CASAS中的骨骼分割与定位研究

论文摘要

骨龄评分主要是对儿童青少年的骨发育进行分期、评分而得出骨发育年龄的方法,具有明确的量化概念,使得计算骨龄的精确度大大提高,目前已得到愈来愈广泛的应用,如在预测小儿成年后身高,评价小儿生长发育,诊断和监护内分泌、生长发育的疾病及其治疗,研究人类生长及其影响因素等方面已成为不可缺少的指标。传统的骨龄评分法是由医生根据主观判断来给出分值,不同医生给出的分值可能会有所差异,分值受医生的主观影响较大,而且由于要对多块不同的骨骼进行判断分析,由人来处理所需时间较长,不能够进行批量处理。要使骨龄评分自动化,首先要将X光片中待识别的特征骨骼对象分离提取出来,以便进行下一步的识别评分。本文的研究内容将主要集中在这一部分。 骨龄评分主要是针对儿童的掌部骨骼X-ray图像进行的,要想实现对X-ray图像中掌骨的自动测量、分级、评分过程,能否把待测的骨骼从图像中分割出来是关键。文中使用了局部动态阈值方法,降低了光照不均匀的影响,利用了掌骨在X光片中呈现高亮度的特点来求取局部阈值。 本文针对计算机辅助儿童骨龄自动识别系统中特征骨骼分离定位问题,进行了以下一些方面的研究工作: 1) 针对手掌X-ray图像的灰度直方图中灰度呈现出骨骼、肌肉和背景三个高、中、低的区域分布特性,提出了自己的掌骨区域分割方法; 2) 利用手掌X-ray图像中手掌结构的先验知识,通过形态学滤波,灰度投影等方法来对手掌图像的各块特征指骨的位置进行标定,在通过局部位置的旋转、拷贝进行特征骨的分离; 3) 针对掌骨手腕部位的特性,利用曲率分析的方法,通过高斯滤波平滑轮廓,并求取轮廓上曲率最大值的方法来对尺骨、桡骨与掌骨间的分离位置进行标定; 4) 用Visual C++搭建一个测试用的试验平台,用于测试所设计的算法的工作特性及有效性,以及显示观察实验的结果。 系统试验的结果表明,本文所提出的计算机辅助儿童骨龄自动识别系统中的

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 图像技术的发展
• 1.2 图像识别的基本过程
• 1.3 儿童骨龄自动评价系统简介
• 1.4 图像分割与特征定位
• 第二章 图像分割方法概述
• 2.1 图像分割的介绍
• 2.2 图像分割的基本方法
• 2.2.1 基于数据驱动的分割
• 2.2.2 基于模型驱动的分割
• 2.3 分割阈值的计算
• 2.3.1 K-均值聚类算法
• 2.3.2 直方图与直方图变换方法
• 2.3.3 迭代法阈值
• 2.3.4 最大类间方差法（OTSU法）
• 2.3.5 直方图熵法
• 第三章 X-RAY图像预处理的特点及其分割方法的改进
• 3.1 X-ray图像预处理的特点
• 3.2 系统对分割的要求
• 3.3 分割中存在的问题
• 3.4 图像预处理
• 3.5 手掌骨骼的分割
• 3.6 手掌轮廓的分割
• 3.7 手掌轮廓分割后的处理
• 第四章 特征定位
• 4.1 参考点的获取
• 4.2 形状分析的常用方法
• 4.2.1 周长、面积和紧密度
• 4.2.2 距离测度和延展度
• 4.2.3 均方曲率
• 4.3 曲率分析方法获取界标点
• 4.4 另一种指骨定位的方法（不依赖于曲率的计算）
• 4.5 利用界标点进行手指定位
• 4.6 定位方法的优化
• 4.7 手指关节定位
• 4.8 尺骨、挠骨的定位
• 4.8.1 尺骨和挠骨垂直方向上的定位
• 4.8.2 尺骨和挠骨水平方向上的定位
• 4.9 试验结果与讨论
• 第五章 工作与展望
• 5.1 论文的工作与总结
• 5.2 进一步需要做的工作和考虑
• 致谢
• 参考文献