基于小波变换医学图像分割系统研究论文.doc

《基于小波变换医学图像分割系统研究论文.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于小波变换的医学图像分割系统的研究摘要图像分割是图像处理中一项重要的技术，其目的是把图像分成各具特性的区域并提取出感兴趣的部分。其结果为图像分析和理解提供依据。图像分割是一个经典问题，从发展至今仍没有找到一个通用的方法。本文通过对医学图像分割技术的相关背景、原理及算法进行研究，采用MATLAB来编程开发一个基于灰度直方图与小波变换的医学图像分割系统。本文在预处理部分采用对图像进行平滑、灰度调整等操作。其中，平滑采用中值滤波算法。第二个部分是基于直方图的小波变换。首先，采用的是基于小波基sym8的滤波算法对直方图进行滤波，能较好的减小噪声对直方图波形的影响。然后，利用小波变换的多尺度特

2、性，对原图灰度直方图采用基于小波基db4的五层小波分解，重构第五层近似分量。第三个部分是多阈值分割。对第二部分中直方图的近似分量采用动态阈值检测，利用检测出的多阈值对原图像进行图像分割。本文把直方图与小波变换方法结合起来，将小波变换应用于灰度直方图后进行图像的分割，在高尺度上选择分割的阈值，这样使得阈值的选取更加合理。实验结果表明，该方法具有较好的分割效果。关键词：医学图像分割，预处理，灰度直方图，小波变换，阈值分割WAVELET-BASEDMEDICALIMAGESEGMENTATIONSYSTEMABSTRACTImagesegmentationisanimportantimage

3、processingtechnology.Itspurposeistoimageintoregionswithdifferentcharacteristicsandextracttheinterestingpart.Theresultsprovidethebasisforimageanalysisandunderstanding.Imagesegmentationisaclassicalproblem,fromthedevelopmenthasyettofindacommonapproach.Basedonthemedicalimagesegmentationtechnologybac

4、kground,theoryandalgorithmresearch,useofMATLABtodevelopaprogrambasedonhistogramandwavelettransformformedicalimagesegmentationsystem.Inthispaper,theimagepreprocessingpartissmooth,grayscaleadjustmentoperation.Amongthem,thesmoothingbymedianfilteringalgorithm.Thesecondpartisbasedonthehistogramofthew

5、avelettransform.Firstofall,usingthewavelet-basedfilteringalgorithmsym8histogramfilteringcanbebettertoreducetheimpactofnoiseonthehistogramwaveform.Then,usingthewavelettransformmulti-scalefeaturesoftheoriginalimagehistogramusingafive-storybasedonwaveletdb4waveletdecompositionandreconstruction,simi

6、lartothefifthfloorcomponent.Thethirdpartisamulti-thresholding.Thesecondpartofthehistogramoftheapproximateweightbydynamicthresholddetection,theuseofmulti-thresholddetectionoftheoriginalimageforimagesegmentation.Thishistogramandwavelettransformmethodtocombinethewavelettransformappliedtoimagesafter

7、histogramsegmentation,selectthepartitioninthehigh-scalethreshold,whichmakestheselectionmorereasonablethreshold.Experimentalresultsshowthatthemethodhasbettersegmentation.KEYWORDS:Medicalimagesegmentation,preprocessing,histogr