导读:本文包含了感兴趣区分割论文开题报告文献综述及选题提纲参考文献，主要关键词:双目定位系统,投影法,图像分割,SURF算法
感兴趣区分割论文文献综述
刘远远[1]（2018）在《基于感兴趣区域（ROI）分割的双目定位系统关键技术研究》一文中研究指出双目定位系统是计算机立体视觉的重要应用之一。与人类视觉相类似,它具有通过二维图像信息感知周围环境空间深度等功能,其在视觉导航、运动分析及工业检测等计算机视觉领域中有着广泛的应用。在传统的双目视觉定位系统中,存在立体匹配困难、计算量大、效率低等关键技术问题。为了提高双目定位系统的实时性和鲁棒性,改善定位精度,本文研究设计了一种基于视觉图像感兴趣区域(ROI)提取和SURF特征点检测的双目定位系统。本文的主要研究工作如下:(1)阐述了双目定位系统的测距原理。根据本课题研究之实时性和高精度的要求,自行设计了双目定位系统,与此同时,概述了系统设计的硬件组成和软件流程。(2)开展了摄像机标定模型的选型与设计。研究分析了摄像机的线性模型和非线性模型,明确了相关坐标系及其之间的转换关系;选取了张正友标定法,阐述了其标定步骤,完成了相应的标定实验和立体校正实验。(3)研究了图像感兴趣区域分割的原理及技术方法。鉴于现有的图像分割算法均是针对某一类问题而提出的,有一定的局限性,难以应用于实际的本课题研究之所需。因此,针对本课题的实际应用背景,提出了一种基于直方图阈值和投影相结合的方法,解决了双目视觉图像中ROI分割的关键技术难题。利用待分割ROI的灰度分布特征,根据其在直方图的位置进行自适应阈值分割,基于分割后的图片,分别对其进行垂直投影和水平投影,得到ROI在左右图像中的精确像素坐标。通过对左右ROI的区域大小进行比较,以大的区域为标准对左右图像分别进行ROI分割,这为后续图像特征点的提取和匹配奠定了基础。为了验证本文算法对图片噪声的抗干扰能力,采集了多组不同场景下、不同亮度、多目标的图片进行了大量实验。实验结果表明,利用本文提出的方法均能将ROI分割出来,能够满足实际的应用场景。(4)研究了基于SURF算法的特征提取和立体匹配的原理及技术方法。针对本课题应用条件和背景,采用改进的SURF,借以实现对ROI内亚像素级角点的提取与匹配。实验结果表明,该方法大大提高了匹配的准确率和匹配效率。综上所述,本文立足于基于感兴趣区域(ROI)分割的双目定位系统关键技术研究,根据课题需求,研究设计了双目定位系统,借此完成了实验验证。开展了基于OpenCV计算机视觉库和Visual Studio 2012软件开发,成功实现了图像采集、摄像机标定、ROI分割、立体匹配等功能,满足了课题的高精度和实时性的要求。(本文来源于《重庆大学》期刊2018-05-01）
刘任从,徐磊,张乐乐,孟庆乐,杨瑞[2]（2017）在《核素肾动态显像肾脏感兴趣区域分割算法的研究》一文中研究指出目的提出一种新颖的核素肾动态显像肾脏感兴趣区自动勾画算法。方法选取30位行核素肾动态显像患者作为研究对象,首先对原始肾图做形态学运算、强度对增强和高斯滤波等预处理,去除非感兴趣区和提升图像对比度;接着采用最大类间差法(Otsu)自适应确定最佳阈值,完成肾脏的初步分割;然后形态学操作和边界追踪被用来提取肾脏边界。结果基于本文算法的分割结果与专家手工分割结果具有很高的相关性,平均真符合率达91%,平均假误符合率为13.4%,平均假符合率为9.3%,边界误差距离为1.6个像素。且基于本文算法的Dice相似性系数(0.9061±0.0196)和平均耗时(2.1477±0.2835)s均优于其他算法。结论基于本文的分割算法能快速准确的提取肾脏感兴趣区域,可应用于核素肾动态显像肾小球滤过率的测定。(本文来源于《中国医疗设备》期刊2017年12期）
马洁珏[3]（2017）在《医学感兴趣区域图像分割方法及系统研究》一文中研究指出医学影像感兴趣区域分割是计算机医疗辅助检测的一个关键技术步骤,CT切片肺组织分割和胶囊内窥镜胃肠道病灶分割是较常见的医学影像辅助技术步骤,对医学影像的后续分析有着重要意义。本论文针对肺组织图像分割和胶囊内窥镜胃肠道病灶分割进行了系统研究,具体工作和主要成果包括:1.提出一种结合区域生长与随机游走的CT肺组织图像分割方法。首先采用引导滤波器对图像去噪并进行二值化处理以避免噪声对后续处理步骤的影响,然后采用区域生长法提取胸腔,随机游走算法分割肺区域,最后填充空洞、肺区域曲率校正以提高分割准确度。实验结果表明,该方法能够包括足够的胸膜结节区,且改善了弥漫区的分割效果。2.提出一种基于视觉显着性活动轮廓模型的胃肠道图像分割方法。首先基于视觉显着性,采用显着性检测方法选取胶囊内窥镜图像病灶初始分割区域,然后二值化处理并对检测出的病灶初始区域进行形态学运算,从而提高内窥镜病灶区域初始曲线位置的准确性,最后利用活动轮廓模型对初始胃肠道病灶区域进一步分割。实验结果表明,该方法对病灶区域定位效果较好,且能够较准确的收敛病灶区域的凹凸边界区域。3.基于以上工作基础,设计并实现了医学感兴趣区域的图像分割系统,系统包括本文两种方法及其他经典分割算法。(本文来源于《西安理工大学》期刊2017-06-30）
汪辉[4]（2017）在《图像分割及其感兴趣区域提取方法的研究》一文中研究指出近年来,电子成像设备广泛应用于各个行业。随着硬件的发展,使得图像像素不断的提高。同时像素规模也不断的增加,导致待处理的图像数据集过大,传统的图像分割算法已经不能满足需求。目前的研究主要针对如何提高分割的精准度和算法效率,而往往忽略了图像本身的噪声。图像在成像的过程中,存在很多固有的特殊性和不可预知的复杂性,图像中的噪声影响着分割的效果。针对上述问题,本文研究工作主要包括:(1)针对传统分割方法存在的问题,本文提出了一种改进方法,首先对目标图像进行熵值优化处理,增强图像对比度,在增强的同时,噪声也被放大。然后再进行维纳滤波补偿,减少放大后的噪声,最后用最大类间方差法对感兴趣区域分割和提取,分割后的图像保持较高的信息熵,也更能体现细节纹理,分割精准度也有一定的提升,但时间消耗比其他分割方法要多。(2)目标图像因拍照光线的不均或曝光时间过长,导致目标图像动态范围很大,使得图像灰度很暗,细节信息无法显示。针对上述问题,本文提出了一种改进方法,首先对图像灰度化,然后进行同态滤波处理,消除光照条件的影响,最后采用模糊C均值聚类算法对图像进行分割,分割提取感兴趣区域的信息熵和分割误差比直方图法和K均值聚类法要优。(本文来源于《安庆师范大学》期刊2017-06-15）
马凯[5]（2017）在《标记点自动提取的感兴趣目标分割方法》一文中研究指出数字图像处理是指通过计算机对图像进行处理加工、理解分析的方法和技术,也被称为计算机图像处理。目前已经成功应用于包括机器视觉、医疗和航空航天在内的许多重要领域。图像分割作为数字图像处理中至关重要的一环,其得到结果的优劣以及分割出区域的意义直接影响着后续工作的进行。一个有效的图像分割算法的提出以及实现对各行各业的发展具有重要的实际意义。近年来,深度学习的相关理论与计算机视觉技术相结合而产生的图像分割方法不断涌现,其中卷积神经网络在很多领域都取得了成功。传统的图像分割算法都是基于图像自身特征的提取,首先利用相关方法将图像划分成互不相同的区域,然后再对区域进行分类、合并等后处理操作,最终得到有意义分割结果。这一过程繁琐复杂,有着很大的提升空间。卷积神经网络(CNN)能够自动提取图像特征,这一特点使得该方法更适合图像的处理工作,使用CNN方法改进图像分割技术成为了重要的研究方向。全卷积神经网络(FCN)的提出掀开了图像语义分割领域的新的研究序幕,通过对CNN全连接层的改变,使得该模型更适合图像分割,与传统的分割方法相比有着更加明显的优势,但是只能分割出感兴趣目标的近似区域,无法对感兴趣目标的细节进行刻画。众所周知,细致准确的目标区域在图像的理解和分析中有着举足轻重的地位,分割结果不够精细成为了全卷积神经网络(FCN)亟需解决的问题。本文经过充分调研相关工作,讨论了全卷积神经网络方法在图像分割算法领域的应用,并针对全卷积神经网络分割结果不够细致,忽略目标边缘细节等问题提出了改进,采用了与传统算法相结合的方式,对全卷积神经网络(FCN)的分割结果进行进一步的处理。由于分水岭算法具有对微弱边缘有良好感应的特性,故将分水岭算法与全卷积神经网络(FCN)相结合,利用全卷积神经网络(FCN)分割出的感兴趣目标的近似区域作为先验知识,改进标记点的获取方式从而完成对目标边缘的细化,得到分割效果更好的感兴趣目标区域。最终通过与全卷积神经网络(FCN)及其他分割算法分割结果作比较,证明了该方法的优势。(本文来源于《吉林大学》期刊2017-05-01）
檀哲,洪容容,叶少珍[6]（2016）在《一种提取乳腺癌DCE-MRI感兴趣区域的分割方法》一文中研究指出针对医院临床诊断中希望能够克服灰度不均匀并且减少非病灶增强区域的干扰,从而更精确地进行DCE-MRI医学病灶分割的情况,在水平集方法的几何活动轮廓模型基础上,提出结合了局部灰度聚类和尺度停止函数的方法,以克服灰度不均匀和非病灶噪声干扰.对福建省肿瘤医院等医院的临床乳腺癌DEC-MRI数据进行实验,结果表明改进的水平集方法具有较好的分割效果.(本文来源于《福州大学学报(自然科学版)》期刊2016年01期）
石雪,陈进琥,李洪升,尹勇,李登旺[7]（2015）在《基于感兴趣窄带区域的同步分割与配准方法及在IGRT中的应用》一文中研究指出医学图像分割与配准是图像引导放疗(Image guided radiation therapy,IGRT)系统中的关键技术.为提高基于CBCT(Cone beam CT)的IGRT系统实施胸腹部肿瘤放疗的实时性与自适应性,特别是实现重要危及器官肝脏区域照射剂量的合理控制,本文提出一种基于感兴趣窄带区域的同步分割与配准方法,目标是实现放疗计划系统中计划CT和CBCT图像目标区域的分割与配准.通过构建感兴趣窄带模型,并且与活动轮廓模型相结合实现初始分割,然后与基于光流场(Optical flow field,OFF)的形变配准方法进行循环迭代,从而构造ASOR分割与配准同步模型(Active contour segmentation and optical flow registration synchronously,ASOR).在方法实施时,首先利用非线性扩散模型和窄带活动轮廓模型在CT图像中提取肝脏空间初始位置信息,为同步模型提供合理的肝脏初始轮廓.然后将该轮廓及相应窄带区域经仿射变换映射到CBCT图像,进而结合构造的ASOR同步模型,用光流场确定活动轮廓水平集的运动情况,使分割与配准在同一个演化过程中完成迭代.实验结果和临床应用表明,本文提出的方法应用于基于CBCT的IGRT系统时,可实现肝脏组织的自动分割与放疗剂量分布的快速计算.同时,我们将同步过程中获得的形变域用于实现肝脏与肿瘤靶区等剂量线从计划CT到CBCT的自适应转移,进行自适应放疗效果的临床测评.(本文来源于《自动化学报》期刊2015年09期）
金凯成,王翊,郑申海,欧阳自鹏[8]（2015）在《基于叁维感兴趣区域和模糊聚类的肝脏肿瘤分割》一文中研究指出肝脏CT图像往往存在着较多的噪声,且肝脏肿瘤的灰度与周围肝实质接近,边界模糊,分割困难。在对肝脏肿瘤分割时,传统的水平集方法对初始轮廓敏感,需要手动调整参数,时间复杂度较高。本文结合肿瘤的模糊性,提出基于叁维感兴趣区域(叁维ROI)和结合空间信息的模糊聚类的肝脏肿瘤分割方法。首先在叁维选取肿瘤的初始感兴趣区域,再结合空间信息的模糊聚类方法进行分割,然后进行形态学操作,最后利用B样条水平集对轮廓边缘进行平滑。实验结果表明,本文提出的方法,操作简便,速度快,能较好地分割出肝脏肿瘤。(本文来源于《计算机与现代化》期刊2015年08期）
石雪[9]（2015）在《基于感兴趣窄带区域的肝脏分割方法及在IGRT系统中的应用》一文中研究指出由于人体复杂多变的组织结构使得医学图像与自然图像相比有其独有的特点。近几年来，对医学图像处理算法的探究取得了日新月异的进步，医学图像分割是图像处理在临床应用中的重要部分。临床上根据成像原理的差异，存在各种模态的医学图像，比如可反映人体各组织器官代谢情况及功能运作情况的功能图像，如PET、SPECT、fMRI、MEG图像等，还有反映人体组织器官解剖结构的结构图像，如CT、MRI、MRA、DSA图像等。各种模态的图像有其各自的优缺点，通过医学图像处理算法使各种模态的图像进行优势互补，可以更加帮助医生准确的了解患者病情，制定治疗方案。图像引导放疗已普遍应用于临床诊断和辅助治疗，其中的重要环节是图像分割与配准。本论文主要的研究内容是医学图像肝脏分割。本论文的研究目标是提高基于CBCT（Cone Beam CT）的图像引导放疗（Image Guided Radiation Therapy，IGRT）系统实施胸腹部肿瘤放疗的实时性与自适应性，特别是实现重要危及器官肝脏区域照射剂量的合理控制。目前，临床上肝脏组织分割主要依赖于临床医生的手工勾画，但这一过程耗时耗力、不可复制，而且容易引入人为误差。针对目前手工勾画肝脏等危及器官的现状，解决图像引导放疗系统中存在的某些问题，提高系统的性能，本论文对图像分割方法、图像引导放疗、自适应放疗展开了系统的研究，并做出相应的解决方案。本论文的主要工作如下：(1)概率图谱与水平集相结合的肝脏分割方法临床上可获取各种患者的肝脏数据，将这些病例数据按照年龄、性别、病种等特征进行分类筛选，构建肝脏组织概率图谱，当患者接受治疗时可利用肝脏概率图谱快速自动分割出肝脏组织初始轮廓，再通过水平集方法对轮廓边界进行细化。由于CBCT固有的成像特点导致图像重建时会产生部分运动伪影，使得图像解剖结构不够清晰，而不同模态的图像可以反映同一组织的不同特点，患者CT图像具有明显的解剖结构，因此通过此分割方法在目标病例中进行肝脏组织的自动分割，获得肝脏轮廓后结合基于正交小波基函数的形变配准方法，通过目标图像（CBCT图像）与参考图像（CT图像）间的形变域使肝脏轮廓线进行自动转移，从而在患者治疗日CBCT中自动获取肝脏组织轮廓。关于正交小波基函数的形变配准方法，使用Navier偏微分方程进行弹性形变，将归一化互信息作为相似性测度，当内外两种作用力达到平衡时，配准成功。恢复形变域时进行叁维小波分解，以减少极小化能量函数过程的复杂度，循环递归后根据所需精度使小波分解在某个尺度上收敛，用最终估计到的小波系数表示形变域。(2)基于感兴趣窄带区域的同步分割与配准方法针对目前临床上肝脏分割主要靠医生手工勾画，患者接受治疗时计划CT与CBCT图像的配准也基本是基于骨性标志的刚体配准，二者分别实施，相互间没有关联。本文提出一种基于感兴趣窄带区域的同步分割与配准方法，目标是实现放疗计划系统中计划CT与CBCT图像目标区域的分割与配准。通过构建感兴趣窄带模型，并且与活动轮廓模型相结合实现初始分割，然后与基于光流场的形变配准方法进行循环迭代，从而构造ASOR分割与配准同步模型（Active contoursegmentation and optical flow registration synchronously，ASOR）。在方法实施时，首先利用非线性扩散模型和窄带活动轮廓模型在CT图像中提取肝脏空间初始位置信息，为同步模型提供合理的肝脏初始轮廓。然后将该轮廓及相应窄带区域经仿射变换映射到CBCT图像，进而结合构造的ASOR同步模型，用光流场确定活动轮廓水平集的运动情况，使分割与配准在同一个演化过程中完成迭代。实验结果和临床应用表明，此方法应用于基于CBCT的IGRT系统时，可实现肝脏组织的自动分割与放疗剂量分布的快速计算。同时，我们将同步过程中获得的形变域用于实现肝脏与肿瘤靶区等剂量线从计划CT到CBCT的自适应转移，进行自适应放疗效果的临床测评。(3)联合图像分割与形变配准的自适应放疗本部分工作是将（1）、（2）的工作应用于临床实践，使分割与配准的优势在图像引导放疗系统中得到最大限度的应用。使系统自动分割肝脏组织取代人工手工分割，并通过形变配准算法补偿刚体配准时不能恢复的形变范围，提高配准精度，同时获得的形变域，可将计划CT中危及器官、肿瘤靶区的轮廓线以及等剂量线等信息自动转移到治疗日CBCT中，实时精确的计算肝脏组织区域所受剂量，使正常组织器官照射剂量得到合理的控制，真正实现放疗的“自适应”。分割与配准作为IGRT系统的关键技术，在临床应用中时间允许的范围内，采用更加精确的算法可提高系统的性能。总而言之，本文的研究内容可进一步提高肝脏组织的分割精度与效率以及基于CBCT的IGRT系统的性能。使患者在接受治疗时较快进行器官组织的自动勾画以及治疗计划的修正更新，逐步提高放疗的准确性与实时性。(本文来源于《山东师范大学》期刊2015-04-01）
焦蓬蓬[10]（2014）在《基于数据网格的肝脏CT图像感兴趣区域分割》一文中研究指出通过图像分割获取医学图像感兴趣区域是医学图像处理与分析要解决的首要问题及技术难点。为了获取肝脏CT图像中的感兴趣区域,针对肝脏CT图像的自身特点,提出了一种基于数据网格和改进的区域生长法相结合的肝脏CT图像感兴趣区域分割方法。首先利用数据网格对肝脏CT图像做粗分割,最大程度地去除骨骼及背景对后期分割的影响。其次,利用先验知识,确定区域生长的种子点,做基于改进的区域生长法的二次分割。实验结果表明,能较完整的分割出CT图像的肝脏区域。实验结果为进一步的医学肝脏图像的处理与分析奠定了基础。(本文来源于《科学技术与工程》期刊2014年12期）
感兴趣区分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的提出一种新颖的核素肾动态显像肾脏感兴趣区自动勾画算法。方法选取30位行核素肾动态显像患者作为研究对象,首先对原始肾图做形态学运算、强度对增强和高斯滤波等预处理,去除非感兴趣区和提升图像对比度;接着采用最大类间差法(Otsu)自适应确定最佳阈值,完成肾脏的初步分割;然后形态学操作和边界追踪被用来提取肾脏边界。结果基于本文算法的分割结果与专家手工分割结果具有很高的相关性,平均真符合率达91%,平均假误符合率为13.4%,平均假符合率为9.3%,边界误差距离为1.6个像素。且基于本文算法的Dice相似性系数(0.9061±0.0196)和平均耗时(2.1477±0.2835)s均优于其他算法。结论基于本文的分割算法能快速准确的提取肾脏感兴趣区域,可应用于核素肾动态显像肾小球滤过率的测定。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
感兴趣区分割论文参考文献
[1].刘远远.基于感兴趣区域（ROI）分割的双目定位系统关键技术研究[D].重庆大学.2018
[2].刘任从,徐磊,张乐乐,孟庆乐,杨瑞.核素肾动态显像肾脏感兴趣区域分割算法的研究[J].中国医疗设备.2017
[3].马洁珏.医学感兴趣区域图像分割方法及系统研究[D].西安理工大学.2017
[4].汪辉.图像分割及其感兴趣区域提取方法的研究[D].安庆师范大学.2017
[5].马凯.标记点自动提取的感兴趣目标分割方法[D].吉林大学.2017
[6].檀哲,洪容容,叶少珍.一种提取乳腺癌DCE-MRI感兴趣区域的分割方法[J].福州大学学报(自然科学版).2016
[7].石雪,陈进琥,李洪升,尹勇,李登旺.基于感兴趣窄带区域的同步分割与配准方法及在IGRT中的应用[J].自动化学报.2015
[8].金凯成,王翊,郑申海,欧阳自鹏.基于叁维感兴趣区域和模糊聚类的肝脏肿瘤分割[J].计算机与现代化.2015
[9].石雪.基于感兴趣窄带区域的肝脏分割方法及在IGRT系统中的应用[D].山东师范大学.2015
[10].焦蓬蓬.基于数据网格的肝脏CT图像感兴趣区域分割[J].科学技术与工程.2014