基于数学形态学的图像分割及其在医学图像中的应用

摘要

采用数学形态学的思想用于图像分割是近年来图像处理中研究的热点之一。目前基于形态学图像分割的研究主要集中在两个方面：基于形态腐蚀或形态膨胀的边缘检测和基于分水岭变换的区域分割算法。本文围绕这两部分开展了研究工作。论文首先阐述了数学形态学的基础理论，接着研究了图像分割的基本原理，然后从以下两个方面展开了具体的研究：一方面，在灰度图像范围里，分别讨论了基于边缘和基于区域的形态学分割算法。另一方面，在深入研究二值图像、灰度图像的各种形态学分析算法的基础上，将数学形态学扩展到彩色图像中。最后针对医学图像的特点，将上述改进的算法应用于医学图像中，使每一个创新点都能在医学图像分割中得到体现，为以分割结果为特征的图像检索打下基础。

目录

文摘

英文文摘

论文说明：符号说明

1绪论

1.1研究背景和意义

1.1.1图像分割概述

1.1.2数学形态学与数字图像处理

1.1.3医学图像处理

1.2论文的研究内容及章节安排

2数学形态学基本理论

2.1引言

2.2二值形态学

2.2.1二值腐蚀

2.2.2二值膨胀

2.2.3值开运算

2.2.4二值闭运算

2.3灰值形态学

2.3.1灰值腐蚀

2.3.2灰值膨胀

2.3.3灰值开运算

2.3.4灰值闭运算

2.3.5灰值形态学梯度

2.3.6高帽变换(Top-Hat)和低帽变换(Bot-Hat)

2.4彩色形态学

3图像分割基本理论

3.1引言

3.1.1并行边界分割技术

3.1.2串行边界分割技术

3.1.3并行区域分割技术

3.1.4串行区域分割技术

3.2经典边缘检测算法

3.3现代边缘检测方法

4基于全方位、多尺度形态学的图像边缘检测

4.1引言

4.2基本形态变换

4.3全方位、多尺度形态边缘检测算法

4.3.1全方位结构元素的选取

4.3.2多尺度结构元素的选取

4.3.3全方位、多尺度形态边缘检测算法的构造

4.4实验结果及讨论

5基于全方位、多尺度形态学的彩色图像处理

5.1引言

5.2基于数学形态学的彩色图像处理

5.2.1色度学简介

5.2.2彩色图像的形态学处理

5.3基于数学形态学的彩色图像滤波

5.3.1多尺度形态学的彩色图像滤波方法

5.3.2彩色图像质量评价方法

5.3.3实验结果及讨论

5.4基于数学形态学的彩色图像边缘检测

5.4.1动态K-L变换及彩色图像的单色化

5.4.2不同彩色空间下的形态边缘提取

5.4.3实验结果及讨论

6基于图像森林化变换(IFT)的分水岭算法

6.1引言

6.2分水岭变换

6.2.1分水岭的定义

6.2.2分水岭算法的实现

6.3基于IFT的分水岭算法

6.3.1最短路径问题

6.3.2图像森林化变换(IFT)

6.3.3基于IFT的分水岭算法的概念及实现方法

6.4实验结果及讨论

6.4.1传统分水岭算法及过分割问题

6.4.2预处理效果

6.4.3使用基于IFT的分水岭算法

7结语

7.1论文工作总结

7.2论文进一步的工作展望

参考文献

致谢

攻读学位期间发表的学术论文和参加的项目