【摘 要】
：
口腔牙齿图像分割对于牙齿的正畸手术、义齿种植等有重要的意义。由于牙根被牙槽骨包围,磨牙拓扑结构复杂,以及在牙齿内部有牙髓腔的存在,导致分割时易出现过分割、内部轮廓等问题。为进一步提高分割精度,针对上述问题本文提出了一种基于局部高斯分布拟合与边缘检测相结合的分割算法。该算法融合了像素局部邻域的方差和均值,并将图像梯度信息引入边缘检测,提高了分割算法的稳定性。在实验中,基于锥形束计算机断层图像,完成了
论文部分内容阅读
口腔牙齿图像分割对于牙齿的正畸手术、义齿种植等有重要的意义。由于牙根被牙槽骨包围,磨牙拓扑结构复杂,以及在牙齿内部有牙髓腔的存在,导致分割时易出现过分割、内部轮廓等问题。为进一步提高分割精度,针对上述问题本文提出了一种基于局部高斯分布拟合与边缘检测相结合的分割算法。该算法融合了像素局部邻域的方差和均值,并将图像梯度信息引入边缘检测,提高了分割算法的稳定性。在实验中,基于锥形束计算机断层图像,完成了对牙根图像的精确分割,并与当前比较经典的算法进行了对比,结果表明,本文算法能够更好地区分牙根以及牙根周围
其他文献
随着生成对抗网络(GAN)的发展,中文字体转换领域的研究越来越多,研究者能够生成高质量的汉字图像。这些字体转换模型可以使用GAN将源字体转换为目标字体。然而,目前的方法有以下局限:1)生成的图像模糊;2)模型一次只能学习和生成一种目标字体。针对这些问题,该文开发了一种全新的模式来执行中文字体转换。首先,将字体信息附加到图像上,告诉生成器需要转换的字体;然后,通过卷积网络提取和学习特征映射,并使用转
介绍如何利用电路系统网络对非应答模式的ⅡC串行信号解码转换为并行信号以实现微机接收。在信号传输的过程中实现在不改变原信息和传输时间的情况下尽可能地减少微机接收ⅡC信号所需消耗的工作时间,以节约微机资源,提高工作效率。
Deep learning provides exciting solutions in many fields, such as image analysis, natural language processing, and expert system, and is seen as a key method for various future applications. On accoun
Due to the tremendous volume of data generated by urban surveillance systems, big data oriented lowcomplexity automatic background subtraction techniques are in great demand. In this paper, we propose
Toxic symptoms and tolerance mechanisms of heavy metal in maize are well documented. However, limited information is available regarding the changes in the proteome of maize seedling roots in response
Soil alkalinity is a major factor that restricts the growth of apple roots. To analyze the response of apple roots to alkali stress, the root structure and endogenous hormones of two apple rootstocks,
对老年人术后复健智能化护理平台进行设计能够提高对老年人的护理质量。针对当前老年人术后复健智能化护理平台设计方法存在的护理质量较差,护理人员工作效率低等问题,提出一种基于摔倒行为图像的老年人术后复健智能化护理平台设计方法,根据老年人术后复健智能化护理平台设计需求,对其功能模块进行设计,确定平台的基本流程,实现平台硬件构成的设计,并通过登录模块、护理评估模块、医嘱执行模块以及生命体征监测模块的设计,实
肺癌是现在发病率和死亡率最高的癌症,其对人类的健康和生命有着巨大的威胁。对肺癌的及时诊断可以有效提高患者的生存率,肺肿瘤早期在CT图像上表现为肺结节,因此,对CT图像中肺结节的研究在辅助肺癌诊疗方面有着重要意义。针对肺结节的识别和分割,提出了一种基于卷积神经网络(CNN)和改进随机游走(RW)的新算法。首先,通过结合CNN实现了对肺结节的全自动识别和检测,其次,通过改进随机游走算法的权函数,结合灰
为保证反应堆的安全运行,需要采用多种检测技术确保燃料芯块质量。针对燃料芯块表面裂纹检测中因图像对比度低、背景复杂而导致的裂纹误检率高的问题,提出了一种基于卷积神经网络(CNN)和Beamlet算法相结合的表面裂纹检测算法。对图像进行等尺度分割作为裂纹识别模型(CrackCNN)的训练和测试样本;采用训练完成的CrackCNN对图像中含裂纹的区域进行识别和定位;采用Beamlet算法针对含裂纹区域进