图像增强
一、课题综述及探究意义
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。
而作为图像处理最为基础的环节，其 *查看完整论文请 +Q: 3 5 1 9 1 6 0 7 2 
常生活中的地位举足轻重，受到了学者们的广泛重视。
而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，成了学者们的探究热点。
目前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剖析，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、课题拟采取的探究方法和技术路线
探究方法：
先剖析常用算法的工作原理,阅读与匹配滤波器相关的文献资料，藉此剖析高斯匹配滤波器算法的工作原理，归纳不同算法的优缺点。最后深入探究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：
针对视网膜血管这一具体领域，用MATLAB对常用算法进行仿真，对比处理效果，剖析优缺点，在此基础上对TRAMLINE匹配滤波作出改进。
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.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、剖析和机器视觉(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.DELPHI的数字图像处理工程软件设计[M].北京:我国水利水电出版社,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.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.图像高斯平滑滤波剖析.计算机与信息技术,2008, 8(31):179-181.
[11]柴晓辉.高斯匹配滤波增强方法的真菌图像剖析[J],科技信息(学术探究),2007, 16(3): 156-158.
[12]许雷,郑筱祥.一种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.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.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-均值算法的探究[D].辽宁师范大学,2010.
[16]王文杰.LEVEL SET方法的图像分割技术探究.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.FCM聚类的算法改进[D],我国海洋大学,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.遗传算法的FCM聚类在银行客户细分中的应用探究[D].兰州商,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探究[D].长沙理工大学,2011.
二、毕业论文（论文）工作实施计划
（一）毕业论文（论文）的理论剖析与软硬件要求及其应达到的水平与结果
理论剖析：
1、对传统算法的剖析；
2、对高斯匹配滤波器算法的剖析；
3、对TRAMLINE原理的剖析；
4、对TRAMLINE过程改进依据的理论剖析；
软硬件要求：
用MATLAB对常用的算法进行仿真，剖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）毕业论文（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 确定论文总体探究方向：，针对视网膜血管具体探究
4月15日-4月21日 剖析常用算法的优缺点，用MATLAB仿真出处理效果
4月22日-4月28日 对TRAMLINE匹配滤波算法进行改进
4月29日-5月5日 对改进后的TRAMLINE匹配滤波算法进行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
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/lwqt/ktbg/1254.html
