遗传聚类算法及其在医学图像分割中的应用

遗传聚类算法及其在医学图像分割中的应用

论文摘要

图像分割是从图像处理到图像分析的关键步骤。图像分割最重要的一个应用就是医学图像分割。很多生物医学信息都是以图像形式表现出来的,如X射线图像、断层CT图像以及超声图像,它使人类视觉从表面向内部延伸。人们可以通过他们来获取人体内部器官在解剖形态、生物化学和生理功能上的有用信息。由于医学图像中的病灶有时会与周围的正常组织在灰度、形状上相似,用肉眼不易分辨,所以需要进行图像分割,使病灶明显的呈现出来。遗传算法是一种模拟生物自然选择与进化过程的随机、并行、自适应搜索算法,它是20世纪70年代由美国Michigan大学的John Holland教授创建的。由于它思想简单、易于计算,近年来,已广泛应用于函数优化、组合优化、自动控制、智能控制、图像处理和模式识别、人工生命以及机器学习等领域,并取得了令人鼓舞的成就。聚类分析是一种无导师的学习方法,能够从研究对象的特征数据中发掘关联规则,因而是一种强大有力的信息处理方法。本文通过将遗传算法和聚类分析相结合,从在特征空间内对象素聚类的角度提出了一种遗传聚类分割算法,用遗传算法搜索最优聚类中心,有效的避免了常用算法如C均值聚类算法中初始聚类中心的选取问题。文中以一幅有病变的眼球照片为例,在VC++环境下,编程实现了对图像的分割,得到了比较满意的结果,使病灶明显的呈现出来。

论文目录

  • 摘要
  • Abstract
  • 第一章 引言
  • 1.1 遗传算法
  • 1.1.1 遗传算法的基本概念
  • 1.1.2 遗传算法的特点
  • 1.1.3 遗传算法的构成要素
  • 1.2 聚类算法
  • 1.2.1 聚类的定义
  • 1.2.2 聚类准则
  • 1.2.3 常见的聚类算法
  • 1.3 数字图像处理的有关知识
  • 1.3.1 数字图像处理概述
  • 1.3.2 图像分割的概念
  • 1.3.3 图像分割的基本方法
  • 1.3.4 图像分割目前的一些主要应用场合
  • 1.4 医学图像分割的现状
  • 1.5 课题的提出
  • 1.6 本文所作的主要工作
  • 第二章 遗传聚类分割算法的设计与实现
  • 2.1 遗传聚类分割算法的设计
  • 2.2 遗传聚类分割算法的实现
  • 2.2.1 构造自己的DIB函数库
  • 2.2.2 遗传聚类分割算法的编程原理
  • 2.2.3 遗传聚类分割算法的实现程序
  • 第三章 遗传聚类算法在医学图像分割中的应用
  • 3.1 软件设计
  • 3.2 界面设计
  • 3.3 程序运行结果
  • 3.4 实验结果分析
  • 3.5 图像分割进一步应用的探讨
  • 第四章 结束语
  • 4.1 遗传聚类分割算法的特点
  • 4.2 需要进一步研究的问题
  • 参考文献
  • 致谢
  • 相关论文文献

    标签:;  ;  ;  ;  

    遗传聚类算法及其在医学图像分割中的应用
    下载Doc文档

    猜你喜欢