資源描述：
《基于小波變換醫(yī)學(xué)圖像分割系統(tǒng)研究論文.doc》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、基于小波變換的醫(yī)學(xué)圖像分割系統(tǒng)的研究摘要圖像分割是圖像處理中一項重要的技術(shù)，其目的是把圖像分成各具特性的區(qū)域并提取出感興趣的部分。其結(jié)果為圖像分析和理解提供依據(jù)。圖像分割是一個經(jīng)典問題，從發(fā)展至今仍沒有找到一個通用的方法。本文通過對醫(yī)學(xué)圖像分割技術(shù)的相關(guān)背景、原理及算法進行研究，采用MATLAB來編程開發(fā)一個基于灰度直方圖與小波變換的醫(yī)學(xué)圖像分割系統(tǒng)。本文在預(yù)處理部分采用對圖像進行平滑、灰度調(diào)整等操作。其中，平滑采用中值濾波算法。第二個部分是基于直方圖的小波變換。首先，采用的是基于小波基sym8的濾波算法對直方圖進行濾波，能較好的減小噪聲對直方圖波形的影響。然后，利用小波變換的多尺度特
2、性，對原圖灰度直方圖采用基于小波基db4的五層小波分解，重構(gòu)第五層近似分量。第三個部分是多閾值分割。對第二部分中直方圖的近似分量采用動態(tài)閾值檢測，利用檢測出的多閾值對原圖像進行圖像分割。本文把直方圖與小波變換方法結(jié)合起來，將小波變換應(yīng)用于灰度直方圖后進行圖像的分割，在高尺度上選擇分割的閾值，這樣使得閾值的選取更加合理。實驗結(jié)果表明，該方法具有較好的分割效果。關(guān)鍵詞：醫(yī)學(xué)圖像分割，預(yù)處理，灰度直方圖，小波變換，閾值分割WAVELET-BASEDMEDICALIMAGESEGMENTATIONSYSTEMABSTRACTImagesegmentationisanimportantimage
3、processingtechnology.Itspurposeistoimageintoregionswithdifferentcharacteristicsandextracttheinterestingpart.Theresultsprovidethebasisforimageanalysisandunderstanding.Imagesegmentationisaclassicalproblem,fromthedevelopmenthasyettofindacommonapproach.Basedonthemedicalimagesegmentationtechnologybac
4、kground,theoryandalgorithmresearch,useofMATLABtodevelopaprogrambasedonhistogramandwavelettransformformedicalimagesegmentationsystem.Inthispaper,theimagepreprocessingpartissmooth,grayscaleadjustmentoperation.Amongthem,thesmoothingbymedianfilteringalgorithm.Thesecondpartisbasedonthehistogramofthew
5、avelettransform.Firstofall,usingthewavelet-basedfilteringalgorithmsym8histogramfilteringcanbebettertoreducetheimpactofnoiseonthehistogramwaveform.Then,usingthewavelettransformmulti-scalefeaturesoftheoriginalimagehistogramusingafive-storybasedonwaveletdb4waveletdecompositionandreconstruction,simi
6、lartothefifthfloorcomponent.Thethirdpartisamulti-thresholding.Thesecondpartofthehistogramoftheapproximateweightbydynamicthresholddetection,theuseofmulti-thresholddetectionoftheoriginalimageforimagesegmentation.Thishistogramandwavelettransformmethodtocombinethewavelettransformappliedtoimagesafter
7、histogramsegmentation,selectthepartitioninthehigh-scalethreshold,whichmakestheselectionmorereasonablethreshold.Experimentalresultsshowthatthemethodhasbettersegmentation.KEYWORDS:Medicalimagesegmentation,preprocessing,histogr
