چکیده:

یکی از پیچیده‌ترین کار‌ها در پردازش تصاویر دیجیتال، بخش‌بندی تصاویر است. به‌دلیل افزایش توجه به این تکنیک توسط محققان و تبدیل آن به یک نقش حیاتی در بسیاری از زمینه‌های کاربردی مثل کاربرد‌های پزشکی مورد استفاده قرار می‌گیرد. امروزه در دندان‌پزشكي مدرن، تكنيك‌هاي مبتني بر استفاده از كامپيوتر مانند طرح‌ريزي و برنامه‌ريزي پيش از عمل جراحي، روز به روز توسعه مي‌يابند. به منظور دست‌يابي و اجراي پروسه‌هاي ذكر شده، بخش‌بندي اتوماتيك دندان‌ها از مراحل مهم و اوليه مي‌باشد. در اين پاياننامه يك روش چند مرحله‌اي جهت بخش‌بندي خودكار دندان‌ها در تصاوير دیجیتال دندانی ارائه شده‌است.
هدف اصلی در این پایان‌نامه استفاده از زیرباند‌های ضرایب موجک برای بهبود بخش‌بندی است. هر یک از این زیرباند‌ها حاوی اطلاعات مهمی هستند که می‌توان از آنها در بخش‌بندی تصاویر استفاده کرد. این اطلاعات مهم در بخش‌بندی تصاویر نادیده گرفته شده‌است. ایده اصلی این است که این اطلاعات را به‌شیوه‌ای بهتصویر اصلی اضافه کرد. زیرباند‌های ضرایب موجک با استفاده از روش‌های ادغام به اولین زیرباند از ضرایب تبدیل موجک، مربوط به ضرایب تقریب است که از لحاظ مقدار و شکل ظاهری، به تصویر اصلی نزدیک‌تر است، اضافه می‌شوند. بعد از آن عکس تبدیل موجک انجام می‌شود. در این حالت تصویر به‌دست آمده شامل اطلاعات بیشتری نسبت به تصویر اصلی است و بخش‌بندی بهتر و دقیق‌تر انجام می‌شود.
در این پایان‌نامه برای بخش‌بندی تصاویر رادیولوژی دندانی از الگوریتم EM استفاده شده‌است که برای بهبود این الگوریتم از الگوریتم k-means برای تخمین اولیه پارامتر‌های الگوریتم EM استفاده شده‌است. اين الگوریتم علي‌رغم سادگي آن يک روش پايه براي بسياري از روش‌هاي خوشه‌بندي ديگر محسوب مي‌شود. از عملگر‌های مورفولوژیکال برای بهبود بخش‌بندی استفاده شده‌است.

كلمات كليدي:
بخش‌بندی، تبدیل موجک، الگوریتم EM، الگوریتم K-means، عملگرهای مورفولوژیکال

هدف از انجام این پروژه بررسی بهداشت دهان و دندان و مسائل مختلف حول این مبحث میباشد.

جزئیات بیشتر این محصول: