图像增强

当前栏目:开题报告 更新时间:2018-09-02 责任编辑:秩名

 一、课题综述及研究意义

人们日常生活中接触到的图像往往不能直接利用,需要预先转换为计算机能够正常识别的数字图像,并进行后续的加工处理才能为人所用。正是如此图像处理在人们日常生活中的地位举足轻重,受到了学者们的广泛重视。

而图像增强作为图像处理最为基础的环节,其效果的好坏决定了整个图像处理的成败。正是如此,图像增强成了学者们的研究热点。

目前图像增强技术被广泛应用于医疗领域,具体案例是对视网膜图像的增强。视网膜血管的表征能够反映整个人体内血管性疾病的状况,其表征变化程度与疾病的病程,严重程度还有愈后的状态密切相关,医疗工作者可以藉此进行诊断,同时患者也能免于更多医疗检测带来的疼痛。因此,为了尽早诊断出患者的血管性疾病,并进行后续的相关医治,增强视网膜血管图象并对其进行理论分析,这一举措迫在眉睫,正是于此它在临床医治中的价值不可估量。

 

二、课题拟采取的研究方法和技术路线

研究方法:

先分析常用图像增强算法的工作原理,阅读与基于匹配滤波器图像增强相关的文献资料,藉此分析高斯匹配滤波器图像增强算法的工作原理,归纳不同算法的优缺点。最后深入研究Tramline匹配滤波的工作原理,参考相关资料,对其中某一环节作出改进。

技术路线:

针对视网膜血管图像增强这一具体领域,用Matlab对常用图像增强算法进行仿真,对比处理效果,分析优缺点,在此基础上对Tramline匹配滤波图像增强作出改进。

 

三、主要参考文献

[1]黄叔仁,张晓峰.眼底病诊断与治疗[M].北京:北京人民卫生出版社,2003:35-39.

[2]上海第一医学院眼耳鼻喉科医院眼科眼科手册[M].上海:上海科学技术出版社,1978:79-83.

[3]孙伟.基于非荧光眼底图像的糖尿病特征提取.长春吉林大学,2007.

[4]Sonha M, H1aVac V, Boyle R著,艾海舟等译.数字图像处理、分析和机器视觉(第一版)[M].北京:北京邮电出版社,2007:137-149.

[5]赵爽.改进的模糊C均值聚类算法及应用[D].东北大学,2010.

[6]蒋先刚.基于Delphi的数字图像处理工程软件设计[M].北京:中国水利水电出版社,2006:131-144.

[7] M. Kass,A. Witkin,D. Terzopoulos. Snakes: Activecontourmodels.International Journal of Computer Vision, vol. 1, Jan. 1988, pp. 321-331.

[8]贾春光,谭鸥.基于变形轮廓的医学图像匹配方法.计算及辅助设计与图形学学报,1999,11(2): 115-119.

[9]K. Zhang, L. Zhang, H. Song, W. Zhou. Active contours with selective local orglobal segmentation: A new formulation and level set method. Image and VisionComputing, vol. 28, Apr. 2010, pp. 668-676.

[10]王耀贵.图像高斯平滑滤波分析.计算机与信息技术,2008, 8(31):179-181.

[11]柴晓辉.基于高斯匹配滤波增强方法的真菌图像分析[J],科技信息(学术研究),2007, 16(3): 156-158.

[12]许雷,郑筱祥.一种基于高斯匹配滤波法的视网膜图像血管中轴线快速提取算法.北京生物医学工程,1998, 17(3): 161-165.

[13]朱付平.基于Level Set方法的医学图像分割[J],软件学报,2002,13 (9): 1866-1872.

[14]李俊,杨新,施鹏飞.2002.基于Mumford-Shah模型的快速水平集图像分割方法[J],计算机学报,2002, I l: 1175-1183.

[15]蔡静颖.模糊C-均值算法的研究[D].辽宁师范大学,2010.

[16]王文杰.基于Level Set方法的图像分割技术研究.西北工业大学硕士学位论文,2006.

[17]R. Kimmel. Fast Edge Integration Geometric Level Set Methods in ImagingVision and Graphics, vol. 21(7).2002, pp. 59-77.

[18]T. Brox, J. Weickert. Level Set Based Image Segmentation with MultipleRegions.PatternRecognition,C.E.Rasmussen,Berlin:SpringerBerlin/Heidelberg, vol. 31(6).2004, pp. 415-423.

[19]G. Zhu, Q. Zeng, C. Wang. Boundary-based image segmentation using binarylevel set method. Optical Engineering, vol. 46(5).2007, pp. 317-324.

[20]刘刚,王立香,董延.MATLAB数字图像处理[M].机械工业出版社,2010:35-41.

[21]宁绍芬.基于FCM聚类的算法改进[D],中国海洋大学,2007.

[22]M.E. Leventon, W.E.L. Crimson, O. Faugeras, et al. Statistical shapeinfluenceingeodesicactivecontours.ProceedingsIEEEConferenceonComputer Vision and Pattern Recognition. CVPR 2000 (Cat. No.PR00662),IEEE Comput. Soc, 2000, pp. 316-323.

[23]周明,孙树栋.遗传算法原理及应用[M].国防工业出版社,1999.

[24]陈玲燕.基于遗传算法的FCM聚类在银行客户细分中的应用研究[D].兰州商学院,2009.

[25]李丽丽.模糊C-均值聚类算法及其在图像分割中的应用[D].山东师范大学,2009.

[26]李士勇,李研.智能优化算法原理与应用[M].哈尔滨工业大学出版社,2012.

[27]Tan PN,Steinbach M.数据挖掘导论[M].北京:人民邮电出版社,2006.

[28]吴佳.FCM聚类及其增量算法的研究[D].长沙理工大学,2011.

 

二、毕业设计(论文)工作实施计划www.eEELW.COM

(一)毕业设计(论文)的理论分析与软硬件要求及其应达到的水平与结果

理论分析:

1、对传统图像增强算法的分析;

2、对高斯匹配滤波器图像增强算法的分析;

3、对Tramline图像增强原理的分析;

4、对Tramline图像增强过程改进依据的理论分析;

 

软硬件要求:

用Matlab对常用的图像增强算法进行仿真,分析在处理视网膜血管图像时不同算法的优缺点,在此基础上对Tramline图像增强过程进行改进,并仿真出最终处理效果,且效果能反映改进的优越性。

 

(二)毕业设计(论文)工作进度与安排

起讫日期 工作内容和要求 备注

3月25日-3月31日 查阅27篇相关文献,完成开题报告

4月1日-4月7日 查阅资料,确定论文整体框架

4月8日-4月14日 确定论文总体研究方向:图像增强,针对视网膜血管图像增强具体研究

4月15日-4月21日 分析常用图像增强算法的优缺点,用Matlab仿真出处理效果

4月22日-4月28日 对Tramline匹配滤波图像增强算法进行改进

4月29日-5月5日 对改进后的Tramline匹配滤波图像增强算法进行Matlab仿真

5月6日-5月12日 将改进后的处理效果与之前的算法进行对比,突出优势

5月13日-5月19日 整理材料,撰写论文初稿

5月20日-6月1日 修改论文,准备答辩