《医学图像处理及识别方法研究》由会员分享，可在线阅读，更多相关《医学图像处理及识别方法研究（65页珍藏版）》请在金锄头文库上搜索。
1、论文题目：医学图像处理与识别方法研究 专 业：模式识别与智能系统 硕 士 生：吴小巍 (签名) 指导教师：汪 梅 (签名) 摘 要 医学图像处理与识别方法的研究具有显而易见的重要理论意义和实用价值。 本文对 人体甲状腺等 CT 图片进行了分割、融合与识别方法的研究，以实现人体图像的计算机 辅助诊断，为医生的临床诊治提供一定的参考与帮助。 首先，对人体甲状腺图像进行了直方图修正、去噪和锐化等预处理，使得图像便于 机器描述和分析。 其次，在对图像分割基本原理和常用算法分析研究的基础上，针对人体甲状腺等图 像的特点， 提出了一个改进的基于前景与背景比例的迭代阈值分割算法： 首先使用 Sobel 算子
2、 8 个方向模板对图像进行边缘检测；然后设定初始阈值，并将前景与背景的比例作 为权值进行阈值迭代；最后将迭代结果作为最终阈值进行图像分割。 然后，分析研究了图像融合的原理和常用方法，针对人体图像分析及处理的需要， 给出了一种将阈值分割图像与边缘检测图像相结合的图像融合算法， 得到便于人和计算 机描述的细节信息丰富且边缘光滑的融合图像，为医生对病人的确诊提供了帮助。 最后，在对人体甲状腺 CT 图像进行分析研究的基础上，针对其病变特点，提出将 面积比例作为分类的特征； 然后在分割的基础上提取分类特征， 并利用 K 近邻算法对甲 状腺 CT 图像进行分类。 实验结果验证了目标分割和融合所得图像边界
3、连续、光滑，与传统的边缘检测及迭 代阈值分割算法相比，分割和融合效果更好。实验结果也验证了所定义的特征和识别方 法对甲状腺正常和异常分类的正确有效， 从而为实现甲状腺的计算机辅助诊断提供了新 的途径。 关 键 词：图像分割；边缘检测；阈值分割；图像融合；图像分类 研究类型：应用研究 Subject ：Study on Medical Image Processing and Recognition Method Specialty ：Pattern Recognition and Intelligent System Name ：Wu Xiaowei （signature） Instructo
4、r ：Wang Mei （signature） ABSTRACT Study on medical image processing and recognition of research has obviously important theoretical significance and practical value. The methods of segmentation, fusion and recognition for thyroid CT image and human brain image were studied in order to achieve the com
5、puter-aided diagnosis and to provide reference and help for the doctors clinical diagnosis and treatment. Firstly, the histogram modification, denoising and sharpening processing methods are used to preprocess the thyroid CT images and human brain images to make these images easy for machine descrip
6、tion and analysis. Secondly, an improved image segmentation algorithm is proposed based on the principle of various image segmentation algorithms, according to the characteristic of the thyroid image. For the first step, the image edge is extracted by using Sobel operator with 8 directions templates
7、. For the second step, the improved method proposed by improving the original iterative threshold segmenting method is used for the threshold segmenting to get segmentation images. Then, an image fusion algorithm of the threshold image segmentation method combined with the image edge detection metho
8、d is provided according to the requirement of the medical image analysis and processing. The new algorithm is given to obtain the fused image which is of abundant details information and smooth edge and easy for computer to describe. The fused image helps doctor to diagnosis. Finally, a new kind of
9、feature is defined based on the area ratio and a classification method is presented. After the classified features are extracted, the K-nearest neighbor classification algorithm is adopted to classify thyroid CT images that belonged to the normal or the abnormal categories. The experimental results
10、verify that the boundaries of the segmented images and the fused images are continuous, smooth. Compared with the original boundary detection and iterative threshold segmentation algorithm, the improved algorithm is more effective in segmentation. Moreover, the experimental results also show the new
11、 feature is effect and the recognitions of the normal and the abnormal thyroids are correct. Then, the new way of computer-aided diagnosis of thyroid is achieved. Key words : Image Segmentation Edge detection Threshold Segmentation Image Fusion Image Classification Thesis : Application Research 目 录
12、目 录 1 绪论.1 1.1 选题背景.1 1.2 图像处理技术国内外现状及发展趋势.1 1.2.1 计算机图像处理技术发展及应用.1 1.2.2 图像分割和融合以及识别的现状与发展.2 1.3 研究目的及意义.4 1.4 本课题的目标和内容.6 2 甲状腺医学图像预处理.7 2.1 甲状腺医学图像处理基本思路.7 2.2 甲状腺医学图像预处理.7 2.2.1 甲状腺图像直方图修正.8 2.2.2 甲状腺图像去噪方法的分析与比较.11 2.2.3 甲状腺图像锐化.14 2.3 本章小结.15 3 改进迭代阈值分割算法的研究.16 3.1 图像分割基本原理.16 3.2 图像分割基本方法分析与研
13、究.17 3.2.1 灰度阈值分割方法研究.17 3.2.2 区域分割方法分析.20 3.2.3 边缘检测分割方法分析与研究.21 3.3 改进迭代阈值分割算法.25 3.3.1 Sobel算子 8 个方向模板检测25 3.3.2 改进迭代阈值分割算法的实现.27 3.3.3 实验结果分析.28 3.4 本章小结.32 4 医学分割图像融合方法的研究.33 4.1 医学图像融合.33 4.1.1 图像融合定义.33 4.1.2 图像融合分类.33 4.2 医学图像融合方法的研究.35 4.2.1 图像融合方法.35 I 目 录 4.2.2 边缘检测与阈值分割图像融合的实现.36 4.2.3 实
14、验结果及分析.37 4.3 本章小结.40 5 甲状腺CT图像的分类与识别研究41 5.1 模式识别系统.41 5.2 甲状腺面积特征提取.42 5.2.1 特征选择和提取.42 5.2.2 甲状腺特征分析与选择.43 5.2.3 甲状腺面积比例特征提取.45 5.3 甲状腺分类方法研究.47 5.3.1 分类器种类.47 5.3.2 甲状腺特征分类的实现.50 5.3.3 实验与结果分析.51 5.4 本章小结.52 6 结论.53 6.1 总结.53 6.2 展望.53 致 谢.55 参考文献.56 附 录.59 II 1 绪论 1 绪论 1.1 选题背景 随着信息技术的快速发展，现代图像
15、处理技术与国民经济的发展紧密相连，其在理 论和应用上都取得了重大进展，在医学、测绘、矿山勘探、军事和公安等诸多领域发挥 着重要作用1。 在医学领域， 自显微镜问世以来， 对一些图像的分析已成为医学研究中的重要方法， 许多新型成像技术和设备的出现以及电脑技术的发展，使得计算机辅助技术迅速发展， 医学图像处理技术对医学研究及临床实践的作用和影响日益增大， 在医学领域可以用图 像的形式揭示更多有用的医学信息，医学的诊断方式也发生了巨大的变化2。 目前的医学图像主要包括CT（计算机断层扫描）图像、MRI（核磁共振）图像、B 超扫描图像、数字X光机图像、X射线透视图像、各种电子内窥镜图像及显微镜下病理
16、切片图像等3。 而在影像医疗诊断中， 主要是通过观察一组二维切片图像去发现病原体， 这往往需要借助医生的经验来判定4。至于准确的确定病变体的空间位置、大小、几何 形状及与周围生物组织的空间关系，仅通过观察二维切片图像是很难实现的。 因此，利用计算机图像处理技术对人体的二维切片图像进行分析和处理，实现对人 体器官、软组织和病变体的分割提取、三维重建和三维显示，可以辅助医生对病变体及 其它感兴趣的区域进行定性甚至定量的分析， 可大大提高医疗诊断的准确性和可靠性5。 此外，它在医疗教学、手术规划、手术仿真6及各种医学研究中也能起到至关重要的辅 助作用。 1.2 图像处理技术国内外现状及发展趋势 目前，随着现代科学技术的发展，在计算机上进行图像处理的技术已经逐渐发展并 日渐成熟，特别是在医学图像的处理上有了很大的进步，并在一定程度上代替了医生的 诊断，为医学事业的发展带
