基于组合特征和SVM的超声图像牛卵泡检测算法研究

发布时间：2024-03-01 02:37

　　超声医学图像以其快速、实时,安全和价格低廉等优点被广泛应用于黄牛繁殖和胚胎生产各个阶段,为了提高改良种牛的繁殖能力,运用超声成像技术来对黄牛卵泡的变化规律进行实时监测便起到了至关重要的作用,这对提高妊娠率意义重大,要实现对牛卵泡的实时监测,首先需要在所获取的超声图像中检测到黄牛卵泡所在的位置。本文主要研究的目标是对超声图像中的牛卵泡区域进行检测,为牛卵泡的实时监测等后续研究和分析奠定基础。针对牛卵泡超声图像的特点,本文对卵泡区域的检测技术进行了深入研究,首先研究相关算法对牛卵泡超声图像进行预处理,即去噪,在分析并研究了传统BM3D算法以及PM模型,Catte模型,SRAD模型的基础上,基于研究对相关模型的扩散系数以及扩散模型进行改进,提出了一种改进的各向异性扩散滤波算法,得到了良好的去噪效果;然后对图像进行特征提取,在分析了传统LBP算法的缺陷之后,基于研究提出了一种改进的全新LBP算法-BALBP算法,同时提取图像的HOG特征和GLCM特征;本文还对SVM分类器的相关参数选用PSO粒子群算法进行优化,并用AdaBoost的决策树分类器对SVM弱分类器进行优化,以此生成能力更好的强分类...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
    1.3 本文的主要工作
    1.4 论文章节安排
第2章 黄牛卵泡超声图像预处理
    2.1 BM3D去噪算法
    2.2 基于各向异性扩散滤波的算法
        2.2.1 传统各向异性扩散滤波算法
        2.2.2 斑点抑制各向异性扩散滤波算法
        2.2.3 本文提出的改进各向异性扩散滤波算法
    2.3 实验结果对比分析及评价
        2.3.1 算法评价标准
        2.3.2 实验结果与分析
    2.4 本章小结
第3章 基于组合特征和SVM的牛卵泡超声图像检测
    3.1 传统基于边缘检测的算法
        3.1.1 梯度边缘检测算子
        3.1.2 Canny检测算子
        3.1.3 传统边缘检测算子检测结果
    3.2 基于组合特征和SVM的牛卵泡区域检测算法实现
        3.2.1 图像特征提取算法
        3.2.2 本文提出的改进局部二值模式特征提取算法
        3.2.3 基于PCA的降维算法
        3.2.4 基于PSO优化的SVM机器学习分类算法
        3.2.5 基于AdaBoost的决策树强分类器的机器学习分类算法
        3.2.6 机器学习分类模型算法评价标准
    3.3 基于组合特征和SVM的牛卵泡检测实验结果分析对比
        3.3.1 实验过程
        3.3.2 实验结果分析对比
    3.4 本章小结
第4章 结论与展望
    4.1 本文总结
    4.2 展望
参考文献
致谢
附录1 攻读硕士学位期间发表的论文
附录2 攻读硕士学位期间参加的科研项目
详细摘要



本文编号：3915308