基于数学形态学的X线图像处理与分析技术研究

论文摘要

数字图像处理理论应用于临床X线图像的处理和分析能够减轻医生的负担,也能够提高诊断的准确性,有利于实现诊断的智能化。数学形态学是一种非线性的图像处理和分析工具,而X线图像中的物体是非线性的包含关系,所以数学形态学适用于X线图像的处理与分析。本文在探讨数学形态学基本原理、运算和性质的基础上,根据X线骨折图像的特点,提出基于数学形态学的X线骨折图像增强和边缘提取算法。基于重建的多尺度X线骨折图像增强算法中提出X线图像的增强算法和结构元素的选择算法。X线图像的增强算法包括去噪和增强对比度,这些运算以重建运算为基础,在增强图像的同时不会引入新的边缘信息：结构元素的选择包括结构元素的形态和尺度的选择,根据不同形态的结构元素对长骨处理后的不同影响来选择结构元素的形态,根据不同尺度与图像中特征区域的数量关系来选择多尺度结构元素的尺度范围。X线骨折图像的边缘提取算法是在标记控制分水岭算法的基础上提出的改进算法,包括形态学方向梯度算法和前景、背景标记的选择算法。根据形态学结构元素的特点,文中提出使用四个方向的线性结构元素计算方向梯度,使梯度代表幅度信息的同时也具备了方向性；标记选择算法以灰度差异选择前景标记,以测地影响区骨架的原理选择背景标记。最后,用选择的标记对方向梯度进行同伦修改便可提取出骨的边缘。通过计算增强处理前后X线骨折图像的直方图等统计特征,证明基于重建的多尺度增强算法达到了增强X线骨折图像的目的；通过最终测量精度准则,说明边缘提取算法提取出的X线骨折图像的边缘能够用来计算特征参数。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.2 国内外研究现状及发展趋势
• 1.2.1 X线图像处理与分析研究现状
• 1.2.2 数学形态学在数字图像处理中的应用
• 1.3 本论文主要研究内容
• 第2章 数学形态学基本理论
• 2.1 二值数学形态学
• 2.1.1 二值膨胀和腐蚀
• 2.1.2 二值开运算和闭运算
• 2.1.3 二值形态学运算的基本性质
• 2.2 灰度数学形态学
• 2.2.1 灰度膨胀和腐蚀
• 2.2.2 灰度开运算和闭运算
• 2.2.3 灰度形态学运算的基本性质
• 2.3 结构元素
• 2.4 数学形态学重建
• 2.4.1 测地距离
• 2.4.2 测地膨胀和腐蚀
• 2.4.3 形态学重建
• 2.5 本章小结
• 第3章 基于重建的多尺度形态学X线图像增强
• 3.1 X线骨折图像的成像与特点
• 3.2 基于重建的多尺度形态学X线图像增强算法分析
• 3.2.1 基于数学形态学的X线图像增强算法
• 3.2.2 重建滤波器
• 3.2.3 结构元素的选择
• 3.2.4 算法流程
• 3.3 实验结果分析
• 3.4 本章小结
• 第4章 基于改进的分水岭算法的X线图像边缘提取
• 4.1 分水岭算法概述
• 4.2 改进的标记控制分水岭算法
• 4.2.1 标记控制的分水岭算法
• 4.2.2 算法改进
• 4.2.3 算法流程
• 4.3 边缘提取结果评价与分析
• 4.3.1 基于最终测量精度的评价
• 4.3.2 边缘提取结果的最终测量精度评价
• 4.4 本章小结
• 第5章 结束语
• 参考文献
• 致谢
• 攻读硕士学位期间取得的科研成果