2D-MAP自动分割方法研究

论文摘要

2D-MAP图像处理利用图像分割技术对探测器晶体获取的γ光子空间位置分布图像进行处理,确定发生闪烁事件的晶格位置,形成晶体位置图（CPM）。文章采用以下方法对2D-MAP图像进行分割。采用空域、频域相结合的基于图像滤波降噪预处理的改进分水岭分割算法对2D-MAP图像进行分割;利用2D-MAP图像空间位置分布的物理模型特点,采用基于数学形态学高帽低帽混合变换的改进分水岭分割算法;利用SOFM自组织特征映射神经网络,对2D-MAP图像进行像素样本数据的网络训练,通过网络权向量空间分布特点来反应晶体位置图的几何空间分布结构,实现2D-MAP图像分割聚类、晶体位置识别的功能;利用PNN概率神经网络,对每个晶体位置的闪烁事件采用高斯概率分布模型,通过最大后验概率准则来实现2D-MAP图像分割,确定晶体位置图（CPM）;利用图像搜索算法,识别2D-MAP图像中探测到独立闪烁事件的亮斑分布区域,并通过区域灰度极值确定晶体位置图（CPM）中各个探测器晶体中心,并通过类别中心距离均匀划分晶体边界,实现图像分割。同时文章介绍PET数据传输硬件系统的设计实现,系统利用EPP并口协议进行并行数据的高速发送,通过时序握手信号控制数据的接收,并将其转换为包含地址和数据信息的串行信号,满足PET系统数据传输量大,传输速度高的要求,实现PC端对硬件电路板系统参数输入控制。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 课题背景与意义
• 1.2 国内外研究现状
• 1.3 研究内容与创新点
• 1.4 论文结构安排
• 第2章 医学图像分割原理与方法
• 2.1 图像分割定义
• 2.2 图像分割方法简介
• 2.2.1 基于边缘的分割方法
• 2.2.2 基于区域的分割方法
• 2.3 基于边缘检测图像分割
• 2.3.1 基于一阶导数的边缘检测
• 2.3.2 基于二阶导数的边缘检测
• 2.3.3 不同边缘检测算子的比较
• 2.4 图像分割效果评价
• 第3章 基于形态学分水岭算法的图像分割
• 3.1 医学图像滤波
• 3.1.1 空域滤波
• 3.1.2 频域滤波
• 3.1.3 二维图像FFT 变换
• 3.2 数学形态学图像处理
• 3.2.1 数学形态学原理
• 3.2.2 灰度形态学基本运算
• 3.2.3 灰度形态学应用
• 3.3 分水岭图像分割算法
• 3.3.1 分水岭算法基本思想
• 3.3.2 分水岭分割算法
• 3.4 实验结果及分析
• 第4章 基于神经网络算法的图像分割
• 4.1 自组织特征神经网络
• 4.1.1 SOFM 神经网络模型
• 4.1.2 SOFM 神经网络结构
• 4.1.3 SOFM 神经网络算法
• 4.1.4 SOFM 神经网络设计
• 4.2 径向基神经网络
• 4.2.1 径向基网络工作原理
• 4.2.2 径向基网络学习算法
• 4.2.3 径向基网络学习过程
• 4.3 概率神经网络
• 4.3.1 概率神经网络结构
• 4.3.2 概率神经网络工作原理
• 4.4 实验结果及分析
• 第5章 EPP 并口电路设计
• 5.1 计算机EPP 并口传输原理
• 5.1.1 计算机并口类型
• 5.1.2 EPP 并口寄存器
• 5.1.3 EPP 并口读写时序
• 5.2 EPP 并口电路设计
• 5.2.1 系统框架结构
• 5.2.2 系统实现
• 5.2.3 系统测试结果
• 第6章 结论
• 6.1 本文工作总结
• 6.2 后续工作讨论
• 参考文献
• 致谢
• 个人简历、在学期间发表的学术论文与研究成果