医学毕业论文范文：基于SURF算法之医学显微图像拼接研究,医学毕业论文

第一章绪论

在当今的医学、生物学等技术下，显微图像在低倍镜下的视野更大，但是很难查看到样本的全部细节，尽管在高倍镜下可以观察到样本之间的局部细节，但是同样很难观测到样本整体，这样，就诞生了一个难题：怎样在高倍镜下能在保证观察到样本整体的所有细节的条件下，将视野扩展至全局？为了解决这个问题，研宄者们运用图像拼接算法的基本特点，同时将多张高分辨率局部图像进行拼接，由这样生成的样本全景图，可以更好地满足人们对医学显微图像精确观测的需求。前列腺癌属于一种恶性多发性肿瘤，发病根源在于男性前列腺组织。遍布欧洲和美国这些发达的国家中，它的发病率多年来都高居不下；近些年来影响力也波及到了亚洲，这种疾病的发病率有着十分明显的增长势头。大多是在例行的健康检查或抽血蹄检时发现的，利用前列腺特异抗原诊断的这种现有方法，它的精度还存在着一些缺陷。当前唯一能确诊前列腺癌的诊断方法是切片检查但切片检查技术也存在着明显的局限与不足。为了观察到切片的细节信息，一般将其置于高倍镜下观察，由于该状态下显微镜所呈现的视野小，因此不能获取切片样本的全局信息。当医生只能看到一系列切片样本的局部细节信息时，就极有可能忽略某些病变因素而造成间接的误诊。但是，现在通过显微图像的拼接技术拼接后的图像是允许医生看到病变全图的，从而有助于解决上述问题。
.........

第二章图像的特征点检测与描述

2.1图像特征点检测概述
通常要完成图像特征点检测工作，首先就要了解何谓图像的特征，其实它就是图像中可以唯一标识图像的一些属性，比如，一般可能了解的像色彩特征，纹理特征，图像的轮廓特征以及边缘特征再加上角点特征都属于这个范畴，在下文中就开始着重阐述一下图像中一些很常用的特征，一类是边缘特征，另一类是角点特征。所谓的在图像中进行边缘特征的检测，实际上就是在图像中寻找这样一种像素点，它会在一个方向上灰度剧烈的变化，而在和这个方向相垂直的方向上灰度变化的很平和。在下面的各个情况中应该会满足上文中所叙述的这些条件。另一种比较热门的而且人们常用的是在图像中进行角点特征的检测。在人们的实际生活中，角点好有一比，相对应于拐角，马路中间的十字路口等等。对于角点而言，对它的定义不是唯一的，有两种可以参考一下，一种是通常定义它是一个交点，位于两个边缘之间。另一种是作为一个特征点，位于邻域内的而且具有两个主方向。目前，它作为人们研究的新宠，大量的学者和专家投入其中进行更深入的研究，从而就诞生了许许多多关于角点特征的检测算法。

2.2图像特征描述
由上所述，就可以得出一个理想的特征描述算子的一般要求，它必须有较高的鲁棒性、独特性和匹配速度。这其中，鲁棒性则要求描述算子能够在图像的仿射变换、密度变化和噪声干扰的这一些因素下还能稳定的输出正确结果。独特性它则需要描述算子在特征点局部图像结构发生变化时，能够存在捕获并且反应这一变化的能力。最后，匹配速度通常是指两个特征在相似性高低的比较时的运算速度，不难发现，特征空间维数越高，所耗时就越多，速度就越慢。当然为了寻找到由上所述的理想特征描述算子，人们在研宄了众多特征描述算子和相应的相似性度量方法后，，基于图像梯度方向直方图统计算法被广泛釆用，大致原理是将不同的图像局部纹理和形状特征用梯度统计直方图来表示。

第三章图像特征点匹配与融合.........13
3.1图像特征点匹配概述......13
3.2特征点匹配与提纯...........13
第四章基于SURF-BC算法的图像拼接...........17
4.1SURF算法...........17
4.2基于Bray-Curtis距离的图像匹配.....20
第五章总结与展望.........36

第四章基于SURF-BC算法的图像拼接

4.1SURF算法
由上文所述，SUFT往往通过采用高斯图像生成的特征矢量作为特征描述算子，而特征描述算子来源于积分图像的使用。当在使用SURF算法时，其巾需要使用的积分图像其实是一种中间结果，在特征点检测的时候形成的。了解了这一点之后，当然就有责任区使用它充分，以避免当SURF特征矢量生成时，己经不断的进行了重复计算。当依照上文论述在完成了对于医学显微图像的特征提取，与特征描述，利用基于Bray-Curtis距离的特征匹配法对于两幅相关图像进行特征点匹配后，接下来的步骤就应该是要进行医学显微图像的融合了。就是将两幅图像利用图像融合算法拼接到一起，完成最终的研究目的，得出实验结论。本文最终采用渐入渐出的融合算法通过两步完成医学显微图像的拼接的最终工作。

4.2基于Bray-Curtis距离的图像匹配
由上文可知，欧式距离可以被用来计算两幅图像特征描述矢量之间的相似度值。但是，由于本章所采用SURF算法进行图像的特征矢量描述，会产生一个维的特征描述矢量。由于维数过高，如果仍然采用欧式距离进行度量的话，鉴于欧氏距离对于高维不敏感的特性，匹配效果会大打折扣，精度难以达到标准，误匹配率会升高。同时，欧式相似性度量不能对特征值进行归一化，会形成一些高量级的特征点控制着低量级的特征点。’因此，不管低量级是否具有有效性，其对整体的影响可能会变得无关紧要。
..........

第五章总结与展望

本文的主要工作可以总的分为以下两部分：第一部分主要在于对理论的研宂，木文通过对医学显微图像特点的研究，得出高倍镜下图像突出细节，弱化了视野，而在低倍镜下，虽然视野得以扩大，但是图像的局部细节无法得以淸晰展现。所以为了使医生获取医学显微图像的全局信息，木文采用图像拼接这一方法来探讨如何解决这一问题。所以本文有采用RANSAC算法对初次匹配生成的结果进行二次提纯，获得更为精确的四配点对。然后将源图像与待拼接图像投影到同一个坐标系上后，通过渐入渐出的图像融合算法完成图像拼接。本文通过大量有说服力的实验证明该方案可行，而且效果良好。第二部分主要在于将理论知识应用于实际的探索，本文利用Matlab软件编写生成医学显微图像系统模型，旨在做一个将该解决方案应用与实际的尝试。希望通过这个系统模型让用户真实感知一下这种解决办法的优劣。从而提出相关的改进意见。这样才会是的本文采用的这种方案能真正在医疗诊断中起到辅助治疗的效果，真正有一天有机会成为一个完善的系统供人们使用。
.........

参考文献（略）