基于粗集理論和遺傳算法的數(shù)字圖像處理算法研究.pdf

1、醫(yī)學圖像包含了大量的病理信息，對臨床的診斷和治療具有非常重要的意義。醫(yī)學圖像的計算機處理一直是國內(nèi)外學者的研究熱點。因此，探求新的更加精確的快速的計算機自動處理和診斷是非常有意義的。 醫(yī)學圖像處理的任務主要有圖像的預處理如去噪和增強，分割，特征提取，圖像配準與融合和三維重建等。本文研究的主要內(nèi)容是：探求圖像的預處理和圖像分割的新方法，期望為下一步的更為復雜的處理如三維重建，打下基礎。醫(yī)學圖像處理可以歸類于數(shù)字圖像處理的范疇，因此

2、可以應用數(shù)字圖像處理的常規(guī)方法來對之進行處理，但是醫(yī)學圖像又具有自己的特點，常規(guī)的方法往往達不到理想的處理結果。因此，本文在總結前人研究的基礎上，對常規(guī)的方法引入了新的理論方法加以改進，主要體現(xiàn)在以下幾個方面： 運用小波變換的理論對模糊增強的圖像進行多尺度分解，利用模極大值和邊緣點之間的關系，結合改進的多孔算法進行圖像的邊緣提取，并對提取的初始邊緣做邊緣的跟蹤補償，最終得到較為理想的邊緣圖像。 將遺傳算法強大的優(yōu)化功能應

3、用于醫(yī)學圖像處理中的參數(shù)的優(yōu)化，并討論了它在模糊增強的參數(shù)優(yōu)化，分裂合并分割方法，圖像的基元提取中的應用，取得了較為理想的結果。 將粗集理論應用于醫(yī)學圖像的處理中，主要體現(xiàn)在利用粗集理論的不同等價類屬性對圖像進行分類，利用粗集的上下近似集的處理獲取圖像的邊緣區(qū)，非邊緣區(qū)然后分別進行增強，從實驗的結果來看，效果較為理想。 最后將小波變換的多尺度分解去噪，離散余弦變換，粗集理論的分類特性，模糊增強，遺傳算法的閾值優(yōu)化等結合起