学位论文 > 优秀研究生学位论文题录展示
基于CHN法的骨龄识别方法的研究
作 者: 赵娟
导 师: 李新华
学 校: 安徽大学
专 业: 信号与信息处理
关键词: k-余弦曲率 WSVM 特征提取 CHN 骨龄识别
分类号: TP391.41
类 型: 硕士论文
年 份: 2014年
下 载: 0次
引 用: 0次
阅 读: 论文下载
内容摘要
骨龄是衡量青少年儿童生长发育的重要指标,因其稳定性和可靠性可广泛应用于疾病诊断、体育运动员选才和司法判案等领域。由于手腕骨能综合反映人体骨骼的生长成熟状况,同时手腕骨X光图像获取方便、所受辐射少,因此手腕骨是世界公认的识别骨龄的最理想骨骼。传统的人工读片的骨龄识别方式主观性较强、测定周期长,对专业水平要求高。随着计算机技术的发展,将数字图像处理技术引入骨龄领域,实现骨龄识别的自动化是目前骨龄研究的热点。本文研究了一种基于CHN法的骨龄识别方法,针对手腕骨x光图像的特点,对骨龄的自动识别过程进行了研究。本文的主要内容如下:(1)提出了一种基于k-余弦曲率的指骨分割算法。首先对手腕骨X光图像进行星型中值滤波、图象二值化操作,然后对二值图象进行最大连通区域标记选择、膨胀、腐蚀等形态学操作,从而获得手腕骨的完整二值图像,最后通过k-余弦曲率算法定位指骨关键点,实现手腕骨X光图像中手指的有效分割。(2)结合手腕骨x光图像的特点,根据手指中轴线上的灰度分布特点提取指骨特征区域(Epiphysis/Metaphysis Region of Interest, EMROI),将高斯差分滤波算法和Canny算子边缘提取算法应用于对EMROI图像的处理,并对其进行二值化和孔洞填充等操作。然后提取和分析能够描述骨骼发育过程中的各个等级的本质特征,将其作为骨龄特征参数用于后面的骨龄识别。(3)提出了一种基于小波支持向量机(Wavelet Support Vector Machine, WSVM)的骨龄识别算法。先结合模式识别中的分类算法,对各种用于图像识别的分类决策方法进行了比较,然后分析了支持向量机(Support Vector Machine, SVM)的基本原理和分类算法,最后基于小波核函数,使用WSVM多分类器对骨骼等级进行分类,并与传统的SVM多分类器进行比较。实验结果表明,WSVM在非线性逼近性能和识别的准确率方面均获得了较大的提高,证明了该算法的有效性和可行性。
|
全文目录
摘要 3-4 Abstract 4-6 目录 6-8 第一章 绪论 8-18 1.1 课题的研究背景与意义 8-9 1.2 骨龄分析方法 9-15 1.2.1 骨龄的测量方法 9-11 1.2.2 中国人手腕骨发育标CHN法 11-13 1.2.3 骨龄自动识别方法 13-15 1.3 骨龄识别的研究现状 15-16 1.4 本文的研究内容和结构安排 16-18 第二章 手腕骨X光图像预处理 18-27 2.1 引言 18 2.2 图像的噪声抑制 18-20 2.3 形态学图像处理 20-24 2.3.1 图像二值化 20-21 2.3.2 连通区域标记和选择 21-22 2.3.3 膨胀和腐蚀 22-23 2.3.4 开操作和闭操作 23-24 2.4 基于k-余弦曲率的指骨分割 24-26 2.5 本章小结 26-27 第三章 特征骨块的分割和特征提取 27-37 3.1 引言 27 3.2 指骨特征区域(EMROI)提取 27-30 3.3 EMROI增强 30-31 3.4 基于Canny算子的二值图像提取 31-34 3.5 EMROI的特征提取和分析 34-36 3.6 本章小结 36-37 第四章 基于WSVM的特征识别 37-53 4.1 引言 37 4.2 图像的模式分类方法 37-42 4.2.1 统计模式识别 37-40 4.2.2 人工神经网络模式识别 40-41 4.2.3 模糊模式识别 41-42 4.3 支持向量机(SVM)理论 42-46 4.3.1 SVM的线性分类 42-44 4.3.2 SVM的非线性分类 44-46 4.4 基于WSVM的骨龄识别 46-49 4.4.1 小波核函数 46-48 4.4.2 WSVM多分类算法 48-49 4.5 本文算法流程图 49-50 4.6 实验结果及分析 50-51 4.7 本章小结 51-53 第五章 总结和展望 53-55 5.1 本文工作总结 53-54 5.2 今后工作展望 54-55 参考文献 55-60 致谢 60-61 攻读硕士学位期间发表的论文及参加的科研项目 61 发表的论文 61 参加的科研项目 61
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- HJ1-CCD交叉辐射定标,TP751
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|