导读:本文包含了图像偏场论文开题报告文献综述及选题提纲参考文献，主要关键词:图像分割,模糊C均值聚类,空间信息,偏场校正
图像偏场论文文献综述
邓雯倩[1]（2017）在《基于模糊聚类的医学图像分割和偏场校正算法研究》一文中研究指出随着医学影像技术的迅速发展,医学影像逐渐成为临床医疗的一种主要辅助手段,很大程度上提高了医生的确诊率。当前针对医学图像的分割主要将重点置于核磁共振图像(MRI)。脑部组织主要包括灰质(GM)、白质(WM)和脊髓液(CSF),准确地分割脑部组织是临床诊断和神经科学中的关键步骤,由于脑部MR图像不可避免地受到噪声、部分容积效应以及偏场的影响,导致现有的分割算法都或多或少存在分割结果不正确情况,是医学图像中的关键问题和难点,因此该问题引起了国内外学者专家的广泛研究关注。尽管改进的FCM算法已成功的对不同类型的图像进行分割,但是他们在分割脑部MRI图像时存在以下弱点:在处理带有偏场的脑部MRI图像时不能有效的校正偏场,造成分割的结果不够准确;同时,无法精确估计邻域点和中间点的影响,控制噪声或异常点的鲁棒性较弱等。基于以上问题的分析,本文提出一种基于FCM算法的脑部MR图像偏场校正和分割的新算法RCLFCM。首先,考虑到FLICM算法只考虑了空间距离因子,不能正确估计邻域窗口的影响。为了解决这个问题,新算法提出了一个新的邻域灰度差系数,并结合局部窗口方差系数,设计了新的影响因子来衡量邻域点对中心像素的影响,从而充分考虑像素的邻域信息,减少噪声的影响。其次,为了尽量多地运用像素之间的空间信息,本文构造了新的公式来更新模糊隶属度,使算法能够在较少迭代次数之内达到收敛,提高了算法的有效性。最后,重新定义了 FCM的目标函数,并将偏场估计模型加入目标函数,在处理过程对MRI图像同时进行偏场校正和分割,抑制了偏场对医学图像的影响,提高了分割准确度。本文将新算法用于包含偏场和噪声的MRI合成脑部图像,并将实验结果和另外五种具有代表性的算法进行了比较。通过视觉效果分析以及分割准确度分析之后,实验结果表明,本文的算法能更加有效地估计偏场和抑制噪声,获得比较精确的脑组织分割结果。(本文来源于《山东大学》期刊2017-06-30）
贺云隆[2]（2017）在《图像结构、纹理和偏场协同分解方法的研究》一文中研究指出图像分解在计算机视觉领域中一直是一个被广泛关注的问题,该问题的研究目标是将一幅图像分解成若干个不同的分量,从而实现原图像中的主要结构与纹理细节等信息的分离。解决这一问题,对计算机视觉和医学图像等领域的许多工作具有重要意义。然而,一方面,现存的经典图像分解方法大多缺少相应的函数来定义某些复杂的结构特征,如经典的双边滤波(BF)和双边纹理滤波(BTF)缺少定义视网膜图像血管结构特征的函数。另一方面,这些方法忽视了图像中常见的偏场信息对图像造成的影响,分解出的信息常受到偏场的干扰而严重丢失。针对这些问题,本文提出了图像结构、纹理和偏场协同分解的模型,并基于图像管状结构、纹理的分解以及对图像偏场的估计提出了图像协同分解的方法。该方法能够在分解图像中复杂的管状结构与纹理细节的同时不受偏场信息的影响。具体地,本文提出了一个最优线性扩散函数(OLSF)空间核算子来提取管状结构的特征,然后将其与BTF中的纹理分解算子Patch-shift(PS)融合,用于有效分解图像中的管状结构与纹理。为了消除偏场信息的干扰,我们利用鲁棒性较强的图像梯度分布稀疏性来有效地估计图像的偏场信息。具体来讲,本文的研究和贡献主要有以下几点:(1)提出了一个图像管状结构、细节分解方法,并将其成功地应用于眼底图像的降噪任务。该方法利用OLSF有效地提取特殊管状结构特征,例如局部血管的方向、尺度等等,然后利用这些特征区分血管结构信息和背景细节信息,最终在降低图像中的噪声的同时极大的保留血管结构。大量的手工图像和视网膜图像的实验结果表面,在保留对比度较低的细血管的效果上,该方法要优于经典的BF方法。此外,该方法不仅为分解视网膜图像中的血管结构提供了可行性,并且在其他包含小尺度的、低对比度的管状结构的图像上同样有效,为下一步的管状结构、纹理分解工作提供了基础。(2)提出了一个图像管状结构、纹理分解方法,能够有效地分解图像的管状和纹理细节信息。该方法基于BF框架,融合了PS算子和提出的OLSF。其中,PS算子利用每个像素的局部统计特征来定义该像素的纹理特征,具有很好的图像的结构和纹理细节分解效果。大量的视网膜图像和自然图像的实验结果表明,利用PS算子和OLSF定义BF的滤波核,能够在消除纹理信息的同时有效地保护管状结构,且其效果要优于经典的BF和BTF图像分解方法。(3)提出了图像结构、纹理和偏场协同分解的模型,并在图像管状结构、纹理分解的基础上加入了图像偏场的估计,提出了图像协同分解模型的实现方法。本文利用了图像梯度分布的稀疏性估计图像偏场信息,同时结合管状结构-纹理滤波分解方法,最终将图像分解成管状结构、背景纹理和偏场叁个分量。大量的自然图像和眼底图像的实验对比的结果表面,图像协同分解模型比传统模型更加严谨,且实用性更强。和现存的经典的BF和BTF图像分解方法更相比,图像协同分解方法的优势在与分解纹理信息的同时能够更好的保护图像管状结构,而不会受到偏场信息的影响。(本文来源于《山东师范大学》期刊2017-06-08）
崔文超,王毅,樊养余,冯燕,郝重阳[3]（2013）在《局部高斯分布拟合的脑MR图像分割及有偏场校正》一文中研究指出为实现对灰度不均匀脑核磁共振(MR)图像分割的同时进行有偏场估计并校正,提出一种基于局部高斯分布拟合(LGDF)模型的多相水平集方法。通过分析图像有偏场模型的局部特性,将有偏场乘性因子引入到图像局部灰度均值的表达中,从而使有偏场乘性因子成为新的能量函数的变量。能量函数的迭代最小化既实现了目标组织分割,又有效估计了有偏场。合成图像和仿真脑MR图像实验结果表明,本文方法比现有多种方法分割性能更好,且利用本文方法估计的有偏场校正后的图像有更好的视觉效果。(本文来源于《中国图象图形学报》期刊2013年05期）
崔文超,王毅,樊养余,冯燕[4]（2012）在《基于LGDF模型的医学图像分割及有偏场校正》一文中研究指出为实现对灰度不均匀医学图像分割的同时进行有偏场估计并校正,改进了基于局部高斯分布拟合(Local Gaussian Distribution Fitting,LGDF)能量的活动轮廓模型。通过分析图像有偏场模型的局部特性,将有偏场乘性因子引入图像局部灰度均值的表达中,从而使有偏场乘性因子成为新的能量函数的变量。能量函数的迭代最小化既实现了目标组织分割,又有效估计了有偏场。合成图像和真实医学图像实验表明该方法比现有多种方法分割性能更好,且利用估计的有偏场校正后的图像具有更好的视觉效果。(本文来源于《计算机工程与应用》期刊2012年34期）
杨军,石传奎,党建武[5]（2012）在《一种新的核磁共振图像偏场估计和分割算法研究》一文中研究指出在数字医学图像处理中,对于核磁共振图像而言,灰度不均匀性将严重影响算法的性能,因此必须进行偏场的估计以消除这种不均匀性。为此,提出了一种可以同时实现核磁共振图像偏场估计和图像分割的算法。使用最小均方误差准则构建目标函数,利用偏场的光滑特性和局部特性构建约束项来加速算法的收敛速度并提高算法的性能。实验结果表明,该算法能够正确地进行图像分割和偏场校正,同时约束项能够加快算法的收敛速度和提高算法的性能。(本文来源于《计算机应用研究》期刊2012年03期）
宿燕鸣,齐敏,李大健,严欣[6]（2011）在《一种基于有偏场的医学图像自动分割算法》一文中研究指出临床应用对医学图像分割的准确度和算法的速度要求较高,但是由于图像本身受噪声、偏移场效应等的影响,使得分割算法很难达到理想的效果。人工分割方法可在原始图像上直接画出期望的边界,然而费时费力,分割结果完全依赖于分割者的解剖知识和经验且分割结果难以再现。针对磁共振(MR)图像存在偏移场的问题,以及避免人为参与,将一种基于有偏场的适配聚类算法与活动形状模型算法(ASM)相结合,提出了一种将基于MR图像的自动分割方法。该算法能够校正扫描间和扫描内部的灰度不均匀性,避免了图像不同程度地丢失原图像的信息,并达到全自动分割图像数据,该方法较传统算法更精确和稳健,可在医学图像处理和分析中发挥作用。(本文来源于《科学技术与工程》期刊2011年01期）
马莉,赵树升,朱磊[7]（2006）在《基于有偏场的光栅图像模糊聚类分割算法》一文中研究指出针对有偏场环境下带有光栅的散焦图像分割问题,提出了一种新的基于有偏场估计的模糊聚类分割算法。通过建立依赖于有偏场的模糊聚类目标函数,导出了基于灰度以及邻域灰度均值的聚类中心、模糊聚类函数以及有偏场估计的迭代算法;并在该算法生成的初始分割基础上,利用膨胀算子对分类结果进行细化。该方法较好地处理了传统模糊聚类对有偏场下光栅图像分割精度下降的问题。实验结果表明,基于有偏场的模糊聚类算法能有效分割光栅图像,其分割精度优于传统模糊聚类和阈值法。(本文来源于《计算机应用研究》期刊2006年04期）
图像偏场论文开题报告
（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：
图像分解在计算机视觉领域中一直是一个被广泛关注的问题,该问题的研究目标是将一幅图像分解成若干个不同的分量,从而实现原图像中的主要结构与纹理细节等信息的分离。解决这一问题,对计算机视觉和医学图像等领域的许多工作具有重要意义。然而,一方面,现存的经典图像分解方法大多缺少相应的函数来定义某些复杂的结构特征,如经典的双边滤波(BF)和双边纹理滤波(BTF)缺少定义视网膜图像血管结构特征的函数。另一方面,这些方法忽视了图像中常见的偏场信息对图像造成的影响,分解出的信息常受到偏场的干扰而严重丢失。针对这些问题,本文提出了图像结构、纹理和偏场协同分解的模型,并基于图像管状结构、纹理的分解以及对图像偏场的估计提出了图像协同分解的方法。该方法能够在分解图像中复杂的管状结构与纹理细节的同时不受偏场信息的影响。具体地,本文提出了一个最优线性扩散函数(OLSF)空间核算子来提取管状结构的特征,然后将其与BTF中的纹理分解算子Patch-shift(PS)融合,用于有效分解图像中的管状结构与纹理。为了消除偏场信息的干扰,我们利用鲁棒性较强的图像梯度分布稀疏性来有效地估计图像的偏场信息。具体来讲,本文的研究和贡献主要有以下几点:(1)提出了一个图像管状结构、细节分解方法,并将其成功地应用于眼底图像的降噪任务。该方法利用OLSF有效地提取特殊管状结构特征,例如局部血管的方向、尺度等等,然后利用这些特征区分血管结构信息和背景细节信息,最终在降低图像中的噪声的同时极大的保留血管结构。大量的手工图像和视网膜图像的实验结果表面,在保留对比度较低的细血管的效果上,该方法要优于经典的BF方法。此外,该方法不仅为分解视网膜图像中的血管结构提供了可行性,并且在其他包含小尺度的、低对比度的管状结构的图像上同样有效,为下一步的管状结构、纹理分解工作提供了基础。(2)提出了一个图像管状结构、纹理分解方法,能够有效地分解图像的管状和纹理细节信息。该方法基于BF框架,融合了PS算子和提出的OLSF。其中,PS算子利用每个像素的局部统计特征来定义该像素的纹理特征,具有很好的图像的结构和纹理细节分解效果。大量的视网膜图像和自然图像的实验结果表明,利用PS算子和OLSF定义BF的滤波核,能够在消除纹理信息的同时有效地保护管状结构,且其效果要优于经典的BF和BTF图像分解方法。(3)提出了图像结构、纹理和偏场协同分解的模型,并在图像管状结构、纹理分解的基础上加入了图像偏场的估计,提出了图像协同分解模型的实现方法。本文利用了图像梯度分布的稀疏性估计图像偏场信息,同时结合管状结构-纹理滤波分解方法,最终将图像分解成管状结构、背景纹理和偏场叁个分量。大量的自然图像和眼底图像的实验对比的结果表面,图像协同分解模型比传统模型更加严谨,且实用性更强。和现存的经典的BF和BTF图像分解方法更相比,图像协同分解方法的优势在与分解纹理信息的同时能够更好的保护图像管状结构,而不会受到偏场信息的影响。
（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。
图像偏场论文参考文献
[1].邓雯倩.基于模糊聚类的医学图像分割和偏场校正算法研究[D].山东大学.2017
[2].贺云隆.图像结构、纹理和偏场协同分解方法的研究[D].山东师范大学.2017
[3].崔文超,王毅,樊养余,冯燕,郝重阳.局部高斯分布拟合的脑MR图像分割及有偏场校正[J].中国图象图形学报.2013
[4].崔文超,王毅,樊养余,冯燕.基于LGDF模型的医学图像分割及有偏场校正[J].计算机工程与应用.2012
[5].杨军,石传奎,党建武.一种新的核磁共振图像偏场估计和分割算法研究[J].计算机应用研究.2012
[6].宿燕鸣,齐敏,李大健,严欣.一种基于有偏场的医学图像自动分割算法[J].科学技术与工程.2011
[7].马莉,赵树升,朱磊.基于有偏场的光栅图像模糊聚类分割算法[J].计算机应用研究.2006