基于改进谱聚类算法在医学图像中的应用研究

基于改进谱聚类算法在医学图像中的应用研究

ID:35065540

大小:4.33 MB

页数:54页

时间:2019-03-17

基于改进谱聚类算法在医学图像中的应用研究_第1页
基于改进谱聚类算法在医学图像中的应用研究_第2页
基于改进谱聚类算法在医学图像中的应用研究_第3页
基于改进谱聚类算法在医学图像中的应用研究_第4页
基于改进谱聚类算法在医学图像中的应用研究_第5页
资源描述:

《基于改进谱聚类算法在医学图像中的应用研究》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、学校代码10603学号201303纪.公开UDC;禱扇&畔?Lf修GUANGXITEACHERSEDUCATIONUNIVERSITY硕古学位论文基于改进谱聚类算法在医学图像中的应用研巧Basedontheimrovedsectralclusterinalorithmppgginmedicalimageapplication学科专业:计算机科学与技术专业方向!大数据与数据挖掘二级学院:计算机与信息工程学院年级:20

2、13级研巧生姓名;周燕琴导师姓名及职称:黄江涛副研究员完成日期:2016年5月广西师范学院硕±学位论文(申请理学硕±学位)基于改进谱聚类算法在医学图像中W应用研^Based0田theimrovedsectralclusteiingalorithmppginmedicalimageapplication专业名称:计算机科学与技术申请人姓名:周燕琴导师姓名、职称:黄江涛副研究员答辩委巧#硬琴/签名)主席;委员;游X/VW专态

3、二〇—六^六月广西师范学院硕±学位论文原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中己经注明引用的内容外,本论文不包含任何其他个人或集体臣经发表或撰写过的作品成果。对本文的研究作出重要贡献的个人和集体,均巴在文中明确方式标明。本人如违反上述声明,愿意承担由此引发的一切责任和后果。^学位论文作者签名;|^)^|签字日期:苗年占月I日学位论文使用授权说明下本人完全了解学校关于保留、使用学位论文的各项规定,同意事项

4、:1、学校有权保留并向有关部口送交本论文的复印件和电子版,允许论文被查阅和借阅,可1^乂采用影印、缩印或扫描等复制手段保存、汇编学位论文;2、本人授权广西师范学院可将本论文的全部或部分内容编入有关数据库供查阅、检阅。保密□,在年解密后适用本授权书。3、本论文属于/不保密囚""(i在W上方框内打V)責学位论文作者名;签字日期:糸/t、()、)^导师签名签字日期:.占*1摘要图像分割是图像处理和计算机视觉学科领域内重点研究课题之一。有效的图像分割为后续工作顺利

5、展开提供依据。近年来,医学图像分割受到国内外研究学者的广泛关注。一类有效的医学图像分割可为临床诊断、制定治疗方案以及做病理学研究等方面提供可靠依据。医学图像分割包括人体器官分割、器官病灶分割和其他组织分割三类分割。目前,基于像素的医学图像分割还存在以下困难:一、空间像素信息近临分布使得分割时很难捕抓到局部子问题;二、基于欧氏距离相似性度量不能充分反映复杂空间样本分布特性,从而造成局部最优解的缺陷。谱聚类是当前比较流行的聚类分析方法之一。本论文以谱聚类为研究对象,深入地分析了基于欧氏距离的相似性度量不足和现

6、有的改进谱聚类算法在医学图像分割中应用的不足。为了解决基于像素的医学图像难以进行有效分割的问题。本文做出以下两方面的创新:一方面,将全局问题划分成具有强关联的子问题提取局部特征来提高图像的分割精度。另一方面,提出流行学习构造相似矩阵,得到分割图像全局上的一致。论文的主要研究工作如下:(1)阐明了医学图像分割的研究背景与意义。简单介绍了常用的医学图像分割方法。详细叙述了谱聚类的基础理论包括K-means聚类算法、谱图划分理论、拉普拉斯矩阵性质以及谱聚类算法的具体实现过程。(2)医学图像组织构造不同(如解剖结

7、构、病变组织),使得限定局部子问题很难并入到全局模式,所以全局模式很难解决此类问题。由于局部子问题是由大量的子图组成不是由整体外观图像体现,所以为了解决局部子问题,本文提出将全局问题域划分成有针对性局部子问题域。(3)针对基于欧式距离的相似性度量,本文提出了一种新的基于流行学习相似性度量的谱聚类算法。利用流行学习构造相似矩阵,能够增强类内间相似度,同时能够削弱类间相似度。为了验证本文算法的有效性,将本文提出算法和现有改进谱聚类算法分别对脑部核磁共振(MRI)图像进行分割比较,实验数据结果表明所提方法获得较

8、好的分割效果。关键词:医学图像分割;谱聚类;流行学习;分块特征提取IAbstractImagesegmentationisoneofthekeyresearchsubjectsinthefieldofimageprocessingandcomputervision.Effectiveimagesegmentationcanprovidethebasisforthesmoothdevelopmentofthefollow-upr

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。