降低患者跌倒发生率品管圈.ppt

毕业设计开题报告
,根据所查阅的文献资料,撰写2000字左右的文献综述:
文献综述
课题研究背景
人们生活在客观世界当中,每天都会从外界接收大量信息,其中大部分都来自视觉感知。据科学研究,人们每天接收的信息大约80%来自视觉系统。而视觉系统感知到的首先是一些图像,然后再从这些图像当中提取信息。这就是说,我们通过视觉感知的知识、信息都间接地来自于图像。于是图像处理就成了我们经常遇到的问题。
在计算机技术飞速发展的今天,越来越多的事情需要计算机来完成。图像处理这一工作同样也被交给了计算机,这就是计算机图像处理技术,或者说数字图像处理技术,然而将一幅图像输入到计算机中时,由于种种原因,会产生很多干扰信息,而且我们可能只对图像中的某一部分感兴趣,于是我们必须把图像中我们感兴趣的部分提取出来,有针对性的进行研究,这就是图像分割。图像分割就是将图像分解成具有一定意义的部分,将物体与背景分开,将物体与物体互相分开的技术,其结果是分割后的图像。
图像分割技术发展至今,已有很多很好的方法,传统的分割方法基本上可分为三种,它们是统计分类,边缘检测和区域增长技术。它们在某一类图像中确实已经达到了很好的效果,然而这些方法都必须预先定义一种图像属性或特征的相似性[1]。
例如医学研究、临床诊断、病理分析、手术计划、治疗方案、疗效评估、影像处理、计算机辅助手术、图像引导手术、手术摸拟、虚拟环境等等。在所有这些应用中,图像分割是一个不可或缺的预处理环节,常常成为应用中的瓶颈问题。图像分割是所有图像处理、分析和理解系统的关键技术之一。本文研究的重点是基于阈值选取方法的图像分割技术。
研究的目的和意义
图像分割的目的就是根据图像灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域,使得这些特征在同一区域内,表现出一致性或相似性,而在不同区域间表现出明显的不同[2]。简单的讲,就是在一幅图像中,把目标从背景中分离出来,以便于进一步处理。图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一,它是对图像进行视觉分析和模式识别的基本前提
。同时它也是一个经典难题,到目前为止既不存在一种通用的图像分割方法,也不存在一种判断是否分割成功的客观标准。
阈值法是一种传统的图像分割方法,因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。图像分割的应用非常广泛,几乎出现在有关图像处理的所有领域,并涉及各种类型的图像。图像分割在图像处理中的研究意义主要表现在:
1 医学影像分析:通过图像分割将医学图像中的不同组织分成不同的区域,以便更好的帮助分析病情,或进行组织器官的重建等。如脑部MR图像分割,将脑部图像分割成灰质、白质、脑脊髓等脑组织;血管图像的分割,通过分割重建血管的三维图像;腿骨CT切片的分割等等。
2 军事研究领域:通过图像分割为目标自动识别提供特征参数。如合成孔径雷达图像中目标的分割,小目标检测等等都需要首先进行图像分割。
3 遥感气象服务:通过遥感图像分析获得城市地貌,作物生长情况等;云图中的不同云系分析,气象预报等也都离不开对图像的分割。
4 交通图像分析:通过分割把交通监控获得的图像中的车辆目标从背景中分割出来,以及进行车牌识别等等。
5 面向对象的图像压缩和基于内容的图像数据库查询:将图像分割成不同的对象区域以提高压缩编码效率,通过图像分割提取特征便于网页分类、搜索等等。
在这些应用中,分割是对图像进一步分析、识别的前提,分割的准确性将直接影响后续任务的有效性,其中阈值的选取是图像阈值分割方法中的关键技术[3,4]。
研究内容
本课题将对基于阈值自动选取的图像分割技术的方法研究及其算法实现做系统地阐述和探讨。图像分割一直是图像处理的一个难点。至今,关于图像分割已经提出了上千种算法,可是仍然没有一个可以通用的算法[5]。在图像分割的方法中,可以把它们分为结构分割方法和非结构分割方法[6],结构分割方法是根据图像的局部区域像素的特征来实现图像分割,如灰度阈值、区域生长、纹理结构分析等等;而非结构分割方法是分局图像的二维随机线形模型来构造分类的特征矢量。
1. 对于图像分割,在实际应用中人们从不同的理论角度提出了许多方法,这些方法主要可划分为三种类型:
利用区域的方法把各像素划归到各个物体或区域中;
利用边界的方法需确定存在于区域间的边界;
利用边缘的方法先确定边缘像素并把它们连接在一起以构成所需的边界[7]。
阈值化原理
图像阈值分割是一种广泛使用的图像分割技术[8,9]。它利用图像中要提取的目标物与背景在灰度特性上的差异,把图像视为具有不同灰度级的两类区域的组合,选取一个合适的阈值,以确定图像中每个象素点应该属于目标还是属于背景