بهبود مدل سطوح فعال با استفاده از بهینه سازی توابع انرژی برای جزء بندی تصاویر سه بعدی

بهبود مدل سطوح فعال با استفاده از بهینه سازی توابع انرژی برای جزء بندی تصاویر سه بعدی

فرمت فایل دانلودی: .docx
فرمت فایل اصلی: doc
تعداد صفحات: 111

بهبود مدل سطوح فعال با استفاده از بهینه سازی توابع انرژی برای جزء بندی تصاویر سه بعدی
نوع فایل: word (قابل ویرایش)
تعداد صفحات : 111 صفحه

چکیده
تشخیص مرز و سطح دقیق اجسام در تصاویر دو و یا سه بعدی یکی از مهمترین و پیچیده ترین موضوعات در مسائل حوزه پردازش تصویر به شمار می آید که کاربردهای بسیاری در زمینه های بینایی ماشین از جمله ردیابی اجسام, بازسازی سطوح و به ویژه پردازش تصاویر پزشکی دارد. در این بین, با توجه به پیشرفت روزافزون علم پزشکی و نیاز آن به تشخیص خودکارو غیر تهاجمی انواع بیماری ها و نارسایی های پزشکی, پردازش تصاویر پزشکی دو یا سه بعدی, به ویژه تصاویر سه بعدی به دلیل اطلاعات جامع و مفیدی که در اختیار پزشک قرار می دهند, از اهمیت ویژه ای برخوردار است. به همین دلیل روش های مختلفی از قطعه بندی تصاویر سه بعدی ارائه گردیده است که به طور کلی می توان آنها را به سه دسته روش های ساختاری, آماری و ترکیبی تقسیم بندی نمود. در بین این روش ها, مدل های قابل تغییر شکل پارامتری که از جمله روش های ساختاری محسوب می شوند از اهمیت و کاربرد بالایی برخوردار هستند. مبنای این مدل ها براساس تغییر شکل یک سطح اولیه بر اثر اعمال انرژی داخلی, که مسئول یکپارچگی و انعطاف پذیری سطح می باشد, و انرژی خارجی, که مسئول حرکت سطح اولیه به سمت سطح مورد نظر است, می باشد. با توجه به عملکرد مناسب این مدل ها, پیشرفت های روز افزونی در این زمینه در حال انجام می باشد.در این پایان نامه, روش سطوح فعال منفصل که یکی از روش های مدل های قابل تغییر شکل پارامتری می باشد که اخیرا ارئه شده و نتایج بسیار مطلوبی در مقایسه با روش های معمول قطعه بندی سه بعدی از خود نشان داده است به عنوان الگوریتم پایه در نظر گرفته شده است. در روش پیشنهادی, سعی شده است تا با بهبود مراحل مختلف این الگوریتم و همچنین افزودن مراحلی جهت تکمیل و بهبود نتایج الگوریتم, به یک روش نوین و بهینه جهت قطعه بندی تصاویر سه بعدی دست یافت. بدین منظور اولین بهبود ایجاد شده در مورد تعیین سطح اولیه مناسب می باشد که در اینجا از یک تخمین بدست آمده از طریق مدل کانتور فعال منفصل, از جسم سه بعدی به عنوان سطح اولیه استفاده شده است. در قسمت بعد در جهت بهبود انرژی های داخلی و خارجی که تاثیر مهمی بر نتیجه نهایی و عملکرد الگوریتم دارند, از انتگرال انحنا به عنوان انرژی داخلی و از دو تابع وابستگی محلی فاز و گرادیان تصویر حاصل از استخراج مرز توسط ویولت به عنوان انرژی خارجی استفاده شده است. سپس جهت اصلاح اشکلات رخ داده در نتیجه الگوریتم به موجب وجود نواحی همجوار و مشابه, از روش جستجوی خطی استفاده شده است.در آخر از نمونه برداری و بروز رسانی شبکه مثلثی براساس همسایگی جهت تضمین همگرایی الگوریتم, استخراج نواحی با انحنای بالا و بهبود دقت سطح استخراج شده, استفاده شده است.برای بررسی عملکرد روش پشنهادی در این پایاین نامه, این روش به صورت دو الگوریتم بر روی چهار دسته از تصاویر, تصویر ستاره سه بعدی ساختگی و تصاویر سی تی اسکن مغز, ریه و کبد, اعمال شده است و در قالب چندین دسته تصویر در مرحله همگرایی و همچنین در مرحله متوقف شده در تکرار الگوریتم با سرعت همگرایی بیشتر و جدولی که نشان دهنده بار محاسباتی و سرعت الگوریتم های پیشنهادی در مقایسه با مدل سطوح فعال منفصل می باشد, ارائه گردیده است. ارزیابی نتایج نشان دهنده این موضوع است که روش پیشنهادی هم از نظر دقت در استخراج سطح نهایی و نواحی با انحنای بالا, هم از نظر بار محاسباتی و هم از نظر سرعت همگرایی عملکرد بسیار مطلوبی در مقایسه با مدل سطح فعال منفصل دارد.

فهرست مطالب
عنوان صفحه
فصل اول:مقدمه 1
۱-۱-مقدمه 2
۱-۲-خلاصه مسئله 4
۱-۳-سرفصل ها 4
فصل دوم:پیشینه تحقیق 6
۲-۱-مقدمه 7
۲-۲-مروری بر روش های قطعه بندی 7
۲-۲-۱-روش های ساختاری 8
۲-۲-۲-روش های آماری 12
۲-۲-۳-روش های ترکیبی 15
فصل سوم:مدل های قابل تغییر شکل 18
۳-۱-مقدمه 19
۳-۲-مدل های قابل تغییر شکل پارامتری 20
۳-۲-۱-بیان ریاضی مدل 20
۳-۲-۲-انرژی داخلی مدل 21
۳-۲-۳-انرژی خارجی مدل 22
۳-۲-۴-تکامل مدل قابل تغییر شکل پارامتری 23
۳-۲-۵-روش حل عددی 24
۳-۳-محدودیت های مدل های قابل تغییر شکل پارامتری 24
۳-۳-۱-حساسیت به شرایط اولیه 25
۳-۳-۲-حساسیت به حداقل های محلی 25
۳-۳-۳-حساسیت به انحنای زیاد 26
۳-۳-۴-نیاز به تنظیم پارامترها 27
۳-۳-۵-بار محاسباتی 27
فصل چهارم:سطح فعال منفصل برای قطعه بندی تصاویر سه بعدی 28
۴-۱-مقدمه 29
۴-۲-تعریف راس و سطح در مدل سطوح فعال منفصل 30
۴-۳-مرحله اول:تعیین سطح اندازه گیری شده 31
۴-۴-مرحله دوم:تولید دانش پیشین غیرایستا در فضای سه بعدی 34
۴-۴-۱-انحنا در فضای سه بعدی 34
۴-۴-۲-نمونه برداری مجدد سطح بر مبنای انحنا 35
4-5-مرحله سوم:تخمین آماری 39
فصل پنجم:روش پیشنهادی 40
۵-۱-مقدمه 41
۵-۲-الگوریتم پیشنهادی 41
۵-۲-۱-تخمین کانتور فعال برای سطح اولیه 42
۵-۲-۲-روش جستجوی خطی 43
۵-۲-۳-انتگرال انحنا به عنوان انرژی داخلی 44
۵-۲-۴-تبدیل ویولت برای تصاویر 45
۵-۲-۵-وابستگی محلی فاز به عنوان انرژی خارجی 47
۵-۲-۶-گرادیان تصویر حاصل از استخراج مرز توسط ویولت به عنوان انرژی خارجی 49
۵-۲-۷-نمونه برداری براساس همسایگی 51
۵-۲-۸-بروز رسانی شبکه مثلثی براساس نزدیکترین همسایگی ها 52
۵-۲-۹-تشریح روند کلی روش پیشنهادی 53
فصل ششم:نتایج الگوریتم پیشنهادی و بررسی آنها 57
۶-۱-مقدمه 58
۶-۲-مغز 58
۶-۳-ریه 59
۶-۴-کبد 60
۶-۵-پرتونگاری کامپیوتری 61
۶-۵-۱-تاریخچه سی تی اسکن 62
۶-۵-۲-اجزای اصلی تشکیل دهنده دستگاه سی تی اسکن 62
۶-۵-۲-الف-لامپ اشعه ایکس 63
۶-۵-۲-ب-دتکتورهای اشعه ایکس 64
۶-۵-۲-پ-واحد جمع آوری اطلاعات 64
۶-۵-۲-ت-واحد تولید ولتاژ بالا 64
۶-۵-۲-ث-تخت بیمار 64
۶-۵-۲-ج-واحد بازسازی و تولید تصویر 64
۶-۵-۲-چ-کنسول نمایش و واسط کاربر 65
۶-۵-ح-کامپیوتر کنترل کننده مرکزی 65
۶-۵-۳-نسل های مختلف دستگاه 65
۶-۵-۳-الف-نسل اول 65
۶-۵-۳-ب-نسل دوم 65
۶-۵-۳-پ-نسل سوم 65
۶-۵-۳-ت-نسل چهارم 66
۶-۵-۳-ث-نسل پنجم 66
۶-۵-۳-ج-نسل ششم 66
۶-۵-۳-چ-نسل هفتم 67
۶-۶-مشخصات نتایج 67
۶-۷-نتایج و تحلیل آنها 67
۶-۷-۱-مقایسه نتایج مدل سطح فعال منفصل با چند روش معمول 67
۶-۷-۲-مقایسه نتایج روش پیشنهادی و الگوریتم سطح فعال منفصل 69
۶-۷-۲-الف-ستاره سه بعدی ساختگی 69
۶-۷-۲-ب-تصاویر سی تی اسکن مغز 70
۶-۷-۲-پ-تصاویر سی تی اسکن ریه 76
۶-۷-۲-ت-تصاویر سی تی اسکن کبد 81
۶-۷-۲-ث-مقایسه سرعت همگرایی و بار محاسباتی 88
فصل هفتم:نتیجه گیری و کارهای آینده 90
۷-۱-نتیجه گیری 91
۷-۲-کارهای آینده 92
فهرست منابع 93

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.