小波分析在骨龄评价系统中的应用

论文摘要

本文在分析骨龄评价国内外研究现状基础上,结合对小波分析的研究,提出了小波分析去噪声应用于骨龄评价系统中的骨化中心定位。 小波分析是在Fourier分析基础上发展产生的一种信号分析工具,它具有Fourier分析的优点,比如能在频率域分析等,同时它又克服了Fourier分析的不足,提出了局部分析的思想,能同时在时域和频域对信号进行分析。小波分析所处理局部信号的尺度可以随着频率的增加而减小,可以从多个尺度观察信号,这就符合人眼观察目标的特征,即先从整体上观察目标,再分析目标的局部细节信息。正因为小波分析的这一特性,小波分析被广泛用于信号分析领域中。因此小波分析具有很高的理论和实用价值,对小波分析的研究也就成为非常有意义的课题。 骨龄评价就是根掘手骨的X射线片,参考标准模板,评价骨骼的发育程度,并根据骨龄评价结果判断少年儿章的健康状况。由于骨骼比较生物体的其它变化指标更能可靠地的反映生物体的发育程度,因此骨龄评价成为医学界非常重要的技术。计算机骨龄评价系统是骨龄评价技术在计算机上的实现,即由计算机自动分析手骨图像,自动评价骨骼发育程度。小波去噪声技术应用于计算机骨龄评价系统中的指骨识别能提高骨龄评价的准确度。 指骨识别主要依靠骨化中心,因而骨化中心的定位成为指骨识别的关键。经过多方面特征的分析比较发现,用投影图来定位骨化中心比较理想。投影图波动明显,但噪声比较大,影响骨化中心定位结果,因此去除投影噪声非常重要。本文在比较各种去噪声方法的基础上采用小波分析去噪声技术。实验结果表明,小波分析去噪声能很好地去除指骨投影图的噪声,极大地提高计算机骨龄评价系统的准确度。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 概述
• 1.1 小波分析
• 1.1.1 原有的分析方法及不足之处
• 1.1.2 小波的出现
• 1.1.3 小波分析的发展及应用
• 1.2 骨龄评价
• 1.2.1 手腕骨
• 1.2.2 手腕骨骨龄评价方法
• 1.2.3 骨龄评价系统的计算机实现
• 1.3 指骨识别
• 1.3.1 图像增强
• 1.3.2 骨化中心定位
• 1.3.3 图像分割
• 1.3.4 识别
• 第二章 小波分析
• 2.1 小波变换的由来
• 2.1.1 Fourier分析
• 2.2 小波基
• 2.2.1 由Shanno定理引出MRA
• 2.2.2 小波基
• 2.2.3 尺度函数φ（t）的构造
• 2.3 小波的多分辨率分析
• 2.3.1 一维多分辨率分析
• 2.3.2 二维多分辨率分析
• 2.3.3 多分辨率分析的简单说明
• 2.4 小波分析在图象处理中的应用
• 第三章 小波分析在去除噪声中应用
• 3.1 经典去噪声方法
• 3.2 现代滤波器
• 3.2.1 维纳滤波器
• 3.2.2 卡尔曼滤波
• 3.3 小波去噪声原理
• 3.3.1 基于小波分析的极值去噪法
• 3.3.2 非线性法小波去噪
• 第四章 指节骨骨龄评价
• 4.1 图像增强
• 4.2 骨化中心定位
• 4.2.1 指骨投影图像分析
• 4.2.2 投影的小波去噪声
• 4.2.3 骨化中心定位
• 4.2.3.1 只含一节指骨图的定位
• 4.2.3.2 含整个指头的骨化中心定位
• 4.3 图像分割
• 4.3.1 图像分割技术回顾
• 4.3.1.1 基于区域的图像分割方法
• 4.3.1.2 基于边缘的图像分割
• 4.3.1.3 区域与边缘相结合的图像分割
• 4.3.1.4 多尺度图像分割
• 4.3.2 指节骨图像分割
• 4.3.2.1 阈值选择方法
• 4.3.2.2 阈值平面的改进
• 4.3.2.3 结合全局阈值分割
• 4.4 指节骨识别
• 4.4.1 识别特征
• 4.4.2 识别方法
• 4.4.2.1 数据聚类
• 4.4.2.2 统计分类
• 4.4.2.3 神经网络
• 4.4.2.4 结构模式识别
• 4.4.3 各阶段的识别
• 4.4.3.1 第一阶段
• 4.4.3.2 第二阶段
• 4.4.3.3 第三阶段
• 第五章 总结
• 致谢
• 参考文献
• 附录A 攻读学位期间发表的论文