn)狀,在歸一化割的基礎(chǔ)上,提出一個(gè)新的算法ANcut。ANcut算法采用基于灰度級(jí)的權(quán)值矩陣來代替通常所用的基于圖像像素的權(quán)值矩陣,避免特征值和特征向量的計(jì)算,提高了運(yùn)行速度。同時(shí),ANcut算法結(jié)合了血吸蟲卵先驗(yàn)知識(shí),自動(dòng)計(jì)算最優(yōu)的分割塊數(shù)。與經(jīng)典的閾值分割算法比較,ANcut算法可以準(zhǔn)確的分割出血吸蟲卵的邊緣,有利于血吸蟲卵特征提取與計(jì)算。(3)根據(jù)瘧原蟲圖像的特點(diǎn),提出一種基于像素間相似性和先驗(yàn)知識(shí)的圖切割算法——GC-SBP算法,該算法不需要用戶交互式的參與分割,與經(jīng)典的圖切割算法相比該算法可以更好將瘧原蟲從瘧原蟲圖像中分割出。GC-SBP算法相比傳統(tǒng)的圖切割算法有三點(diǎn)改進(jìn):結(jié)合了先驗(yàn)知識(shí),分割結(jié)果更加精確;使用YCb Cr顏色空間來代替?zhèn)鹘y(tǒng)的RGB顏色空間,因?yàn)閅Cb Cr顏色空間具有更好的聚類性能,并且Y、Cb與Cr三個(gè)顏色分量彼此是獨(dú)立的,可以更好的反映圖像信息,有效的計(jì)算區(qū)域塊之間的相似性;GC-SBP算法在計(jì)算相似性時(shí),使用區(qū)域相似度來代替像素點(diǎn)之間的相似度,從而減少運(yùn)算量,提高了運(yùn)算速度。(4)在ANcut算法分割的基礎(chǔ)上,精確的提取血吸蟲卵特征。使用最小二乘支持向量機(jī)(LS-SVM)構(gòu)造二值分類器,實(shí)驗(yàn)表明血吸蟲卵的識(shí)別率高,達(dá)到了疾控中心檢測(cè)的要求,具有較高的實(shí)用價(jià)值。
【關(guān)鍵詞】：醫(yī)學(xué)圖像分割 歸一化割 圖切割 寄生蟲 LS-SVM
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要3-4
• abstract4-10
• 第一章 緒論10-15
• 1.1 研究背景和意義10-11
• 1.2 研究現(xiàn)狀11-13
• 1.3 主要工作及論文結(jié)構(gòu)13-15
• 第二章 基于圖論的圖像分割15-21
• 2.1 圖論分割的基本框架15
• 2.2 分割的基本原理15-16
• 2.3 圖論特性和圖像分割16-18
• 2.3.1 圖論特性與圖像的關(guān)系16-17
• 2.3.2 基于邊緣信息的圖像分割對(duì)應(yīng)的圖論特性17
• 2.3.3 基于區(qū)域信息的圖像分割對(duì)應(yīng)的圖論特性17-18
• 2.4 基于圖論的圖像分割方法分類與應(yīng)用18-20
• 2.5 本章小結(jié)20-21
• 第三章 基于歸一化割的血吸蟲卵圖像分割21-31
• 3.1 研究基礎(chǔ)21-22
• 3.2 預(yù)處理與粗分割22-24
• 3.2.1 預(yù)處理22-23
• 3.2.2 粗分割23-24
• 3.3 歸一化割(Ncut)24-25
• 3.4 ANcut算法25-27
• 3.4.1 提高算法運(yùn)行速度25-26
• 3.4.2 提高算法的自適應(yīng)性26-27
• 3.5 實(shí)驗(yàn)結(jié)果與分析27-30
• 3.5.1 分割流程演示27-29
• 3.5.2 ANcut分割效果與其他算法對(duì)比效果29
• 3.5.3 ANcut算法分割效果與運(yùn)行速度的提高29-30
• 3.6 本章小結(jié)30-31
• 第四章 基于圖切割瘧原蟲分割31-47
• 4.1 背景基礎(chǔ)31-32
• 4.2 圖切割32-33
• 4.3 基于圖切割的能量函數(shù)優(yōu)化33-34
• 4.3.1 標(biāo)號(hào)問題33
• 4.3.2 能量函數(shù)33
• 4.3.3 能量函數(shù)的求解33-34
• 4.4 圖切割框架分析34-38
• 4.4.1 數(shù)據(jù)項(xiàng)35-36
• 4.4.2 光滑項(xiàng)36
• 4.4.3 根據(jù)能量函數(shù)構(gòu)造圖切割的網(wǎng)絡(luò)圖36-37
• 4.4.4 能量函數(shù)最小化與最小割的一致性37-38
• 4.5 面向瘧原蟲分割的圖切割算法38-39
• 4.5.1 算法設(shè)計(jì)面臨的問題38
• 4.5.2 解決的思路38-39
• 4.6 GC-SBP算法的設(shè)計(jì)39-42
• 4.6.1 初始化39-40
• 4.6.2 數(shù)據(jù)項(xiàng)的計(jì)算40-42
• 4.7 實(shí)驗(yàn)結(jié)果與分析42-46
• 4.7.1 瘧原蟲分割流程與結(jié)果分析43-44
• 4.7.2 GC-SBP算法與其他經(jīng)典圖切割算法比較與分析44-46
• 4.8 本章小結(jié)46-47
• 第五章 血吸蟲卵的分類識(shí)別47-56
• 5.1 特征提取47-50
• 5.2 最小二乘支持向量機(jī)（LS-SVM）50-53
• 5.3 LS-SVM對(duì)血吸蟲卵的識(shí)別實(shí)驗(yàn)53-55
• 5.4 本章小結(jié)55-56
• 第六章 總結(jié)與展望56-58
• 6.1 論文總結(jié)56
• 6.2 未來展望56-58
• 參考文獻(xiàn)58-63
• 致謝63-64
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文64

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 劉建忠;;圖像邊緣的數(shù)學(xué)結(jié)構(gòu)分析[J];軟件;2011年05期

2 陳文兵;張小磊;;基于圖像邊緣的能見度計(jì)算方法[J];微型電腦應(yīng)用;2009年04期

3 曾友州;胡瑩;曾偉一;鄭曉霞;;提取數(shù)字圖像邊緣的算法比較[J];成都航空職業(yè)技術(shù)學(xué)院學(xué)報(bào);2009年04期

4 潘衛(wèi)國(guó);鮑泓;何寧;;一種傳統(tǒng)中國(guó)書畫圖像的二分類方法[J];計(jì)算機(jī)科學(xué);2012年03期

5 周濤;陸惠玲;拓守恒;馬競(jìng)先;楊德仁;;基于非凸區(qū)域下近似的圖像邊緣修補(bǔ)算法[J];寧夏大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

6 唐亮;唐娉;閻福禮;鄭柯;;HJ-1 CCD圖像自動(dòng)幾何精糾正系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用;2012年S2期

7 宋建中;;噴霧圖像的自動(dòng)分析[J];光學(xué)機(jī)械;1988年04期

8 張錦華;孫挺;;引入像點(diǎn)融合度修補(bǔ)的圖像邊緣化參差拼接實(shí)現(xiàn)[J];微電子學(xué)與計(jì)算機(jī);2014年08期

9 張曉清;;摳圖另一法[J];數(shù)字世界;2002年11期

10 潘泓;夏良正;;一種基于圖像邊緣的矩計(jì)算方法[J];模式識(shí)別與人工智能;2003年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王偉凝;余英林;張劍超;;圖像的動(dòng)感特征分析[A];第一屆中國(guó)情感計(jì)算及智能交互學(xué)術(shù)會(huì)議論文集[C];2003年

3 韓焱;王明泉;宋樹爭(zhēng);;工業(yè)射線圖像的退化與恢復(fù)方法[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊(cè)）[C];2001年

4 王強(qiáng);王風(fēng);;一種保持圖像幾何特征的去噪模型[A];中國(guó)通信學(xué)會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2008年

5 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

6 李大鵬;禹晶;肖創(chuàng)柏;;圖像去霧的無參考客觀質(zhì)量評(píng)測(cè)方法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

7 孟晉麗;張毅;金林;;圖像中混合噪聲的小波域?yàn)V除方法[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

8 漆琳智;張超;吳向陽;;引導(dǎo)濾波的單幅圖像前景精確提取[A];浙江省電子學(xué)會(huì)2013學(xué)術(shù)年會(huì)論文集[C];2013年

9 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強(qiáng)[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（1）[C];2008年

10 王亮亮;李明;高昕;;強(qiáng)模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前10條

1 吳飛;無邊距照片打印三部曲[N];中國(guó)電腦教育報(bào);2003年

2 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報(bào);2009年

3 ;B超術(shù)語解釋[N];農(nóng)村醫(yī)藥報(bào)（漢）;2008年

4 ;圖像質(zhì)量調(diào)整秘技[N];電腦報(bào);2001年

5 馬駿睿 皓月;制作版畫效果圖片[N];中國(guó)攝影報(bào);2007年

6 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(14)[N];電子報(bào);2009年

7 西安 張正倉(cāng);I~（2）C總線控制的HG-2220AV液晶屏視頻信號(hào)驅(qū)動(dòng)板[N];電子報(bào);2003年

8 ;令挑剔的人也刮目相看[N];中國(guó)電子報(bào);2001年

9 侯杰;國(guó)產(chǎn)芯片進(jìn)軍移動(dòng)多媒體市場(chǎng)[N];人民郵電;2003年

10 于亮、阿鯤;技術(shù)“掃”天下[N];中國(guó)計(jì)算機(jī)報(bào);2002年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 梁福來;低空無人機(jī)載UWB SAR增強(qiáng)成像技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

2 周靜;基于憶阻器的圖像處理技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

3 賈茜;基于時(shí)—空域插值的圖像及視頻上采樣技術(shù)研究[D];武漢大學(xué);2014年

4 李照奎;人臉圖像的魯棒特征表示方法研究[D];武漢大學(xué);2014年

5 郝紅星;基于干涉相位圖像構(gòu)建數(shù)字高程模型的關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

6 楊小義;圖像特征識(shí)別算法及其在聾人視覺識(shí)別中的應(yīng)用研究[D];重慶大學(xué);2015年

7 王玉明;SAR圖像地雷場(chǎng)檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

8 溫景陽;圖像大容量、低失真可逆信息隱藏技術(shù)研究[D];蘭州大學(xué);2015年

9 李林;基于概率圖模型的圖像整體場(chǎng)景理解方法研究[D];電子科技大學(xué);2014年

10 馮景;基于SAR圖像的海面溢油檢測(cè)研究[D];北京理工大學(xué);2015年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李鵬遠(yuǎn);圖像檢索算法研究及其在互聯(lián)網(wǎng)教育中的應(yīng)用[D];華南理工大學(xué);2015年

2 萬燕英;微聚焦X-ray圖像自適應(yīng)正則化去噪方法[D];華南理工大學(xué);2015年

3 毛雙艷;基于梯度域的圖像風(fēng)格化渲染方法的研究及其應(yīng)用[D];華南理工大學(xué);2015年

4 向訓(xùn)文;RGB-D圖像顯著性檢測(cè)研究[D];華南理工大學(xué);2015年

5 曾旭;基于聚類和加權(quán)非局部的圖像稀疏去噪方法研究[D];天津理工大學(xué);2015年

6 熊楊超;圖像美學(xué)評(píng)價(jià)及美學(xué)優(yōu)化研究[D];華南理工大學(xué);2015年

7 王艷;圖像視覺顯著性檢測(cè)方法及應(yīng)用的研究[D];華南理工大學(xué);2015年

8 鄭露萍;圖像二階微分特征提取及人臉識(shí)別應(yīng)用研究[D];昆明理工大學(xué);2015年

9 王思武;基于太陽圖像的特征提取和檢索[D];昆明理工大學(xué);2015年

10 曹靜;基于暗通道先驗(yàn)算法的圖像去霧處理[D];海南大學(xué);2015年

  本文關(guān)鍵詞：醫(yī)學(xué)寄生蟲圖像的圖論分割與識(shí)別研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：406324