共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
5.
医学图像处理技术随着深度学习的兴起而飞速发展。基于深度学习的医学图像分割技术成为了分割领域的主流方法,弥补了传统分割方法分割精度不足的缺点,已被应用到一些病理图像的分割任务中。文中对近年来出现的基于深度学习的分割方法进行了介绍和对比,重点综述了U-Net及其改进模型在分割领域的贡献,归纳了常见的医学图像模态、分割算法的评价指标和常用分割数据集,并对医学图像分割技术的未来发展进行了展望。 相似文献
6.
《电子技术与软件工程》2016,(19)
伴随着计算机技术的快速发展,图像处理技术在社会中的应用也越加广泛,图像分割技术优势越加显著。图像分割是图像处理上面的关键性环节,是图像处理过程中的重要因素,对于图像理论发展具有决定性因素。近年,图像分割技术已经取得了较大的成果,特别是在模糊理论和神经网络方面,众多研究程度已经开始逐渐在图像处理中应用,促进图像处理技术发展。 相似文献
7.
随着我国经济发展水平的不断提高,基于计算机视觉图像分割技术不断发展与进步,使图像处理更加高效、便捷.当前,图像分割方法已经非常多样,可以分为基于灰度与梯度的经典图像分割、融合先验证知识的图像分割、彩色图像分割等,由此可见,图像分割不断朝着智能化方向发展,图像分割的处理能力也在不断增强. 相似文献
8.
图像分割(Image Segmentation)是一种基本的计算机视觉技术,是自动化图像处理的一个重要环节,是图像分析与理解的基础,一直以来都受到关注。图像分割是指在很多情况下人们希望将作为感兴趣"目标"的人或物的图像部分从包括该"目标"人或物的环境图像中分离出来。也称为图像中前景与背景的分离,待分割区域相当于图像中的一部分前景或背景区域,随着图像分割技术的逐步发展,现在已经发展到图像中的各类不同内容均可被同时分离出来。作为一种有效的图像处理手段,图像分割技术已经广泛成熟的应用于各种领域中,如医学造影领域,视频处理领域,遥感探测领域,三维成像领域,并出现众多专利技术。 相似文献
9.
遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。图像分割是图像处理技术的研究对象之一,它对于图像特征提取、图像识别等图像处理技术等有着重要意义。主要研究基于遗传算法的图像分割效果,采用Matlab软件进行仿真实验,对不同图像分割算法的效果进行比较。实验表明,遗传算法是处理图像分割的优秀算法,图像分割效果相比于传统的图像分割算法更加优秀。 相似文献
10.
在近几十年来,随着计算机技术和模式识别技术的快速发展和在临床医学中的广泛应用,医学图像处理技术也伴随着得到了长足的发展,数字图像分割在临床医学中的应用越来越广泛。Kass等人在1987年提出了主动轮廓线(Snake)模型,已经广泛应用于图像处理的各个领域,如图像分割,边缘检测和运动跟踪等。GVFSnake对传统模型的缺点进行改进。本文把GVFSnake应用在医学三维序列序列图像分割中,并进行仿真和研究。 相似文献