資源描述：
《基于std_SLIC的醫(yī)學(xué)圖像超像素分割算法研究》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、分類號：TP391單位代碼：10183研究生學(xué)號研：2015532082密級：公開基于std_SLIC的醫(yī)學(xué)吉林大學(xué)圖像超碩士學(xué)位論文像素分（學(xué)術(shù)學(xué)位）割算法基于std_SLIC的醫(yī)學(xué)圖像超像素分割算法研究研究ResearchofMedicalImageSuperpixelSegmentationAlgorithmBasedonstd_SLIC祁作者姓名：祁琪琪專業(yè)：計算機(jī)應(yīng)用技術(shù)研究方向：圖像分割指導(dǎo)教師：申鉉京教授吉林培養(yǎng)單位：計算機(jī)科學(xué)與技術(shù)學(xué)院大學(xué)2018年4月基于std_SLIC的醫(yī)學(xué)圖像超像素分割算法研究ResearchofM
2、edicalImageSuperpixelSegmentationAlgorithmBasedonstd_SLIC作者姓名：祁琪專業(yè)名稱：計算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：申鉉京教授學(xué)位類別：工學(xué)碩士答辯日期：2018年5月23日未經(jīng)本論文作者的書面授權(quán)，依法收存和保管本論文書面版本、電子版本的任何單位和個人，均不得對本論文的全部或部分內(nèi)容進(jìn)行任何形式的復(fù)制、修改、發(fā)行、出租、改編等有礙作者著作權(quán)的商業(yè)性使用（但純學(xué)術(shù)性使用不在此限）。否則，應(yīng)承擔(dān)侵權(quán)的法律責(zé)任。吉林大學(xué)碩士學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下，
3、獨立進(jìn)行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：日期：年月日《中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫》投稿聲明研究生院：本人同意《中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫》出版章程的內(nèi)容，愿意將本人的學(xué)位論文委托研究生院向中國學(xué)術(shù)期刊（光盤版）電子雜志社的《中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫》投稿，希望《中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫》給予出版，并同意在《中國博碩
4、士學(xué)位論文評價數(shù)據(jù)庫》和CNKI系列數(shù)據(jù)庫中使用，同意按章程規(guī)定享受相關(guān)權(quán)益。論文級別：■碩士□博士學(xué)科專業(yè)：計算機(jī)應(yīng)用技術(shù)論文題目：基于std_SLIC的醫(yī)學(xué)圖像超像素分割算法研究作者簽名：指導(dǎo)教師簽名：年月日作者聯(lián)系地址（郵編）：吉林省長春市130012作者聯(lián)系電話：18204310662摘要基于std_SLIC的醫(yī)學(xué)圖像超像素分割算法研究隨著醫(yī)學(xué)成像技術(shù)的迅速發(fā)展，醫(yī)學(xué)影像在科研領(lǐng)域與醫(yī)療診斷治療中具有越來越重要的意義和價值。醫(yī)學(xué)圖像分割技術(shù)作為一種處理醫(yī)學(xué)影像的重要手段，在醫(yī)學(xué)圖像處理領(lǐng)域發(fā)揮著重要作用，引起了相關(guān)領(lǐng)域?qū)＜液蛯W(xué)者們
5、的廣泛關(guān)注。超像素作為圖像中具有相似特征的像素的集合，數(shù)量比像素數(shù)小很多。對于像素數(shù)目越來越多的醫(yī)學(xué)圖像來說，用超像素代替像素作為圖像基本單元可以極大地提高圖像處理的速率，而且超像素還能夠反映出圖像中像素點之間的部分空間與特征關(guān)系，可以提高目標(biāo)提取的精確度。在本文中，我們主要對超像素分割算法中的SLIC(simplelineariterativeclustering)算法在醫(yī)學(xué)圖像超像素分割中的應(yīng)用進(jìn)行了研究與改進(jìn)。本文針對醫(yī)學(xué)圖像對超像素分割結(jié)果精確性的要求，改進(jìn)了傳統(tǒng)的SLIC超像素分割算法在迭代更新聚類中心過程中的更新策略。在更新聚
6、類中心的時候只使用與原聚類中心灰度相似的像素點來計算新的聚類中心，提出了醫(yī)學(xué)圖像的std_SLIC超像素分割算法。該方法首先采用三維直方圖去噪模型對原始醫(yī)學(xué)圖像進(jìn)行處理，減少圖像中噪聲的干擾，然后利用gamma增強(qiáng)模型增大目標(biāo)區(qū)域與背景區(qū)域的對比度，減少目標(biāo)區(qū)域邊界像素點劃分錯誤的概率。最后用改進(jìn)了聚類中心更新策略的std_SLIC算法對醫(yī)學(xué)圖像進(jìn)行超像素分割，得到最終的超像素分割結(jié)果。該方法減小了特征不相似的像素點對計算新聚類中心過程的影響，使得聚類中心的更新更加精確。實驗結(jié)果表明，本文提出的算法在醫(yī)學(xué)圖像超像素分割的精確度上有顯著提高
7、。std_SLIC算法與SLIC算法一樣應(yīng)用像素點的顏色信息和空間位置信息計算像素之間相似性。醫(yī)學(xué)圖像多為灰度圖像，可以應(yīng)用的顏色信息只有像素點的灰度值。但是不同的組織器官具有各自獨特的紋理特征，利用這些紋理特征可以區(qū)分不同的組織器官。紋理特征的變化也可以反映人體器官的性質(zhì)特征和病理改變，對醫(yī)學(xué)研究、醫(yī)療診斷和臨床治療有極大的幫助。因此，將圖像的紋理特征應(yīng)用到像素間相似度的計算當(dāng)中，對于提高醫(yī)學(xué)圖像超像素分割的精度和準(zhǔn)度有很大的幫助。由于人體結(jié)構(gòu)的復(fù)雜性，醫(yī)學(xué)圖像中的紋理特征十分復(fù)雜，因此本文采用局部紋理特征提取方法來提取I醫(yī)學(xué)圖像中的紋
8、理特征。本文在綜合分析了一些局部紋理特征提取方法之后，選取了Ltridp算法的幅值模式來提取圖像的紋理特征。在對醫(yī)學(xué)圖像進(jìn)行了去噪和增強(qiáng)之后，將提取出的紋理特征信息加入到std_SLIC超像素
