《毕业论文（设计）自适应阈值在医学图像分割中的应用—基于otsu算法的医学图像分割.doc》由会员分享，可在线阅读，更多相关《毕业论文（设计）自适应阈值在医学图像分割中的应用—基于otsu算法的医学图像分割.doc（35页珍藏版）》请在金锄头文库上搜索。
1、摘 要计算机视觉中的一个关键并重要的步骤就是图像分割，它对于后续的工作，如图像的分析，特征的提取，目标的识别等都会起着非常重要的作用。图像分割就是按照某一种准则进行划分相互不重叠的区域，从而改变图像的表示形式，将图像的分析和理解简单化，其中基于Otsu算法的图像分割方法，因为其简单、高效得到了广泛关注。本文将紧紧围绕图像分割技术中的Otsu算法，详细介绍一维Otsu和二维Otsu算法的基本步骤及分析它们各自的优缺点，并以此为基础把它们应用到医学图像的分割中，在医学图像分割实验中进一步印证它们各自的适用性。关键词：图像分割；一维Otsu算法；二维Otsu算法；医学图像分割AbstractImag
2、e segmentation is an important step in the field of computer vision, and plays an important role in the follow-up tasks such as image analysis, feature extraction and target recognition, etc. Image segmentation is to divide image into not-overlap parts according to some criteria, And the Otsu image
3、segmentation method is widely concerned because of its simplicity and efficiency.This paper will focus on Otsu algorithm for image segmentation technology, the basic steps of one-dimensional Otsu and two-dimensional Otsu algorithm are introduced and the advantages and disadvantages of them are analy
4、zed respectively, and then they are applied into medical image segmentation. The experiments on medical image segmentation are verified the effectiveness of the two algorithms further.Key words: image segmentation; one-dimensional Otsu algorithm; two-dimensional Otsu algorithm; medical image segment
5、ation目 录摘 要IAbstractII目 录III第一章 绪论11.1课题研究内容及意义11.2国内外研究现状21.3本文研究内容和安排2第二章 图像分割知识介绍42.1 基本概念42.1.1 图像分割定义42.1.2 灰度直方图的定义52.2 三类图像分割方法62.3 图像分割的一般评判标准8第三章 基于Otsu算法的图像分割93.1 一维Otsu算法93.1.1一维Otsu算法93.1.2 一维Otsu算法的不足103.2 二维Otsu算法12第四章 医学图像分割实验164.1 医学图像的介绍164.2 医学图像实验174.2.1 CT实验一174.2.2 CT实验二204.3 实验
6、总结224.4 实验软件23第五章 总结和展望25参考文献27致 谢29附 录3031第一章 绪论1.1课题研究内容及意义在这个绚丽多彩的世界里，我们从外部环境接收到的各类信息中，通过图像这一载体来实现的占据了很大一部分。人类五官之一的视觉，在这个信息的传播和接收中扮演着很重要的角色。特别是在这个信息时代，图像处理不可代替的重要地位日益凸显出来。如今，图像处理正逐渐成为一个热门、流行的研究课题12。作为图像处理中的重要内容，图像分割自从上世纪下半叶开始就进入人们的视线，并被人们广泛关注和研究。一幅图像分割的好不好，对于后续的分析、理解、识别3都是有很大的关系的；如果一个图像分割的不彻底，有一些
7、区域分割的不好，或者有误分割，后续的工作将会很难以展开进行下去。所以说，图像分割的精确性将直接影响到后续图像处理工作能否顺利展开，其重要性就毋庸置疑了。通过上文中对图像分割在图像处理中的叙述，咱们知道了在计算机视觉中占有非常重要的地位的就是图像分割，我们通过将目标区域从背景层分割出来，为后续的分类，检索，识别等等一系列图像处理工作提供了大量的依据。经过全世界学者们十几年的不懈努力，图像分割已经取得了很多具有价值的研究成果。现在已经广泛运用到人们的生活的很多领域，主要以下几个领域：(1)军事国防：主要对于雷达图像进行处理，分割其捕获到的目标，例如提取海下的潜艇，海上的敌方军舰，空中的敌机，隐藏在
8、丛林中的陆军等；(2)医学：医院医生通过解读不同病人的X光片、CT图像和MRI图像等，能够更好的了解到病人的具体情况，有效的提高医治的效率。(3)气象：通过剖析卫星传回的图像信息，可以根据云层走势图，预测未来几天天气为后期人们的农业和出行提供各种帮助等等；(4)道路交通：我们可以使用各种道路上的监控装置得到的实时交通图像反馈，了解交通情况，为出行的人们提供了极大地帮助。当然，图像分割的应用范畴远远不止这些提到的几个方面。正是由于图像分割的广泛应用和其自身特有的魅力，才以至于国内外的大量学者一直致力于图像分割的研究，随着世界科技文化的不断进一步研究，作为科技发展的关键，图像分割将会继续成为学者研
9、究的一大领域。1.2国内外研究现状从上个世纪后期发展至今，图像分割研究已经有了四十余年的研究历史。在此期间，国内外的学者们在这领域付出了很多的努力和汗水。提出了成千上万种的不同图像分割算法针对各种不同的图像。但是令研究者们感到十分遗憾的是到目前为止基于一种分割算法来处理特定某一类图像的分割是失败的，同时同一类型图像至少对某一种特定分割算法也是不恰当的。所以，为了解决这些实际性问题，各种独具目的性的分割算法层见叠出。在这些算法中，比较经典的算法有：1) 阈值分割法4；2) 边缘检测法5；3) 区域增长法6；这三类分割算法将在下一节中进行简略介绍。在后来的学者研究发现，可以将统计学、模糊学、形态学
10、、智能算法等应用到图像分割中，产生了很多与特定理论、方法技巧、原理知识相互结合的分割算法。主要有以下几种：1) 基于水平集的分割算法13；2) 基于蚁群算法的图像分割技术14；3) 基于信息论的技术15；4) 基于分形的图像分割16；5) 与神经网络相结合的分割技术17；6) 基于模糊数学的分割技术18；7) 采用数学形态学的分割技术19；在图像分割这一难题上，虽然学者们已经步入了深入、广泛的研究并且也获得了一定的效果，但是随着时代的进步出现新的待解决问题越来越多，越来越复杂，同时人们对分割精确度的要求也不断的提高，图像分割这一领域面临的问题还远没有的到有效的解决，还有很多的难题摆在众多的学者
11、面前。1.3本文研究内容和安排在上文提到的三大类分割算法中的阈值分割算法，比较经典的算法有Otsu算法7、最大熵阈值法8、迭代阈值算法9等等。Otsu算法是由日本学者Otsu(大津展之)在1978年提出的一种最大类间方差(Otsu算法)，以其算法分割效果较好、适用范围较广、简略高效引起了全世界学者的大量关注，而且得到了广泛的运用。在此后的三十多年里，国内外的诸多学者对该算法进行了改进和进一步研究，例如在1993年由我国学者刘健庄10将其推广到二维，一方面增加了算法的抗噪性，同时也得到了较好的分割效果；在2003年，我国学者景晓军11 利用递归算法原理优化了该算法时间复杂度，同时将其发展到三维，
12、并在2007年，范九伦等12人指出了景晓均所给的递归算法存在的错误，进行了订正，提供了一种全新的递归公式，并且阐述了三维Otsu算法对于叠加了混合噪声的图像具有比较好的分割效果。本文将围绕阈值分割算法(基于Otsu算法)进行叙述说明，主要针对我们熟知的一维Otsu算法的不足，以二维Otsu算法作为文章主要的出发点，与医学图像分割实验相结合，并做一些实质性的实验分析，具体的研究内容如下：(1)先以一维Otsu算法处理为基础处理普通图像，再根据它处理有噪声的图像时的弊端，提出二维Otsu算法。(2)将一维Otsu算法和二维Otsu算法分别应用含噪声的图像，对比试验结果，分析哪一种算法更加适用，最后
13、把它们运用于医学图像分割中，再做讨论。论文的主要结构如下：第一章 绪论。主要介绍了本课题的研究内容与其研究现状。第二章 图像分割知识介绍。主要介绍了图像分割中与本论文相关的一些基本理论知识，列举了常用的一些分割算法，以及提出了对图像分割结果的判断标准。第三章 Otsu算法的图像分割方法。针对传统的一维Otsu算法不适用于含有噪声的图像，引入二维Otsu算法，使得在处理有噪声的图片时相比较一维Otsu算法有明显的效果。第四章 医学图像分割实验。将会介绍几种常见的医学图像，对于不同的医学图像，一维和二维的Otsu算法的处理效果有何异同。对于加入高斯噪音之后的医学图像，一维和二维的Otsu算法处理效
14、果又有何不同。最后得出结论，对于哪一种图像，哪一个算法比较适用。第五章 总结和展望。总结全文的主要叙述的内容和实验的结果，并指出在实验中的不足，对于后续工作进行展望。第二章 图像分割知识介绍2.1 基本概念2.1.1 图像分割定义图像分割技术就是把一幅图片按照某一种规则，把它分成各种具有不同特性(图像本身的灰度、颜色、纹理等)区域的过程，我们可以从我们分割的结果中提取出我们需要的目标，而目标可以是对应其中的单区域，也可以是对应的多区域2。众所周知图像分割技术是重要的计算机视觉技术，由图像处理到图像分析过程中的关键一步就是它。之所以我们可以对图像有了更高层次的分析和理解，是因为图像分割将原图像转
15、变成了一种更加抽象、更加紧凑的表现形式2。在这些年来一直图像分割技术得到了各界学者的高度重视。到现在为止每年都会有大量的图像分割学术文章发表，它们提出了成千上万不同的分割算法。这些年来不同的学者对图像分割都提出了他们各自不同的独特见解，我们这里借助数学中的集合概念对它给出如下数字化的定义：首先我们这里令整幅图像区域为，之后对这幅图像的分割我们可以把它看作是将分成了几个满足以下五个要求的非空子集：(1)；(2)对所有的和，有(表示空集);(3)对，有(其中是指在所有集合中元素的某种性质)；(4)对，有；(5)对，是连通的区域。以上叙述的条件指出：(1)分割出来的每个子区域像素之和等于整个原图像的像素总和，换一句话说就是原图中的每个像素都必须分进不同的某个子区域中去，需要遍历到图像中的每个像素点。 (2)条件2指出了每个子区域相互之间都不能有交集，或者说是一个像素点不能同时归属于两个不同的区域中；(3)条件3和条件4指出分割出来的每个区域都要有他们各自的特性，就是把每个像素点进行分类，把它们属于一类的放在一个区域中去；(4)条件5指出在同一子区域内的像素应该是彼此连通的。图像分割的任务基本就是要满足以上的五点要求。2.1.2 灰度直方图的定义在数字图像处理
