模糊多阈值医学图像分割算法研究

发布时间：2023-04-05 11:47

　　医学图像分割是现代图像分割技术的重要分支,其结果的好坏对后续的组织结构分解、病情诊断、手术实施等环节有着关键的影响。与自然图像分割相比,医学图像分割的效果往往与具体应用、成像模态和身体部位等因素相关,是一个更加复杂的问题。很多在自然图像分割中效果较好的算法在医学图像分割中存在欠分割和过分割等问题,不能很好地移植到医学图像分割领域。因此,有必要针对具体的应用场景、成像模态和身体部位,研究特定的分割算法。本文重点对多阈值分割算法进行了研究,并做了如下两方面的工作。(1)针对医学伪影对分割算法性能的影响,本文设计了一种基于模糊Kapur熵的多阈值图像分割算法FKMTS(Fuzzy Kapur entropy based Multi-Threshold image Segmentation algorithm)。FKMTS引入了模糊Kapur熵,可以有效解决组织结构边界模糊的问题。另外,FKMTS还采用了改进的量子粒子群算法来寻找最优的分割阈值组。仿真实验结果证明,FKMTS在性能上总体优于Otsu算法和最大Kapur熵算法。(2)传统阈值分割算法在组织结构中容易产生噪声和孤立区块。针对此类问...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
专业术语注释表
第一章 绪论
    1.1 研究背景
    1.2 研究内容
    1.3 论文结构安排
第二章 医学图像分割相关研究
    2.1 医学图像分割概述
    2.2 医学图像的特征
    2.3 医学图像分割的研究进展
        2.3.1 基于信息的分割方法
        2.3.2 基于先验形状的分割方法
        2.3.3 其他分割方法
    2.4 本章小结
第三章 模糊Kapur熵多阈值医学图像分割
    3.1 引言
    3.2 总体思路
    3.3 基于模糊Kapur熵的图像分割算法
        3.3.1 模糊阈值中隶属度函数的选择
        3.3.2 Kapur熵的模糊化
        3.3.3 基于IQPSO的阈值求解
        3.3.4 算法流程
    3.4 仿真实验
        3.4.1 实验参数设置
        3.4.2 图像分割结果
        3.4.3 算法性能比较与分析
    3.5 本章小结
第四章 基于邻域信息的模糊Kapur熵多阈值医学图像分割
    4.1 引言
    4.2 总体思路
    4.3 基于模糊Kapur熵和邻域信息的图像分割算法
        4.3.1 信息聚合中隶属度函数的选择
        4.3.2 基于像素邻域的隶属度聚合
        4.3.3 算法流程
    4.4 仿真实验
        4.4.1 图像分割结果
        4.4.2 算法性能比较与分析
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
附录1 攻读硕士学位期间申请的专利
附录2 攻读硕士学位期间参加的科研项目
致谢



本文编号：3783357