数学图像分割在生物医学视频上的应用

发布时间：2022-09-28 13:12

　　生物工程学的研究过程中有大量的工作是关于观测和记录实验对象的状态变化,这耗费了研究者大量的时间。随着视频摄像技术的发展,研究者不用实时的观察和记录,而可以在分段的时间内,调出视频来进行信息记录工作。这在某种程度上减轻了研究者的工作压力,但是对于工作量的减轻帮助较小。因为研究者在一定的时间段内只能关注一个生物个体,因此记录生物群落中的所有实验信息需要花费大量的时间。对于单个个体的观察研究,主要目的是检测和分类任何状态变化。借助图像分割技术,可以将观测目标从视频中分割出来,再建立相应的数学模型,直接得到需要的观测信息。这就比较大程度的减轻了研究者的工作量,使得研究者可以有更多的时间投入到高智力的研究工作中。自从提出图像分割以来,出现了许多方法。这些方法可以分为三大类:基于区域的、基于边缘的和基于特殊理论的分割。基于区域的分割将图像分割为多个区域。每个区域的内部都有一个特定的特征,作为区分不同区域的规则。阈值分割是目前应用最为广泛的一种基于区域的分割方法。其它一些著名的基于区域的分割方法有区域增长法、分割合并法和聚类法。在图像分割过程中,灰度不均匀现象是出现于视频图像中的一个常见的现象,这会... 

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
Abstract (In Chinese)
Abstract (In English)
Chapter 1 Introduction
    1.1 Motivation, background and significance
    1.2 Current research situation
        1.2.1 International research
        1.2.2 Research in China
    1.3 Summary
Chapter 2 Theory and definition
    2.1 Image denoising
        2.1.1 TV model
        2.1.2 RLO model
    2.2 Image segmentation based on edge detection
        2.2.1 Snake model
        2.2.2 Geodesic active contour(GAC)model
        2.2.3 Level set method
        2.2.4 Variational level set method
        2.2.5 Model with prior shape information
    2.3 Image segmentation based on region growing
        2.3.1 Mumford-Shah(M-S)model
        2.3.2 Two phase Chan-Vese(C-V)model
        2.3.3 Multiphase Chan-Vese model
    2.4 Summary
Chapter 3 Researches on vestibule-ocular behaviors in Zebrafish larvae video
    3.1 The Zebrafish problem and its difficulties
    3.2 Image segmentation on Zebrafish video
        3.2.1 Multiphase C-V model using edge information apply to Zebrafish video
        3.2.2 Multiphase C-V model using edge information and prior shape information apply to Zebrafish video
    3.3 Information extraction based on the image segmentation
        3.3.1 Frequency information about optokinetic response
        3.3.2 Angle information about optokinetic response
    3.4 Summary
Conclusions(In English)
Conclusions(In Chinese)
References
Acknowledgements


【参考文献】：
期刊论文
[1]基于聚类的图像分割方法综述[J]. 赵祥宇,陈沫涵.  信息技术. 2018(06)
[2]基于预测的多特征融合Mean-Shift跟踪算法[J]. 郭宇,郝晓燕,张兴忠.  计算机科学. 2018(S1)
[3]基于改进Otsu算法的生菜叶片图像分割方法[J]. 孙俊,宋佳,武小红,李玉婷.  江苏大学学报(自然科学版). 2018(02)
[4]基于狼群算法与二维最大熵的图像分割[J]. 陈超,宣士斌,雷红轩.  计算机工程. 2018(01)
[5]基于四通道不可分小波的均值漂移目标跟踪方法[J]. 刘斌,郑凯凯.  量子电子学报. 2018(01)
[6]基于同质直方图和DS证据理论的彩色图像分割研究[J]. 陆小妍,周啸虎,张子齐.  中国医疗设备. 2018(01)
[7]基于位错理论的距离正则化水平集图像分割算法[J]. 张帆,张新红.  自动化学报. 2018(05)
[8]基于记忆分子动理论优化算法的多目标截面投影Otsu图像分割[J]. 肖乐意,欧阳红林,范朝冬.  电子与信息学报. 2018(01)
[9]融合SVM和快速均值漂移的图像分割算法[J]. 赵胜男,王文剑.  小型微型计算机系统. 2017(07)
[10]基于证据马尔可夫随机场模型的图像分割[J]. 张喆,韩德强,杨艺.  控制与决策. 2017(09)



本文编号：3681724