基于启发式算法的医学图像阈值分割方法研究

发布时间：2022-04-18 20:48

　　图像分割是图像处理研究的重点和难点之一,也一直是研究的热点。图像分割是图像分析、图像识别等更高层图像处理的基础,分割结果直接影响着更高层分析和理解的正确性。基于图像处理的技术应用范围广泛。无论从图像场景还是成像原理上,都存在图像来源多样复杂,图像属性千差万别等问题;图像分割的目的各不相同;在成像、存储及传输过程中引入的各种干扰会使图像质量下降;这些问题给图像分割带来巨大挑战。阈值分割是图像分割的主要方法之一,在面向工业领域、医学影像处理领域的图像处理问题中,阈值分割是最重要的分割方法。本文结合启发式算法开展面向医学图像的阈值分割方法研究。本文简述了阈值分割的基本方法及启发式算法特点,从优化角度分析了基于启发式算法的阈值分割方法基本过程。通过改进阈值分割目标函数计算方法以及优化目标函数两个角度,面向医学图像分割,研究了几种结合改进的启发式算法的阈值分割方法。主要工作如下:（1）对基于启发式算法的阈值分割方法进行了分析。通过把阈值分割归纳为一个优化问题来求解,总结了基于启发式算法的阈值分割方法的基本步骤。针对传统启发式算法在解决阈值分割问题时,算法及参数的确定对具体分割的图像和应用目标先验... 

【文章页数】：124 页

【学位级别】：博士

【部分图文】：

全文结构

第 2 章 医学图像分割以及启发式算法相关技术选择式超启发式结构简洁，易于综合当前已有算法各自优点。但在现有的超启发结构中，高层设计还没有清晰的架构，但超启发式思想是在启发式算法之上，通过高层对算法进行选择和管理。这种选择和管理基于对求解问题以及算法的先验知识和对具体问题求解过程中底层算法以及当前解的动态表现。产生式推理方法可以适用于这样的问题，因此，基于产生式方法作为构建高层的一个一般化架构。基于这样的思想，我们构建了一个面向图像分割的，包括任务理解层、超启发层（工具算法选择与管理层）和问题求解启发式算法层（工具算法）的三层超启发式架构，如图 2.3。

图 5.3. 初始化示例群算法的 Otus 算法对于基于 Otsu 准则的 q-1 个阈值的多阈值分割，假设1，其目标函数为类间方差： = ∑ ( ) 的计算见第 3 章。 ) = ( ( ( 是 Otsu 分割算法计算得出的最佳阈值。算法的不足，这里给出了一个改进了蚁群算法并将其

【参考文献】：
期刊论文
[1]狼群优化的二维Otsu快速图像分割算法[J]. 曹爽,安建成.  计算机工程与科学. 2018(07)
[2]新型群智能优化算法综述[J]. 林诗洁,董晨,陈明志,张凡,陈景辉.  计算机工程与应用. 2018(12)
[3]多种群随机差分粒子群优化算法及其应用[J]. 王皓,高立群,欧阳海滨.  哈尔滨工程大学学报. 2017(04)
[4]新的基于分解直方图的三维Otsu分割算法[J]. 徐青,范九伦.  传感器与微系统. 2017(01)
[5]基于模拟退火的果蝇优化算法[J]. 张斌,张达敏,阿明翰.  计算机应用. 2016(11)
[6]基于多阈值Otsu准则的阈值分割快速计算[J]. 申铉京,刘翔,陈海鹏.  电子与信息学报. 2017(01)
[7]多种群子空间学习粒子群优化算法[J]. 孙辉,朱德刚,王晖,赵嘉.  小型微型计算机系统. 2016(09)
[8]二维直方图重建和降维的Otsu阈值分割算法[J]. 陈金位,吴冰.  图学学报. 2015(04)
[9]二维Otsu自适应阈值快速算法的改进[J]. 钱卫星,黄丽亚.  华侨大学学报(自然科学版). 2015(04)
[10]医学图像分割及其发展现状[J]. 江贵平,秦文健,周寿军,王昌淼.  计算机学报. 2015(06)

博士论文
[1]萤火虫群智能优化算法及其应用研究[D]. 李敬明.合肥工业大学 2017

硕士论文
[1]医学图像多阈值分割群智能优化算法的研究[D]. 方政.吉林大学 2017
[2]萤火虫算法的理论分析及应用研究[D]. 胡婷婷.西安工程大学 2015
[3]萤火虫算法的研究与应用[D]. 高伟明.兰州大学 2013



本文编号：3646341