基于粗集理論和遺傳算法的數(shù)字圖像處理算法研究.pdf

1、醫(yī)學(xué)圖像包含了大量的病理信息，對(duì)臨床的診斷和治療具有非常重要的意義。醫(yī)學(xué)圖像的計(jì)算機(jī)處理一直是國(guó)內(nèi)外學(xué)者的研究熱點(diǎn)。因此，探求新的更加精確的快速的計(jì)算機(jī)自動(dòng)處理和診斷是非常有意義的。 醫(yī)學(xué)圖像處理的任務(wù)主要有圖像的預(yù)處理如去噪和增強(qiáng)，分割，特征提取，圖像配準(zhǔn)與融合和三維重建等。本文研究的主要內(nèi)容是：探求圖像的預(yù)處理和圖像分割的新方法，期望為下一步的更為復(fù)雜的處理如三維重建，打下基礎(chǔ)。醫(yī)學(xué)圖像處理可以歸類(lèi)于數(shù)字圖像處理的范疇，因此

2、可以應(yīng)用數(shù)字圖像處理的常規(guī)方法來(lái)對(duì)之進(jìn)行處理，但是醫(yī)學(xué)圖像又具有自己的特點(diǎn)，常規(guī)的方法往往達(dá)不到理想的處理結(jié)果。因此，本文在總結(jié)前人研究的基礎(chǔ)上，對(duì)常規(guī)的方法引入了新的理論方法加以改進(jìn)，主要體現(xiàn)在以下幾個(gè)方面： 運(yùn)用小波變換的理論對(duì)模糊增強(qiáng)的圖像進(jìn)行多尺度分解，利用模極大值和邊緣點(diǎn)之間的關(guān)系，結(jié)合改進(jìn)的多孔算法進(jìn)行圖像的邊緣提取，并對(duì)提取的初始邊緣做邊緣的跟蹤補(bǔ)償，最終得到較為理想的邊緣圖像。 將遺傳算法強(qiáng)大的優(yōu)化功能應(yīng)

3、用于醫(yī)學(xué)圖像處理中的參數(shù)的優(yōu)化，并討論了它在模糊增強(qiáng)的參數(shù)優(yōu)化，分裂合并分割方法，圖像的基元提取中的應(yīng)用，取得了較為理想的結(jié)果。 將粗集理論應(yīng)用于醫(yī)學(xué)圖像的處理中，主要體現(xiàn)在利用粗集理論的不同等價(jià)類(lèi)屬性對(duì)圖像進(jìn)行分類(lèi)，利用粗集的上下近似集的處理獲取圖像的邊緣區(qū)，非邊緣區(qū)然后分別進(jìn)行增強(qiáng)，從實(shí)驗(yàn)的結(jié)果來(lái)看，效果較為理想。 最后將小波變換的多尺度分解去噪，離散余弦變換，粗集理論的分類(lèi)特性，模糊增強(qiáng)，遺傳算法的閾值優(yōu)化等結(jié)合起