一种基于数学形态学的CT图像脑瘤分割方法

来源 :计算机仿真 | 被引量 : 9次 | 上传用户:windlian
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对传统的CT图像脑瘤分割方法往往需要先验知识指导的弊端,且脑瘤CT图像中肿瘤特征点与周围背景对比度较小,计算机自动提取这些特征点具有一定难度。为能清晰观察肿瘤具体位置,提出了一种基于数学形态学Top-Hat变换的脑瘤CT图像分割方法。利用形态学变换可得到分割迫切需要的谷峰值点、高低曲率点,再将变换结果与原始图像做"异或"运算就可以达到有效分割出肿瘤。实验结果表明,方法在无需先验知识指导情况下可使分割效果明显优于传统方法,具有很好的实用性。
其他文献
研究无线传感器中关于技术定位问题,地理路由以其独立选路、避免泛洪以及良好的可扩展性和适应性而得到快速发展,但面临由"空洞"使贪婪转发失败的本地最小化问题。传统的路由协议解决上述问题普遍采用边界转发,但又带来空洞边缘附近的节点能量迅速耗尽。基于锚节点的地理路由中,虽然缓解"空洞扩大"问题,影响网络的生存时间。为了方便获得地理位置信息,减少时间开销,提出无线传感网中一种有效的迂回空洞地理路由协议(EH
汀洲水渚图像,韩国学界一般通称“蒲柳水禽纹”,常表现为水中小洲或岸际坡地上植柳树水面满布莲荷、水草,并有凫鸟、鹤鸟、鸳鸯、鹭鹭活动其间,内容丰富,极具意趣。十二世纪
物流配送车辆路径优化问题是近年来物流领域中的研究热点,路径优化属于NP难题,问题规模较大,很难得到最优解和满意解。应用粒子群算法是被认为求解NP难题的有效手段之一,为解决MDVRP(多车场车辆路径)的优化问题,在求解物流配送车辆路径优化问题时提出将粒子群算法与变异操作相结合的求解方式:通过设计一个随群体适应度方差的变化而变化的变异算子,将聚集在局部收敛点附近的粒子打散,进而增强算法跳出局部最优的能
小波变换具有多分辨率,也叫多尺度的特点,可以由粗及细地逐步观察数据,通过引入多尺度性可以进一步揭示网络中的流量特性。在小波理论框架下,重点分析了长相关过程在经过小波变换后的性质,即将原来在时间域内长范围相关的流量序列转化为小波域里尺度间不相关,尺度内短相关的小波系数,使得原先复杂的估计问题变为一个简单的线性回归问题。同时分析了小波估计方法的无偏性,小波函数的选择以及估计方法的时间复杂度等重要的问题