图像分析仪系统中几个关键技术的研究

论文摘要

计算机技术以及其他相关技术的迅猛发展,为数字图像处理技术的发展奠定了软硬件基础。计算机的普及使数字图像处理广泛应用于科学研究、工农业生产、军事技术、医疗卫生、政府部门等许多领域中,并发挥着越来越重要的作用。在生物医学、石油地质、冶金材料等领域内,体视学、形态学、定量金相学的发展和应用,要求实现对各种微观图像的定量测量和自动分析。图像分析仪系统主要被设计来完成此类任务。为适应计算机应用技术、数字图像处理技术的不断发展,本文对图像分析仪系统中采用的几个技术进行了研究,探讨了将一些新的技术应用于其中,以满足用户在不同情况下需求的方法。本文的主要工作分成以下几部分: 第一、讨论了光密度测量与分析技术在医学、工业等领域中的应用前景, 描述了光密度测量的原理和主要方法,在图像分析仪系统中增加了光密度测量模块。第二、针对一些边缘信息比较丰富的图像,提出了一种基于边缘处理的图像拼接方法。该方法将图像平滑和边缘检测技术运用到图像拼接中,对常用的图像拼接算法进行了简化,有利于提高图像拼接的运算速度和配准程度。第三、在综合比较各种分割算法特点的基础上,结合图像的模糊增强理论,提出了一种基于边缘检测的模糊图像分割技术。对包含运动目标的图像有着较好的分割和目标检测效果。

论文目录

• 摘要
• Abstract
• 目录
• 1 概论
• 1.1 计算机图像分析技术的发展
• 1.2 图像分析仪系统的软硬件结构
• 1.3 作者完成的工作
• 2 图像分析仪系统涉及的主要算法
• 2.1 图像输入设备及软件开发
• 2.2 图像增强算法
• 2.2.1 灰度拉伸
• 2.2.2 边界增强
• 2.2.3 中值滤波
• 2.3 图像形态处理算法
• 2.3.1 清除颗粒和填充孔隙
• 2.3.2 腐蚀
• 2.3.3 膨胀
• 2.3.4 细化
• 2.4 图像光照不均的修正
• 2.4.1 扣减背底
• 2.4.2 同态滤波
• 2.5 大模板线性滤波空域快速算法
• 2.5.1 均值滤波和MDRWA 算法
• 2.5.2 对称模板的方向分解MDD 和分层分解MLD
• 2.5.3 讨论
• 3 光密度的测量与分析
• 3.1 光密度测量基本原理
• 3.1.1 光密度的定义
• 3.1.2 朗伯-比尔定律
• 3.2 光密度测量模块的主要测量方法
• 3.2.1 公式法
• 3.2.2 光密度曲线法
• 3.3 光密度测量模块应用实例
• 3.3.1 细胞DNA 的分析
• 3.3.2 免疫透射比浊法
• 3.3.3 印刷品质量检测
• 4 一种基于边缘处理的图像拼接方法
• 4.1 拼接理论的建立
• 4.1.1 坐标系之间的转换关系
• 4.1.2 像素点的插值处理
• 4.1.3 标识点的设置和识别
• 4.2 基于边缘处理的图像拼接
• 4.2.1 图像的平滑处理
• 4.2.2 图像边缘检测
• 4.2.3 图像的无缝拼接
• 4.2.4 图像融合
• 4.3 实验结果和比较
• 4.4 结论
• 5 基于边缘检测的运动目标图像模糊分割算法
• 5.1 传统的图像分割检测技术
• 5.1.1 阀值化分割方法
• 5.1.2 最大距离分割法
• 5.1.3 K-均值聚类法
• 5.1.4 区域增长分割法
• 5.2 含有运动目标图像的直方图统计特征
• 5.3 基于边缘检测的模糊分割算法
• 5.3.1 图像的边缘检测
• 5.3.2 图像的二值化
• 5.3.3 滤波器的设计
• 5.3.4 二值图像轮廓提取
• 5.4 各种算法的实验结果和比较
• 5.5 结论
• 6 总结
• 参考文献
• 致谢
• 论文独创性声明