資源描述：
《基于改進的模糊連接度的醫(yī)學(xué)圖像分割算法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、工程碩士學(xué)位論文基于改進的模糊連接度的醫(yī)學(xué)圖像分割算法作者姓名暢彤學(xué)科專業(yè)計算機技術(shù)校內(nèi)指導(dǎo)教師許勇教授校外指導(dǎo)教師楊育斌高級副總裁所在學(xué)院計算機科學(xué)與工程學(xué)院論文提交日期2018年4月ImprovedFuzzyConnectednessSegmentationMethodofMedicalImagesADissertationSubmittedfortheDegreeofMasterCandidate：ChangTongSupervisor：Prof.XuYongSeniorVicePresidentYangYubinSouthChinaUniversityofTechnologyGuang
2、zhou,China分類號：TP3學(xué)校代號：10561學(xué)號：201521031928華南理工大學(xué)碩士學(xué)位論文基于改進的模糊連接度的醫(yī)學(xué)圖像分割算法作者姓名：暢彤指導(dǎo)教師姓名、職稱：許勇教授申請學(xué)位級別：工程碩士工程領(lǐng)域名稱：計算機技術(shù)論文形式：?產(chǎn)品研發(fā)?工程設(shè)計?應(yīng)用研究?工程/項目管理?調(diào)研報告研究方向：圖像處理論文提交日期：2018年4月20日論文答辯日期：2018年6月1日學(xué)位授予單位：華南理工大學(xué)學(xué)位授予日期：年月日答辯委員會成員：主席：孫長銀教授委員：韓國強教授林偉偉教授徐雪妙教授李家春副教授摘要圖像分割是醫(yī)學(xué)圖像處理過程中最關(guān)鍵的步驟之一，其效果的好壞直接決定了后續(xù)工作的質(zhì)量。然
3、而，由于醫(yī)學(xué)圖像本身所具有的各部分邊界不明顯的特點，使得分割的過程困難重重，本次論文工作在模糊連接度理論框架的基礎(chǔ)上提出了兩種改進的圖像分割方法。第一種方法結(jié)合了區(qū)域生長算法以及基于多種子點的分割算法，在理論推斷和實驗中，證明了該方法可以有效地克服前人提出的算法中手工選擇種子點時所導(dǎo)致的目標區(qū)域分割不精確以及在面臨多塊不相鄰的目標區(qū)域時無法完整分割的問題。從實踐來看，多種子點的選取技術(shù)不僅僅可以分割出完整的結(jié)果，還可以提升每一部分分割的完整性，有著一舉兩得的作用。第二種方法使用了基于非對稱逆布局模型的分割算法作為模糊連接度的預(yù)處理步驟，該分割算法可以將圖像分為擁有相同灰度級的子模式集，從而大大
4、減小處理時所需參與計算的像素數(shù)目，順帶也減少了存儲時所占用的空間。本次論文工作從理論方面描述了非對稱逆布局分割算法和模糊連接度算法相結(jié)合的可行性和優(yōu)越性，并通過實驗證明了上述推論。從結(jié)果來看，該算法有著占用存儲空間小，運算速度快，并且和傳統(tǒng)的模糊連接度算法相比分割效果基本不損失的效果，對于基于模糊連接度理論的醫(yī)學(xué)圖像分割算法理論分支是一種很好的補充。為了驗證所提出的方法，使用了來自于大型醫(yī)院的原始真實圖像來進行測試，以保證數(shù)據(jù)結(jié)果的代表性和真實性，通過計算重合率(Dice)、過分割率(OR)和欠分割率(UR)來進行效果評估，從而量化本文的算法效果，結(jié)果表明，本文所述方法在對于醫(yī)學(xué)圖像的分割方面
5、有著良好的效果和低的時間復(fù)雜度。本次的論文工作理論嚴謹、測試過程有說服力，有著一定的研究成效。關(guān)鍵詞：圖像分割；模糊連接度；區(qū)域生長；多種子點；非對稱逆布局IAbstractImagesegmentationisakeystepinmedicalimageprocessing,sinceitaffectsthequalityofthemedicalimageinthefollow-upsteps.However,inthepracticeofprocessingMRIimages,wefindoutthatthesegmentationprocessinvolvesmuchdifficulty
6、duetothepoorlydefinedboundariesofmedicalimages.Inthisstudy,weproposedtwoimprovedimagesegmentationmethodsbasedonthetheoreticalframeworkoffuzzyconnectedness.Thefirstmethodhasinvolvedregiongrowingalgorithmcombinedwithmultipleseedsselection.Intheoreticalinferenceandexperiments,ouralgorithmcaneffectively
7、overcomemanyproblemswhenmanualselectionisused,suchastheun-preciseresultofeachtargetregionsegmentedofthemedicalimageandthedifficultyofcompletionthesegmentationwhentheareasarenotconnected.Frompractice,o
