| 【中文题名】 | 遗传聚类算法及其在医学图像分割中的应用 |
| 【英文题名】 | |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-31 |
| 【中关键词】 | 遗传算法,聚类分析,遗传聚类,图像分割,, |
| 【英关键词】 | Genetic Algorithms,cluster-based analysis,genetic clustering,image segmentation, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
图像分割是从图像处理到图像分析的关键步骤。图像分割最重要的一个应用就是医学图像分割。很多生物医学信息都是以图像形式表现出来的，如X射线图像、断层CT图像以及超声图像，它使人类视觉从表面向内部延伸。人们可以通过他们来获取人体内部器官在解剖形态、生物化学和生理功能上的有用信息。由于医学图像中的病灶有时会与周围的正常组织在灰度、形状上相似，用肉眼不易分辨，所以需要进行图像分割，使病灶明显的呈现出来。
遗传算法是一种模拟生物自然选择与进化过程的随机、并行、自适应搜索算法，它是20世纪70年代由美国Michigan大学的John Holland教授创建的。由于它思想简单、易于计算，近年来，已广泛应用于函数优化、组合优化、自动控制、智能控制、图像处理和模式识别、人工生命以及机器学习等领域，并取得了令人鼓舞的成就。聚类分析是一种无导师的学习方法，能够从研究对象的特征数据中发掘关联规则，因而是一种强大有力的信息处理方法。本文通过将遗传算法和聚类分析相结合，从在特征空间内对象素聚类的角度提出了一种遗传聚类分割算法，用遗传算法搜索最优聚类中心，有效的避免了常用算法如C均值聚类算法中初始聚类中心的选取问题。文中以... |
| 【论文题纲】 |
|
摘要 |
2-3 |
|
Abstract |
3-6 |
|
第一章 引言 |
6-21 |
|
1.1 遗传算法 |
6-12 |
|
1.1.1 遗传算法的基本概念 |
6-7 |
|
1.1.2 遗传算法的特点 |
7-8 |
|
1.1.3 遗传算法的构成要素 |
8-12 |
|
1.2 聚类算法 |
12-13 |
|
1.2.1 聚类的定义 |
12 |
|
1.2.2 聚类准则 |
12-13 |
|
1.2.3 常见的聚类算法 |
13 |
|
1.3 数字图像处理的有关知识 |
13-17 |
|
1.3.1 数字图像处理概述 |
13-14 |
|
1.3.2 图像分割的概念 |
14-15 |
|
1.3.3 图像分割的基本方法 |
15-17 |
|
1.3.4 图像分割目前的一些主要应用场合 |
17 |
|
1.4 医学图像分割的现状 |
17-18 |
|
1.5 课题的提出 |
18-19 |
|
1.6 本文所作的主要工作 |
19-21 |
|
第二章 遗传聚类分割算法的设计与实现 |
21-44 |
|
2.1 遗传聚类分割算法的设计 |
21-25 |
|
2.2 遗传聚类分割算法的实现 |
25-44 |
|
2.2.1 构造自己的DIB函数库 |
25-26 |
|
2.2.2 遗传聚类分割算法的编程原理 |
26-30 |
|
2.2.3 遗传聚类分割算法的实现程序 |
30-44 |
|
第三章 遗传聚类算法在医学图像分割中的应用 |
44-52 |
|
3.1 软件设计 |
44-46 |
|
3.2 界面设计 |
46 |
|
3.3 程序运行结果 |
46-49 |
|
3.4 实验结果分析 |
49-50 |
|
3.5 图像分割进一步应用的探讨 |
50-52 |
|
第四章 结束语 |
52-54 |
|
4.1 遗传聚类分割算法的特点 |
52 |
|
4.2 需要进一步研究的问题 |
52-54 |
|
参考文献 |
54-57 |
|
致谢 |
57 |
|
| 【DOI】 | LunWen.ID:2.2008.388760 |
