学位论文 > 优秀研究生学位论文题录展示

基于纹理的医学图像聚类技术研究

作　者: 谷井子
导　师: 潘海为; 赖初荣
学　校: 哈尔滨工程大学
专　业: 计算机技术
关键词: 医学图像聚类命中图角度差 LBP
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 21次
引　用: 0次
阅　读: 论文下载

内容摘要

现有的图像聚类算法，其最大问题是低层特征与高层语义之间的“语义鸿沟”，本文采用新的特征提取方法以及与特征提取相匹配的聚类算法来解决此问题。本文针对以上问题提出了如下的解决方案：首先医学图像聚类算法的研究是面向特殊领域图像挖掘的重要组成部分。由于存在很多技术方面的问题，使得这个方向的研究非常具有挑战性。本文在领域知识指导下，提出了基于纹理相似度的医学图像聚类算法。该算法首先通过沿着图像的纹理建立命中图来得到命中率，然后在命中图范围内的纹理计算角度差。基于上述两个特征属性，本文提出了医学图像的相似度度量方法，并且提出了MICCS聚类方法和基于最小生成树的MCST算法。其次已有的聚类算法对数据对象的形状和密度有要求，应用到医学图像聚类方面不能取得很好的结果。针对以上问题，本文首先对图像进行了纹理检测，提出了面向纹理的T-LBP方法，然后对预处理之后的图像进行了空间划分，并对每个空间内的纹理求取LBP值，建立按空间序列排序的LBP直方图，最后，以LBP直方图作为特征，提出了基于图模型的医学图像聚类算法。实验结果表明，本文提出的算法在时间复杂度和聚类结果方面具有良好的效果。

全文目录

摘要  5-6
Abstract  6-7
目录  7-9
第1章绪论  9-15
  1.1 引言  9-10
  1.2 研究背景和意义  10-11
  1.3 研究现状  11-13
  1.4 问题的提出  13
  1.5 研究内容  13-14
  1.6 论文的组织结构  14-15
第2章基于纹理的医学图像聚类相关技术  15-22
  2.1 图像纹理特征提取  15-19
    2.1.1 纹理模型  15-16
    2.1.2 特征提取技术  16-19
  2.2 聚类方法介绍  19-21
    2.2.1 聚类方法  19-20
    2.2.2 应用于图像中的聚类方法  20-21
  2.3 本章小结  21-22
第3章基于纹理相似度的医学图像聚类  22-36
  3.1 预处理过程  22-25
  3.2 特征提取  25-27
    3.2.1 命中率  25-26
    3.2.2 角相似度  26-27
  3.3 MICCS聚类算法  27-34
    3.3.1 MDMSTP 算法  27-31
    3.3.2 MICCS 聚类算法  31-33
    3.3.3 MICCS 聚类算法分析  33-34
  3.4 实验结果与分析  34-35
  3.5 本章小结  35-36
第4章基于图模型的医学图像聚类  36-52
  4.1 面向纹理的 T-LBP 方法  36-39
    4.1.1 预处理过程  37-38
    4.1.2 面向纹理的 T-LBP 方法  38-39
  4.2 基于图模型的聚类算法  39-41
    4.2.1 特征提取  40-41
    4.2.2 图模型  41
  4.3 MCST 聚类算法  41-46
  4.4 实验结果与分析  46-51
    4.4.1 聚类时间结果分析  46-47
    4.4.2 聚类结果误差率分析  47-50
    4.4.3 聚类结果展示  50-51
  4.5 本章小结  51-52
结论  52-53
参考文献  53-58
攻读硕士学位期间发表的论文和取得的科研成果  58-59
致谢  59

基于纹理的医学图像聚类技术研究

内容摘要

全文目录

相似论文