基于数学形态学的医学图像目标检测

基于数学形态学的医学图像目标检测

论文摘要

数学形态学(Mathematical Morphology, MM),不仅是一种严格的数学理论,而且是一门强大、应用广泛的图像分析技术。其基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。本论文着重研究形态学在医学显微图像中的应用。论文首先阐述了数学形态学的基本理论,随之介绍了一种利用分数低阶矩及极值理论的参数估计算法,在此基础上研究了将形态学应用于医学图像处理和分析的几种算法。本论文的主要研究工作包括:(1)介绍了研究的背景意义、数学形态学概述及形态学图像分析,并且阐述了本论文研究的主要工作及论文章节安排。(2)简要介绍α稳定分布理论与分数低阶矩理论,运用负阶矩方法和对数阶矩方法的参数估计算法以及一种新的参数估计算法——渐近极值法来估计超声医学图像二维小波系数的α和γ参数。分析表明,渐进极值法具有快速及实时实现的特点。实验结果表明,这种新方法也能有效地估计出满足对称α稳定(SαS)分布的二维小波系数的α和γ参数。(3)利用灰度形态学理论,对医学显微图像进行滤波。首先提出两种不同的二维结构元素,并结合灰度形态学去除灰度图像中的噪声,得到的滤波效果随着结构元素的种类及大小不同而产生明显的差异。接着利用这些结构元素进行图像颗粒度的检测,并用颗粒分布函数绘制图像颗粒的分布状况。实验结果表明,二维空间上的颗粒度的检测效果明显优于一维方向上的检测,以及选取合适的结构元素在图像去噪及颗粒度检测中起了极其重要的作用。(4)对医学图像中的感兴趣的目标对象(如细胞颗粒)进行数目统计。如果图像中各个颗粒之间没有任何的交叉或重叠,可以把各颗粒看成一个单独的连通域,给每个连通域进行标记,并统计出所有连通域的个数即为图像中所有目标对象的数目。在这种情况下,不会发生任何的统计错误。如果图像中有些颗粒之间发生了轻微的重叠,若直接利用上述的方法就无法准确无误地统计出数目。此时需要利用其它图像处理方法先对图像中发生混叠的颗粒作处理,使这些颗粒相互分开。在这里,利用了二值形态学理论,可较好地消除这些影响统计正确率的重叠细节。不仅可得到较好的效果,而且提高了颗粒统计的准确性。(5)最后对本论文的研究工作做了下总结,同时又对下一步的工作进行展望。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 研究背景及意义
  • 1.2 数学形态学概述
  • 1.3 形态学图像分析
  • 1.4 论文研究的主要内容和章节安排
  • 2 数学形态学基本原理
  • 2.1 形态学图像分析原理
  • 2.2 二值形态学
  • 2.2.1 集合论的若干基本概念
  • 2.2.2 结构元素
  • 2.2.3 二值形态学膨胀与腐蚀
  • 2.2.4 二值形态学开与闭操作
  • 2.3 击中击不中变换
  • 2.4 灰度形态学
  • 2.4.1 灰度形态学膨胀和腐蚀
  • 2.4.2 灰度形态学开和闭操作
  • 2.4.3 灰度形态学高帽和低帽变换
  • 2.5 本章小结
  • 3 医学图像小波系数分布的参数估计
  • 3.1 分数低阶统计量
  • 3.1.1 分数低阶矩
  • 3.1.2 负阶矩
  • 3.1.3 对数阶
  • 3.2 两种基于分数低阶矩的参数估计方法
  • 3.2.1 负阶矩法
  • 3.2.2 对数矩法
  • 3.3 基于渐近极值论的参数估计方法
  • 3.3.1 渐近极值理论
  • 3.3.2 估计方法
  • 3.3.3 图像小波系数参数估计的实现
  • 3.4 仿真结果与分析
  • 3.4.1 小波系数的分布图像
  • 3.4.2 参数α和γ的估计
  • 3.5 本章小结
  • 4 基于数学形态学的显微图像颗粒度算法
  • 4.1 灰度形态学运算的应用
  • 4.1.1 腐蚀与膨胀
  • 4.1.2 开与闭操作
  • 4.1.3 结构元素的选取
  • 4.2 图像噪声模型
  • 4.2.1 加性与乘性噪声
  • 4.2.2 高斯噪声
  • 4.2.3 量化噪声
  • 4.2.4 椒盐噪声
  • 4.3 显微图像的去噪与仿真
  • 4.3.1 应用灰度形态学去噪的基本原理
  • 4.3.2 图像去噪评价标准
  • 4.3.3 去噪仿真结果
  • 4.4 图像颗粒度检测与分析
  • 4.4.1 颗粒检测方法
  • 4.4.2 颗粒度计算仿真结果与分析
  • 4.5 本章小结
  • 5 基于数学形态学的图像颗粒数目统计算法
  • 5.1 基于连通域标记的统计方法
  • 5.1.1 区域连通性
  • 5.1.2 连通域标记
  • 5.1.3 统计的基本流程和步骤
  • 5.1.4 仿真结果与分析
  • 5.3
  • 5.3.2 统计方法的实现
  • 5.3.3 仿真结果与分析
  • 5.4 本章小结
  • 6 总结与展望
  • 6.1 论文工作总结
  • 6.2 未来工作展望
  • 参考文献
  • 致谢
  • 研究生期间发表论文及参加项目情况
  • 相关论文文献

    • [1].基于数学形态学的油压波动信号降噪研究[J]. 液压气动与密封 2020(09)
    • [2].基于改进数学形态学与S变换的暂态电能质量扰动检测[J]. 天津大学学报(自然科学与工程技术版) 2016(06)
    • [3].基于数学形态学的月海圆形撞击坑自动识别方法[J]. 中国科学:物理学 力学 天文学 2013(03)
    • [4].基于数学形态学的人脸检测研究[J]. 电子技术 2009(03)
    • [5].数学形态学(Mathematical morphology)基本涵义[J]. 现代渔业信息 2008(09)
    • [6].基于数学形态学与多尺度的建筑物信息提取[J]. 地理空间信息 2018(01)
    • [7].基于数学形态学和小波分析法的色选算法[J]. 产业与科技论坛 2017(24)
    • [8].基于数学形态学的电能质量干扰信号的检测[J]. 电子制作 2014(01)
    • [9].基于数学形态学的图像边缘检测新方法[J]. 无线电通信技术 2008(05)
    • [10].基于数学形态学的路面裂缝图像处理技术[J]. 公路工程 2018(02)
    • [11].基于数学形态学的甲骨拓片字形复原方法[J]. 计算机技术与发展 2018(12)
    • [12].煤岩微观图像的K-均值和数学形态学分割算法研究[J]. 煤矿安全 2018(03)
    • [13].数学形态学在图像分割中的应用研究[J]. 计算机光盘软件与应用 2013(19)
    • [14].第十三届国际体视学大会国际数学形态学培训班通知[J]. 中国体视学与图像分析 2011(03)
    • [15].基于二值化数学形态学智能变电站视频处理技术研究[J]. 电子技术 2018(02)
    • [16].旋转机械振动信号处理中数学形态学的应用[J]. 南方农机 2018(05)
    • [17].基于小波分析与数学形态学融合的降噪算法研究[J]. 价值工程 2012(19)
    • [18].数学形态学在变压器局部放电中的应用研究[J]. 电工电气 2010(11)
    • [19].基于数学形态学的提升小波图像去噪研究[J]. 科技经济导刊 2018(35)
    • [20].浅谈数学形态学在生物医学中的应用[J]. 中国高新区 2018(04)
    • [21].颗粒品质检测边缘识别探究[J]. 中国新技术新产品 2013(11)
    • [22].基于方差和数学形态学的指纹分割算法[J]. 计算机与现代化 2008(03)
    • [23].数学形态学在昆虫鉴定中的应用[J]. 河北农业科学 2012(04)
    • [24].基于数学形态学的工频通信信号识别技术[J]. 中国民航大学学报 2008(01)
    • [25].基于数学形态学的换相失败检测新方法[J]. 电工技术学报 2016(04)
    • [26].基于数学形态学的细胞图像分割[J]. 杭州电子科技大学学报 2008(06)
    • [27].基于数学形态学图像处理算法研究[J]. 信息通信 2019(12)
    • [28].自适应广义数学形态学抑制局部放电窄带干扰[J]. 电机与控制学报 2013(04)
    • [29].一种基于数学形态学细化的道路跟踪选择算法[J]. 现代电子技术 2008(13)
    • [30].数学形态学滤波算法在红外图像噪声消除中的应用[J]. 弹箭与制导学报 2008(03)

    标签:;  ;  ;  ;  ;  ;  ;  ;  

    基于数学形态学的医学图像目标检测
    下载Doc文档

    猜你喜欢