基于空间信息混合模型的医学图像分割算法研究.doc
约26页DOC格式手机打开展开
基于空间信息混合模型的医学图像分割算法研究,12800字自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用摘要随着成像技术的不断提高，医学图像在诊断中的作用越来越大。医学图像的处理也自然而然地成为当下的一个热点，医学图像分割更是其中的关键一环。医学图像分割是其他医学图像处理与模式识别问...
内容介绍
此文档由会员 淘宝大梦 发布
基于空间信息混合模型的医学图像分割算法研究
12800字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
摘要 随着成像技术的不断提高，医学图像在诊断中的作用越来越大。医学图像的处理也自然而然地成为当下的一个热点，医学图像分割更是其中的关键一环。医学图像分割是其他医学图像处理与模式识别问题的前处理技术，并可为临床诊断和辅助治疗提供有力的支持。医学图像分割的效果直接决定着计算机辅助诊断系统的成败。
传统高斯混合模型的医学图像分割由于其算法的简单和稳定，成为医学图像分割的常用方法，但其用于医学图像分割时,由于该方法只利用了像素的灰度信息,而没有利用位置信息, 会导致图像分割结果不准确，容易出现噪声点，成为影响后续处理效果的关键因素，有必要进一步研究。基于以上原因，本文对传统的高斯混合模型进行了一些改进，在其中引入一个像素的空间信息函数。通过验证，该函数能够有效模拟邻域像素信息对当前像素的影响。最终实验证明，使用改进的高斯混合模型进行医学图像分割，较使用传统的高斯混合模型时，可以简单有效的抑制图像噪声点的同时能够很好保留图像边界细节。
关键词：空间信息 图像分割 高斯混合模型 EM算法
Medical Image Segmentation Algorithm Based on the Hybrid Model of Spatial Information
Abstract With the continuous improvement of imaging technology, medical image and role in the diagnosis of the greater. Medical image processing has come very naturally to become a hot current, medical image segmentation is the key part of. Medical image segmentation is the pretreatment technology of other medical image processing and pattern recognition problems, and can provide powerful support for the clinical diagnosis and treatment. The effect of segmentation directly determines the success or failure of the computer aided diagnosis system.
The traditional medical image segmentation of Gauss mixture model because of its simple algorithm and stability, become the common methods of medical image segmentation, but it is used for medical image segmentation, because the method only uses gray information of pixels, without using location information, will cause the image segmentation result is not accurate, prone to noise, become the key factors influencing follow-up treatment effect, it is necessary to further study. Based on the above reason, this paper Gauss mixture model of traditional made some improvements, spatial information function into a pixel in the. Through the verification, the function can simulate the effect of pixel information for the current pixel neighborhood. The final experiment shows that, using the Gauss mixture model improved segmentation of medical image, compared with the traditional Gauss mixture model, can suppress image noise point is simple and effective and can be a very good image edge details preserving.
Key words： Spatial Information Image segmentation Gauss mixture model EM algorithm
目 录
第一章 绪论 5
1.1 图像分割 5
1.2 图像分割主要研究方法 5
1.2.1 边缘检测法 6
1.2.2 区域提取法 7
1.2.3 阈值分割法 7
1.2.4 结合特定理论工具的分割方法 8
1.3 论文结构安排 9
第二章 医学图像分割 11
2.1 简述 11
2.2 医学图像发展 11
第三章 高斯混合模型和EM算法 13
3.1 高斯混合模型 13
3.1.1 高斯混合模型简介 13
3.1.2 高斯混合模型的建立 13
3.2 EM算法 14
3.2.1 EM算法简介 14
3.2.2 EM算法描述 15
第四章 基于空间信息混合模型的医学图像分割 17
4.1 基于空间信息的混合模型 17
4.2 基于空间信息混合模型的医学图像分割 19
4.3 实验和分析 20
4.4 实验结论 25
结 论 25
致 谢 26
参考文献 27
12800字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
摘要 随着成像技术的不断提高，医学图像在诊断中的作用越来越大。医学图像的处理也自然而然地成为当下的一个热点，医学图像分割更是其中的关键一环。医学图像分割是其他医学图像处理与模式识别问题的前处理技术，并可为临床诊断和辅助治疗提供有力的支持。医学图像分割的效果直接决定着计算机辅助诊断系统的成败。
传统高斯混合模型的医学图像分割由于其算法的简单和稳定，成为医学图像分割的常用方法，但其用于医学图像分割时,由于该方法只利用了像素的灰度信息,而没有利用位置信息, 会导致图像分割结果不准确，容易出现噪声点，成为影响后续处理效果的关键因素，有必要进一步研究。基于以上原因，本文对传统的高斯混合模型进行了一些改进，在其中引入一个像素的空间信息函数。通过验证，该函数能够有效模拟邻域像素信息对当前像素的影响。最终实验证明，使用改进的高斯混合模型进行医学图像分割，较使用传统的高斯混合模型时，可以简单有效的抑制图像噪声点的同时能够很好保留图像边界细节。
关键词：空间信息 图像分割 高斯混合模型 EM算法
Medical Image Segmentation Algorithm Based on the Hybrid Model of Spatial Information
Abstract With the continuous improvement of imaging technology, medical image and role in the diagnosis of the greater. Medical image processing has come very naturally to become a hot current, medical image segmentation is the key part of. Medical image segmentation is the pretreatment technology of other medical image processing and pattern recognition problems, and can provide powerful support for the clinical diagnosis and treatment. The effect of segmentation directly determines the success or failure of the computer aided diagnosis system.
The traditional medical image segmentation of Gauss mixture model because of its simple algorithm and stability, become the common methods of medical image segmentation, but it is used for medical image segmentation, because the method only uses gray information of pixels, without using location information, will cause the image segmentation result is not accurate, prone to noise, become the key factors influencing follow-up treatment effect, it is necessary to further study. Based on the above reason, this paper Gauss mixture model of traditional made some improvements, spatial information function into a pixel in the. Through the verification, the function can simulate the effect of pixel information for the current pixel neighborhood. The final experiment shows that, using the Gauss mixture model improved segmentation of medical image, compared with the traditional Gauss mixture model, can suppress image noise point is simple and effective and can be a very good image edge details preserving.
Key words： Spatial Information Image segmentation Gauss mixture model EM algorithm
目 录
第一章 绪论 5
1.1 图像分割 5
1.2 图像分割主要研究方法 5
1.2.1 边缘检测法 6
1.2.2 区域提取法 7
1.2.3 阈值分割法 7
1.2.4 结合特定理论工具的分割方法 8
1.3 论文结构安排 9
第二章 医学图像分割 11
2.1 简述 11
2.2 医学图像发展 11
第三章 高斯混合模型和EM算法 13
3.1 高斯混合模型 13
3.1.1 高斯混合模型简介 13
3.1.2 高斯混合模型的建立 13
3.2 EM算法 14
3.2.1 EM算法简介 14
3.2.2 EM算法描述 15
第四章 基于空间信息混合模型的医学图像分割 17
4.1 基于空间信息的混合模型 17
4.2 基于空间信息混合模型的医学图像分割 19
4.3 实验和分析 20
4.4 实验结论 25
结 论 25
致 谢 26
参考文献 27
