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94頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、針對醫(yī)學(xué)圖像的多維性、復(fù)雜性等特點,系統(tǒng)研究了醫(yī)學(xué)圖像的光滑直方圖、一階核密度估計和基于特征函數(shù)的有限高斯混合模型的密度估計模型。在此基礎(chǔ)上,提出各個密度模型所對應(yīng)的醫(yī)學(xué)圖像分割技術(shù)、方法及其算法。主要內(nèi)容包括以下幾個方面:
   (1)針對醫(yī)學(xué)圖像直方圖估計存在不光滑和缺乏空間性等問題,提出基于局部多項式的直方圖和Histon光滑方法,該方法利用數(shù)據(jù)的相鄰元素的多項式進行平滑估計,根據(jù)加權(quán)最小二乘法估計多項式系數(shù)。利用粗糙集的

2、思想,把光滑后的Histon作為醫(yī)學(xué)圖像的粗糙集上界,光滑后的直方圖作為下界,構(gòu)造一個醫(yī)學(xué)圖像的粗糙集信息系統(tǒng)。并計算出粗糙集信息系統(tǒng)的粗糙度函數(shù),根據(jù)此函數(shù)的局部最小值實現(xiàn)醫(yī)學(xué)圖像的多閾值自適應(yīng)顯著區(qū)域的分割。光滑后的直方圖和Histon可以有效減少粗糙度的“偽局部最小值”,避免了醫(yī)學(xué)圖像的過分割問題。
   (2)針對核密度估計存在計算量大、平滑參數(shù)難以自適應(yīng)估計和組織邊界的偏差較大等問題。提出基于分層抽樣的快速自適應(yīng)的一階

3、似然函數(shù)多項式的核密度估計方法。該方法利用光滑直方圖進行分層抽樣,把訓(xùn)練樣本減少到最少;利用相鄰數(shù)據(jù)的平均距離作為局部平滑參數(shù)和反應(yīng)全局結(jié)構(gòu)的平滑參數(shù)一起構(gòu)造自適應(yīng)的平滑參數(shù);利用一階似然函數(shù)多項式的核密度估計減少組織邊界的偏差。模擬圖像和真實的醫(yī)學(xué)圖像表明,新的核密度估計方法具有速度快、偏差小和自適應(yīng)等優(yōu)點。
   (3)針對基于固定步長的爬山算法的醫(yī)學(xué)圖像分割會導(dǎo)致類別數(shù)增加、速度慢且不同的區(qū)域用同一個全局密度閾值等問題。提

4、出動態(tài)步長的爬山算法識別密度吸引子和從山頂向山腳搜索的下山策略的圖像分割方法。該方法利用動態(tài)步長的爬山算法識別局部最優(yōu)值,加快了分割速度,且避免了過分割的問題。下山策略的算法通過搜索下山方向,以山腳作為組織器官的密度閾值,實現(xiàn)了不同組織器官的局部多閾值分割。
   (4)針對傳統(tǒng)的有限混合模型存在參數(shù)初始化不穩(wěn)定,收斂速度慢和混合模型成份數(shù)估計困難等公認的難題。提出基于核密度估計函數(shù)和特征函數(shù)的混合模型密度函數(shù)估計方法。該方法利

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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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