基于CT图像的种猪优选方法研究与实现

发布时间：2020-05-10 11:58

【摘要】：种猪育种技术的研究在全世界都处于一个重要的地位。目前种猪育种技术以专门化品系培育和配套系培育为主流,为了开拓新的育种方案,更多的学者尝试将其他技术引入到育种当中,由此出现了医学图像应用于育种技术的诞生。随着医学图像领域的发展,医学图像结合计算机技术成为重要的研究方向。医学图像分割作为医学图像处理与分析的基础,其发展经历了手动分割、半自动分割和全自动分割过程,在人体中应用于骨骼分割、肺部提取、肿瘤去除等方面。人体结构用于医学图像上的分割方法同样适用于动物体中,但是没有一种分割算法能适用于不同结构对象。针对这一问题,本文基于CT图像的种猪优选方法的研究,提出一种精确分割骨骼、脂肪、肌肉组织,并测定其在整体的质量占比的分割算法。该算法将人为干预减小到最低,快速准确地分割出骨骼、脂肪以及肌肉部分区域,并测定它们在整体中的占比。本文以种猪为研究对象,对获取的CT图像进行分析,首先对CT图像进行预处理,利用高斯滤波对图像进行平滑和消除噪声的操作,再运用区域生长的思想将CT图像中影响骨骼分割的CT床体部分去除。去除以后,分别运用了两种分割算法提取骨骼部位,分别是基于改进的水平集方法的快速水平集算法和基于骨骼CT值的阈值分割法。考虑到内脏部分的存在对脂肪以及肌肉分割存在一定的影响,运用胴体中器官距离等比例思想,结合阈值法、形态学操作、孔洞填充等多种算法将内脏去除,然后利用双阈值法、逻辑运算等操作分割脂肪以及肌肉部分,最后根据各部位在胴体中所占像素的体积以及密度求出其质量以及在整体中的占比。将算法运用到实验中,通过与美国公司提供的对比数据进行比较,探究算法中可能存在的问题所在,以此作为未来的研究重点对算法做进一步的改进。
【图文】：

基于 CT 图像的组织分割算法第三章 胴体分割及骨骼分割方法本文的目的为实现一种精确分割骨骼、脂肪、肌肉组织，并测定其在整体的质量占比的分割算法，用以改善种猪育种技术。该算法将人为干预减小到最低，快速准确地分割出骨骼、脂肪以及肌肉部分区域，并测定它们在整体中的占比。本章则主要介绍基于多种算法的骨骼分割。3.1 基于 CT 图像的胴体分割方法3.1.1 CT 图像去噪本文以种猪为研究对象，利用 CT 扫描设备获取种猪的 CT 图像。随机选取其中几张 CT 图像，其横断面原图如下所示：

度、深度距离等。双边滤波具有复杂的模板函数，一般其函数关。当图像素点的灰度值变化较小时，双边滤波函数近似于灰度值发生剧烈变化时，函数的权重也会变大，以保证边缘信滤波算法都能够起到一定的平滑作用，因此需比较四种滤波算随机选取 CT 图像中的某一张 CT 切片，，分别利用四种算法对，其效果图如下所示：(a)均值滤波 (b)中值滤波
【学位授予单位】：安徽工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：S828;TP391.41

【相似文献】

相关期刊论文 前10条

1 冯桂莲;;曲率驱动扩散图像边缘形态复合滤波方法仿真[J];计算机仿真;2019年09期

2 张锦华;孙挺;;引入像点融合度修补的图像边缘化参差拼接实现[J];微电子学与计算机;2014年08期

3 翟逸飞;;基于FPGA的图像边缘处理研究[J];企业技术开发;2013年12期

4 顾长友;妙用Photoshop处理图像边缘[J];电脑知识与技术;2003年08期

5 濮群,余桂;用线性模型检测图像边缘[J];清华大学学报(自然科学版);1988年01期

6 宋建中;;喷雾图像的自动分析[J];光学机械;1988年04期

7 高华;;关于古建筑图像中破损点优化提取仿真[J];计算机仿真;2017年11期

8 刘娟娟;刘斌;;低照度非线性光学图像边缘自适应增强装置设计[J];激光杂志;2017年03期

9 许志强;张婷;;数字式多媒体场景图像准确分类方法仿真[J];计算机仿真;2019年07期

10 张琳梅;;基于图像边缘增强的改进方法[J];信息系统工程;2016年03期

相关会议论文 前10条

1 陆成刚;陈刚;张但;闵春燕;;图像边缘的优化模型[A];'2002系统仿真技术及其应用学术论文集（第四卷）[C];2002年

2 王培珍;杨维翰;陈维南;;图像边缘信息的融合方案研究[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

3 王亮亮;李明;高昕;;强模糊空间目标图像边缘获取方法研究[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

4 陈炜;张阳阳;孟庆勋;;一种基于Curvelet变换的图像边缘增强方法[A];国家安全地球物理丛书（十）——地球物理环境与国家安全[C];2014年

5 张明慧;;基于模糊蒙片算法的CR图像边缘增强[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

6 孙增国;师蕊;;基于L_(1/2)范数的高分三SAR图像的非局部均值降斑[A];第五届高分辨率对地观测学术年会论文集[C];2018年

7 杨文秀;陆常周;;最优小波问题探讨[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

8 赵恩良;姜盈帆;孙丽华;曹康敏;金瑞巧;;一种基于变窗口的图像去噪算法研究[A];第十六届沈阳科学学术年会论文集（理工农医）[C];2019年

9 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

10 胡昌伟;屈小波;郭迪;宁本德;陈忠;;基于边缘加权的l_1-l_2范数MRI欠采重建[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

相关重要报纸文章 前7条

1 侯杰;国产芯片进军移动多媒体市场[N];人民邮电;2003年

2 吴飞;无边距照片打印三部曲[N];中国电脑教育报;2003年

3 成岭;消除Premiere中慢镜头的图像抖动[N];电脑报;2003年

4 ;体验决定一切[N];中国计算机报;2003年

5 Wang JS;抠图又有新招[N];电脑报;2002年

6 徐和德;从实战出发选择合适镜头[N];中国摄影报;2019年

7 ;令挑剔的人也刮目相看[N];中国电子报;2001年

相关博士学位论文 前10条

1 唐国良;视频监控图像局部特征描述和相机接力研究[D];西安电子科技大学;2019年

2 孙景峰;基于图像特征的示波屏识别关键技术研究及应用[D];西北工业大学;2018年

3 欧巧凤;二维凝胶电泳图像中一致蛋白质斑点集检测技术研究[D];西北工业大学;2018年

4 吴迪;光学遥感图像典型目标检测方法研究[D];哈尔滨工业大学;2019年

5 王瑶;复杂天气下的道路识别方法研究[D];哈尔滨工业大学;2019年

6 宋伟先;基于深度学习的猪只目标检测及状态分析[D];东北农业大学;2019年

7 张玲;图像光照恢复与分解技术研究[D];武汉大学;2017年

8 蔡博仑;图像去雾与增强算法的研究[D];华南理工大学;2019年

9 刘飞;透混沌介质偏振成像技术[D];西安电子科技大学;2016年

10 李永军;图像与视频低复杂度压缩算法研究[D];西安电子科技大学;2017年

相关硕士学位论文 前10条

1 贾玲慧;基于边缘保持滤波器和显著性的多模态医学图像融合方法研究[D];重庆邮电大学;2019年

2 康健;单幅雾天图像去雾方法研究[D];重庆邮电大学;2019年

3 曾笑云;灰度不均匀图像的快速分割方法研究[D];湘潭大学;2019年

4 吴鸣;基于卷积神经网络和图像显著性的铁谱磨粒分析[D];南京航空航天大学;2019年

5 汪杰;基于CT图像的种猪优选方法研究与实现[D];安徽工业大学;2019年

6 赵婷;基于结构特征增强的图像显著性检测方法研究[D];哈尔滨工业大学;2019年

7 牛皓伟;基于航拍图像的交通工程施工现场安全监督方法研究[D];哈尔滨工业大学;2019年

8 曹齐;残损纺织物图像的修复算法研究与三维重建[D];西安工程大学;2019年

9 钟晓妮;基于图像特征的快速匹配算法研究[D];西安工程大学;2019年

10 吴帅;《点石斋画报》的图像生产及其技术[D];中国美术学院;2019年

本文编号：2657262