基于SV数学形态学的医学图像处理方法研究
数学形态学是图像处理中一种非常重要的方法，传统的数学形态学方法一般使用形状、大小固定的结构元素，很容易导致对图像的“过处理”或“不及处理”。是否在形状、大小和方向上选择了适合的结构元素，对图像的形态学处理结果将有直接的影响。为了得到更好的图像处理效果，需要针对不同的应用领域、不同的图像特点设计与图像各局部特征相适应的结构元素和处理算法。SV数学形态学（Spatially VariantMathematical Morphology SVMM）理论思想的正式建立，可以追溯到1988年Serra提出的结构函数的概念以及它的应用，这个概念为数学形态学应用范围的扩展奠定了坚实的基础。SV数学形态学中，结构元素需要根据图象全局特征和各被探测点局部邻域结构特征的变化而自动调整其大小和形状。 医学图像是非常复杂的图像，包含丰富的信息量，也蕴含大量噪声，处理相当困难，而且对获取信息的精确度要求非常高。现代各种医学成像技术得到的图像提供丰富的病症信息。快速获取其中信息，对帮助医生做出正确的诊断和给出对症的医嘱处方具有重要意义。医学图像处理相关理论以及算法的研究不仅对临床医学的提高与发展有巨大的实用价值，而且对图像处理理论和技术的发展也很重要，正被世界许多国家所重视。 医学图像处理算法的研究主要包括医学图像滤波、医学图像边缘提取、医学图像分割、医学图像三维重建等。本文首先对数学形态学理论基础以及在图像处理中的各种方法进行了概述。本文其次对SV数学形态学的数学性质进行了详细的分析，论证了SV数学形态学对医学图像处理具有非常好的适应性。本文研究了基于SV数学形态学的医学图像边缘检测，分析了SV数学形态学和医学图像的相关理论以及处理方法，并进行了实验验证。实验结果表明SV数学形态学在去除椒盐噪声时可以很好的保持图像细节，且具有更好的鲁棒性;SV数学形态学提取的图像边缘连接性更好。
医学图像;边缘检测;SV数学形态学
广东工业大学
硕士
计算机技术
邱卫根
2014
中文
TP391.41
85
2014-10-14（万方平台首次上网日期，不代表论文的发表时间）