基于directionlet和稀疏表示乳腺x线图像增强和检测论文

基于directionlet和稀疏表示乳腺x线图像增强和检测论文

ID:34180444

大小:18.45 MB

页数:54页

时间:2019-03-04

基于directionlet和稀疏表示乳腺x线图像增强和检测论文_第1页
基于directionlet和稀疏表示乳腺x线图像增强和检测论文_第2页
基于directionlet和稀疏表示乳腺x线图像增强和检测论文_第3页
基于directionlet和稀疏表示乳腺x线图像增强和检测论文_第4页
基于directionlet和稀疏表示乳腺x线图像增强和检测论文_第5页
资源描述:

《基于directionlet和稀疏表示乳腺x线图像增强和检测论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、西安电子科技大学硕士学位论文基于Directionlet和稀疏表示的乳腺X线图像增强和检测姓名:马萌申请学位级别:硕士专业:信号与信息处理指导教师:高新波201201摘要乳腺癌是女性中常见且高发的恶性肿瘤病之一,严重影响妇女身心健康甚至危及生命。乳腺图像增强和检测是乳腺癌自动检测系统的两个主要步骤,其中,乳腺图像增强可以有效地突出图像中病变区域的特征,同时抑制图像中的噪声信息,提高图像的可读性,为医生提供更为可靠的诊断数据;而乳腺图像中肿块的自动检测通过学习肿块的病理特征,使用滑动窗来实现对图像中肿块区域的检测,并为医生标记出图像

2、中的可疑区域,使医生能够将主要精力投入到可疑区域的诊断中,进一步减轻医生的负担,更好地辅助医生进行疾病诊断。本文深入研究了Directionlet变换方法以及稀疏表示理论,并将其应用在乳腺X线图像的增强和检测工作中。主要工作概括如下:第一,通过构建非下采样Directionlet滤波器实现对图像的三层频域分解,基于频域系数之间的相关性提出了一种乳腺X线图像增强算法,在抑制图像噪声的同时增强了图像的边缘;第二,通过提取感兴趣区域的灰度特征和方向直方图特征(HistogramofOrientedGradient,HOG)构建代表肿块区

3、域特征的字典,再使用滑动窗121来扫描待检测图像,使用稀疏分类器实现对乳腺图像的检测,并对可疑区域进行标记。实验结果表明本文所提出的增强方法能够有效地增强图像中病变区域的特征,提高图像的对比度;本文提出的乳腺肿块检测方法能够较好地检测出图像中的肿块区域,是一种快速有效的检测方法。关键词:非下采样Directionlet变换稀疏分类器方向梯度直方图ABSTRACTIRBreastcancerisoneofthemostcommonandhigh-riskmalignanttumordiseasesamongwomen,serious

4、lyaffectingthewomen’Shealthandeventhreateningtheirlife.111ebreastcancerCAD(ComputerAidedDetection,CAD)systemconsistsoftwoparts:mammographyenhancementanddetection.Mammographyenhancementcouldeffectivelyenhancethecontrastoflesionareaandsuppressthenoise,providingmorerelia

5、blediagnosisdatafordoctor.Mammographydetectionfirstlystudythepathologicfeaturesanduseslidingwindowtodetectthemassarea,thenlabelthesuspiciousareas,whichcanassistthedoctortodiagnosethediseasemoreeasilyandexactly.Thispaperdelvesintothetheoryofdirectionlettransformandspar

6、serepresentation,andthenappliesthemintotheenhancementanddetectionalgorithm.Themaincontentsofthethesisaresummarizedasfollows:thedirectionletdecompositionisachievedbydesigningofundecimatedscheme.Consideringthecorrelationofthefrequencycoefficients,anewimagedenoisinganden

7、hancingalgorithmisproposed.Itisshownthattheenhancingalgorithmcansuppressthenoiseandenhancetheedgeofimage.Secondly,buildthe危aturedictionarythroughextractingthegrayfeatureandHOGfeaturefromtheROI,andthenusetheslidingwindowandsparseclassifiertoachievethedetectionresultsof

8、abnormities.Experimentalresultsshowthattheproposedenhancementmethodcanenhancethecontrastoflesionareaandtheproposeddetectionm

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。