基于粗糙集理论的医学图像分割.doc
约46页DOC格式手机打开展开
基于粗糙集理论的医学图像分割,摘要 医学图像在临床诊断中发挥着越来越重要的作用，然而由于人体解剖结构的复杂性、软组织的不规则性，以及成像质量受到多种因素的影响，使得医学图像理解和分析成为一个难点。准确的医学图像分割，是解决此难点的关键因素之一。图像分割的目的是为了在对象层次上访问医学图像、描述医学图像的解剖结构和提取感兴...
内容介绍
此文档由会员 那年三月 发布
基于粗糙集理论的医学图像分割
摘要 医学图像在临床诊断中发挥着越来越重要的作用，然而由于人体解剖结构的复杂性、软组织的不规则性，以及成像质量受到多种因素的影响，使得医学图像理解和分析成为一个难点。准确的医学图像分割，是解决此难点的关键因素之一。图像分割的目的是为了在对象层次上访问医学图像、描述医学图像的解剖结构和提取感兴趣区域，对组织体积测量，疾病诊断和计算法辅助的手术起着关键的作用。
粗糙集理论是一种处理不确定性问题的重要工具，其优点在于不需要任何的先验知识。图像分割实质上可看作是一个对图像各像素进行划分问题，将粗糙集应用其中，主要是将图像视为一个知识系统，以优化原有分割算法。
目前有多种医学图像分割方法，分割方法可以大致分为基于边缘探测和区域提取两类。然而现有的图像直方图粗糙集分割方法仅仅考虑了灰度的统计信息，没有考虑空间相关性；此外，因直方图的不光滑性，存在许多“伪局部最小值”的阈值，导致图像容易出现过分割。为此，我们提出了基于局部多项式粗糙
