2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩117頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、生物信息圖像處理是生物工程學(xué)科的一個(gè)分支,包括生物信息處理技術(shù)、生物圖像處理與分析等,是生物工程領(lǐng)域中發(fā)展最迅速的學(xué)科方向之一。生物信息圖像分析致力于從生物圖像或生物圖像序列中提取數(shù)字信息,在生命科學(xué)領(lǐng)域有廣泛的應(yīng)用。然而生物信息圖像往往存在一定的噪聲,為了后續(xù)圖像分析與處理,通常需要首先對輸入圖像進(jìn)行去噪增強(qiáng)處理,從而改善圖像質(zhì)量,然后進(jìn)行分割定位處理。一方面,生物信息圖像去噪要求既能去除圖像的模糊和噪聲,又需要保持圖像的細(xì)節(jié),傳統(tǒng)的

2、濾波方法難以處理這類問題。另一方面,對于生物信息圖像來說,其特有的復(fù)雜性和多樣性使其分割方法不能統(tǒng)一,傳統(tǒng)的閾值分割方法和分水嶺標(biāo)記變換等方法針對復(fù)雜的生物信息圖像來說會導(dǎo)致分割失敗。
   近年來,偏微分方程理論(Partial Differential Equations,PDE)因其嚴(yán)格的數(shù)學(xué)理論基礎(chǔ)已經(jīng)在圖像處理的各個(gè)領(lǐng)域得到了廣泛應(yīng)用,并取得了一系列研究成果。針對生物信息圖像,結(jié)合偏微分方程理論,本文主要的研究工作如下

3、:
   1.針對生物信息圖像經(jīng)過傳統(tǒng)PDE模型會產(chǎn)生孤立點(diǎn)和噪聲強(qiáng)化等缺點(diǎn),提出了一種基于各向異性擴(kuò)散方程的圖像去噪方法。利用形態(tài)學(xué)重建技術(shù)對正則項(xiàng)進(jìn)行約束,達(dá)到了抑制圖像邊界移動的目的;并根據(jù)梯度閾值范圍不同,采用兩種擴(kuò)散系數(shù)來加強(qiáng)圖像邊緣的細(xì)節(jié)信息;為了減少不必要的擴(kuò)散,將閾值參數(shù)記為時(shí)間的函數(shù),減少了去噪時(shí)間。實(shí)驗(yàn)結(jié)果表明,該方法能保留更多的圖像邊緣細(xì)節(jié),在信噪比方面要優(yōu)于傳統(tǒng)的PDE去噪模型。
   2.針對全

4、變分模型易受到噪聲影響,在圖像處理過程中會丟失重要的細(xì)節(jié)信息的問題,提出一種適合生物信息圖像的全變分去噪增強(qiáng)模型。利用形態(tài)學(xué)重建先驗(yàn)知識約束正則化項(xiàng),提高了TV正則項(xiàng)指數(shù);通過給平滑項(xiàng)增加新的自適應(yīng)系數(shù)的方法,增強(qiáng)了生物信息圖像的邊緣結(jié)構(gòu)。模型分析和實(shí)驗(yàn)結(jié)果均表明,提出的全變分模型在去噪性能方面優(yōu)于傳統(tǒng)PDE模型。該模型還可以作為一種有效的圖像預(yù)處理手段,與分水嶺標(biāo)記變換結(jié)合可以準(zhǔn)確高效的提取到生物信息圖像的目標(biāo)區(qū)域。
   3

5、.由于生物信息圖像具有目標(biāo)分散、邊緣模糊的特點(diǎn),為了快速準(zhǔn)確的分離圖像目標(biāo)區(qū)域,提出了一種基于水平距離正則項(xiàng)的主動輪廓分割模型。該模型利用不同的正則化函數(shù)分別對全局?jǐn)M合項(xiàng)和局部擬合項(xiàng)進(jìn)行約束,進(jìn)一步提高了分割精度;并設(shè)計(jì)新的邊緣停止函數(shù)來保護(hù)生物信息圖像的弱邊緣,防止邊緣泄露;為了進(jìn)一步消除水平集函數(shù)的重新初始化過程,模型中通過使用一種含有兩個(gè)極小值的水平距離正則項(xiàng)來對能量泛函進(jìn)行約束,可以在迭代中采用較大的時(shí)間步伐,提高曲線的演化速度

6、。實(shí)驗(yàn)結(jié)果表明該分割模型對演化參數(shù)的設(shè)置不敏感,能有效保護(hù)生物信息圖像的弱邊緣,具有很強(qiáng)的分割魯棒性。
   4.針對生物信息圖像會出現(xiàn)灰度不均勻性、亮度不一致性的問題,提出了一種結(jié)合區(qū)域鄰域信息的局部二值擬合圖像分割模型。通過在全局?jǐn)M合項(xiàng)中添加像素鄰域影響項(xiàng),使分割模型能夠以較少的迭代次數(shù)分割亮度不一致的生物信息圖像。同時(shí),為了保證水平集方法中的精確計(jì)算,能量泛函中通過添加距離正則項(xiàng)來消除水平集函數(shù)的重新初始化過程。實(shí)驗(yàn)結(jié)果表

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論