学位论文 > 优秀研究生学位论文题录展示

基于模糊熵的多目标CT图像自动分割方法研究

作　者: 龚桂芳
导　师: 冯成德
学　校: 四川大学
专　业: 生物医学工程
关键词: 图像自动分割模糊熵多目标模糊集合遗传算法
分类号: R318
类　型: 硕士论文
年　份: 2007年
下　载: 150次
引　用: 1次
阅　读: 论文下载

内容摘要

图像分割是大多数医学图像处理系统中关键的一步，可用于图像中不同目标的可视化。大多数的图像分割算法得到的结果都是二值图像或是前景和背景图像。这样的结果在一些图像处理运用中是可以接受的，如在文件处理和光学特征识别系统中；但是在应用到需要得到医学图像中多个器官或组织的解剖特征时就不能令人满意。本论文在研究国内外相关算法的过程中，发现采用快速算法的方法虽然解决了计算耗时的问题，但是大多有运算结果不稳定的缺点；为了解决多目标分割中运算速度的提高与运算结果不稳定的矛盾，提出了两种方法：(1)基于最小模糊熵的多目标CT图像自动分割方法：利用迭代公式以及图像的直方图来计算出每个模糊子集的隶属函数中指数参数的值以及阈值的搜索范围，然后在已确定的搜索范围内用穷举法搜索出能使模糊熵最小的最佳阈值。本方法为了改变两个模糊子集隶属函数交点的隶属度，重新定义了GBMF隶属函数中参数的关系。实验表明当隶属函数中新的参数取适当的值时，能得到较好的分割结果，但是多少为最合适，仍需要进一步的研究。(2)基于概率配分和最大模糊熵的多目标CT图像自动分割方法：根据模糊聚类和概率配分之间的关系，以及模糊熵有最大值的必要条件，从而得到各类的概率配分，因此在搜索阈值组合时，先搜索满足各类概率配分的阈值，然后从这些阂值中搜索使模糊熵最大的阈值。在传统的梯度隶属函数中限制了参数的搜索范围。因此本方法在改变隶属函数参数所需满足的条件基础上，重新定义了隶属函数，这使得每一个灰度级都有属于三类情况，实验表明这样定义参数所需满足的条件更合理些。此外本方法采取ε和满足条件的阈值组合数相互控制，既避免了连一个满足概率分配的阈值组合都找不到的情况，也可避免由于满足条件的阈值组合太多，导致运算量很大。实验结果表明这两种方法能很好地完成CT图像的分割。运算速度较快；与用遗传算法、模拟退火算法相比较，运算结果稳定，分割更准确。

全文目录

摘要  2-4
英文摘要  4-10
第一章绪论  10-16
  1.1 选题背景  10-12
  1.2 医学图像分割的理论意义和研究价值  12-13
  1.3 医学图像分割方法的研究特点及发展趋势  13-15
  1.4 本文主要工作及组织结构  15-16
第二章图像分割技术研究  16-34
  2.1 图像分割基本概念  16-17
  2.2 图像分割研究现状  17-19
  2.3 图像分割方法的分类  19-20
  2.4 常用的各种图像分割方法  20-30
    2.4.1 基于阈值的分割方法  21-23
    2.4.2 基于边缘的分割方法  23-24
    2.4.3 基于区域的分割方法  24-25
    2.4.4 纹理分割  25-27
    2.4.5 基于分形理论的图像分割方法  27-28
    2.4.6 基于数学形态学的分割方法  28-29
    2.4.7 基于小波理论的分割方法  29
    2.4.8 基于神经网络的分割方法  29-30
  2.5 图像分割技术的发展趋势  30-31
  2.6 图像分割领域存在的问题  31-32
  2.7 分割方法的评价  32-34
第三章模糊数学的基本原理及其在图像处理中的应用  34-41
  3.1 模糊理论的提出及发展  34-35
  3.2 模糊理论在图像处理中的应用  35-36
  3.3 模糊集介绍  36-41
    3.3.1 隶属函数的确定方法  37-39
    3.3.2 常用的隶属函数  39
    3.3.3 模糊集的表示方法  39-40
    3.3.4 模糊程度的度量  40-41
第四章遗传算法的基本理论及方法  41-58
  4.1 遗传算法的基本思路  41-42
  4.2 遗传算法的特点  42-43
  4.3 编码  43-45
    4.3.1 编码问题  43-44
    4.3.2 编码技术  44-45
  4.4 群体设定  45-46
    4.4.1 初始群体的设定  45
    4.4.2 群体多样性  45-46
  4.5 适应度函数  46-47
  4.6 遗传操作  47-53
    4.6.1 选择算子  48-50
    4.6.2 交叉算子  50-51
    4.6.3 变异算子  51-52
    4.6.4 遗传算法主要参数的设置  52-53
  4.7 遗传算法的几个重要定理  53-57
    4.7.1 模式定理  53-55
    4.7.2 积木块假设  55-56
    4.7.3 遗传算法收敛性  56-57
  4.8 对遗传算法的方法论思考  57-58
第五章基于模糊阈值的经典分割方法  58-69
  5.1 基于模糊度的图像阈值分割法  58-61
    5.1.1 图像的模糊特征平面与模糊度  58-60
    5.1.2 图像分割算法的实现  60
    5.1.3 实验结果与分析  60-61
  5.2 基于遗传算法的模糊集法  61-69
    5.2.1 模糊集的定义  61-63
      5.2.1.1 均值直方图  61-62
      5.2.1.2 基于均值直方图的模糊集  62-63
    5.2.2 模糊熵的选取  63-64
    5.2.3 确定模糊集参数的遗传算法  64-67
      5.2.3.1 染色体编码方法  64
      5.2.3.2 个体适应度  64-65
      5.2.3.3 遗传算子  65-66
      5.2.3.4 运算参数  66-67
      5.2.3.5 遗传算法实现步骤  67
    5.2.4 实验结果及分析  67-69
第六章基于模糊熵的多目标CT图像自动分割方法  69-88
  6.1 概述  69-71
    6.1.1 基于模糊熵的多目标医学图像分割方法的提出  69-70
    6.1.2 基于模糊熵的多目标分割方法的改进  70-71
  6.2 多目标医学图像分割的模糊数学模型  71-72
  6.3 常用的基于模糊熵和快速算法的多目标图像分割方法介绍  72-73
  6.4 基于最小模糊熵的多目标CT图像自动分割方法  73-79
    6.4.1 隶属函数的选用  73-74
    6.4.2 模糊熵的选用  74-75
    6.4.3 阈值搜索范围的确定过程  75-76
    6.4.4 分割阈值的搜索  76-77
    6.4.5 实验结果与讨论  77-79
    6.4.6 结论  79
  6.5 基于概率配分和最大模糊熵的多目标CT图像自动分割方法  79-88
    6.5.1 概率配分  79-80
    6.5.2 模糊聚类  80-82
    6.5.3 所选用模糊熵函数有最大值的必要条件  82-83
    6.5.4 搜索最佳阈值过程  83-85
    6.5.5 实验结果与讨论  85-86
    6.5.6 结论  86-88
第七章总结与展望  88-91
  7.1 本文工作总结  88-89
  7.2 研究展望  89-91
参考文献  91-97
在攻读硕士学位期间发表的论文  97-99
致谢  99

基于模糊熵的多目标CT图像自动分割方法研究

内容摘要

全文目录

相似论文