论文摘要
本文在分析骨龄评价国内外研究现状基础上,结合对小波分析的研究,提出了小波分析去噪声应用于骨龄评价系统中的骨化中心定位。 小波分析是在Fourier分析基础上发展产生的一种信号分析工具,它具有Fourier分析的优点,比如能在频率域分析等,同时它又克服了Fourier分析的不足,提出了局部分析的思想,能同时在时域和频域对信号进行分析。小波分析所处理局部信号的尺度可以随着频率的增加而减小,可以从多个尺度观察信号,这就符合人眼观察目标的特征,即先从整体上观察目标,再分析目标的局部细节信息。正因为小波分析的这一特性,小波分析被广泛用于信号分析领域中。因此小波分析具有很高的理论和实用价值,对小波分析的研究也就成为非常有意义的课题。 骨龄评价就是根掘手骨的X射线片,参考标准模板,评价骨骼的发育程度,并根据骨龄评价结果判断少年儿章的健康状况。由于骨骼比较生物体的其它变化指标更能可靠地的反映生物体的发育程度,因此骨龄评价成为医学界非常重要的技术。计算机骨龄评价系统是骨龄评价技术在计算机上的实现,即由计算机自动分析手骨图像,自动评价骨骼发育程度。小波去噪声技术应用于计算机骨龄评价系统中的指骨识别能提高骨龄评价的准确度。 指骨识别主要依靠骨化中心,因而骨化中心的定位成为指骨识别的关键。经过多方面特征的分析比较发现,用投影图来定位骨化中心比较理想。投影图波动明显,但噪声比较大,影响骨化中心定位结果,因此去除投影噪声非常重要。本文在比较各种去噪声方法的基础上采用小波分析去噪声技术。实验结果表明,小波分析去噪声能很好地去除指骨投影图的噪声,极大地提高计算机骨龄评价系统的准确度。
论文目录
摘要ABSTRACT目录第一章 概述1.1 小波分析1.1.1 原有的分析方法及不足之处1.1.2 小波的出现1.1.3 小波分析的发展及应用1.2 骨龄评价1.2.1 手腕骨1.2.2 手腕骨骨龄评价方法1.2.3 骨龄评价系统的计算机实现1.3 指骨识别1.3.1 图像增强1.3.2 骨化中心定位1.3.3 图像分割1.3.4 识别第二章 小波分析2.1 小波变换的由来2.1.1 Fourier分析2.2 小波基2.2.1 由Shanno定理引出MRA2.2.2 小波基2.2.3 尺度函数φ(t)的构造2.3 小波的多分辨率分析2.3.1 一维多分辨率分析2.3.2 二维多分辨率分析2.3.3 多分辨率分析的简单说明2.4 小波分析在图象处理中的应用第三章 小波分析在去除噪声中应用3.1 经典去噪声方法3.2 现代滤波器3.2.1 维纳滤波器3.2.2 卡尔曼滤波3.3 小波去噪声原理3.3.1 基于小波分析的极值去噪法3.3.2 非线性法小波去噪第四章 指节骨骨龄评价4.1 图像增强4.2 骨化中心定位4.2.1 指骨投影图像分析4.2.2 投影的小波去噪声4.2.3 骨化中心定位4.2.3.1 只含一节指骨图的定位4.2.3.2 含整个指头的骨化中心定位4.3 图像分割4.3.1 图像分割技术回顾4.3.1.1 基于区域的图像分割方法4.3.1.2 基于边缘的图像分割4.3.1.3 区域与边缘相结合的图像分割4.3.1.4 多尺度图像分割4.3.2 指节骨图像分割4.3.2.1 阈值选择方法4.3.2.2 阈值平面的改进4.3.2.3 结合全局阈值分割4.4 指节骨识别4.4.1 识别特征4.4.2 识别方法4.4.2.1 数据聚类4.4.2.2 统计分类4.4.2.3 神经网络4.4.2.4 结构模式识别4.4.3 各阶段的识别4.4.3.1 第一阶段4.4.3.2 第二阶段4.4.3.3 第三阶段第五章 总结致谢参考文献附录A 攻读学位期间发表的论文
相关论文文献
标签:小波分析论文; 小波基论文; 多分辨率分析论文; 小波去噪论文; 滤波器论文; 骨龄评价论文; 骨化中心论文; 骨骺论文;