بخش‌بندی اتوماتیک دندان‌ها با استفاده از تصاویر X-ray

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

فهرست مطالب
عنوان صفحه
1. فصل اول 1
1-1-مقدمه 2
1-2-بخش‌بندی 3
1-2-1-مباني بخش‌بندی 4
1-2-3-آستانه‌گيري 6
1-2-4-بخشبندی مبتني برناحيه 7
1-2-4-1-رشد ناحيه 8
1-2-4-2-بخش‌بندي با استفاده از الگوریتم آبپخشان 9
1-2-5-بخش‌بندی بر اساس نظریه گراف 12
1-2-6-خوشه‌بندی فازی 14
1-2-7-ماتريس هم رخداد 14
1-2-8- كلاسبندي ماشين بردار پشتيبان 15
1-2-9-خوشه بندی سلسله مراتبی 17
1-2-10-روش خوشه‌بندي K-means 23
1-2-11-راهکارهای گذشته برای بخش‌بندی تصاویر دندان 24
فصل دوم 28
2-1-حذف نویز 29
2-2-تبدیل موجک 30
2-2-1-هرم‌های تصویری 32
2-2-2-رمزگذاری باند جزیی 34
2-2-3-تبدیل هار 35
2-2-4-بسط چنددقتی 36
2-2-5-توابع مقیاس بندی 36
2-2-6-توابع موجک 37
2-2-7-تبدیل موجک گسسته 38
2-1-8- تبدیلات موجک در دو بعد 40
2-3-الگوریتمEM 43
2-4-عملگرهاي مورفولوژيكال 45
فصل سوم 47
3-1-مقدمه 48
3-2-تصاویر رادیوگرافی 48
3-3-کاهش نویز 50
3-4- بخش‌بندی با استفاده از تبدیل موجک و الگوریتم EM 50
3-5-بخشبندی تصاویر دندانی با استفاده از تبدیل موجک و الگوریتم EM 52
3-6-ادغام ویژگیها در پردازش تصویر 55
3-7-نتیجه‌گیری: 62
3-8-راهکار‌های آینده 63
منابع 64
واژه‌نامه فارسی به انگلیسی 67

1-1-مقدمه

علم پردازش تصویر ، از علوم پرکاربرد و مفید در فنون مهندسی می‌باشد. از دیر‌باز مطالعات و تحقیقات گسترده‌ای در این زمینه صورت گرفته و پیشرفت‌های فراوانی حاصل شده‌است. سرعت گسترش این پیشرفت‌ها به‌اندازه‌ای بوده‌ است که هم‌اکنون و پس از گذشت مدت زمان کوتاهی می‌توان تأثیر پردازش تصویر را در بسیاری از علوم و صنایع به‌وضوح مشاهده نمود. در حالی که برخی از این کاربرد‌ها، آن‌قدر پردازش تصویر وابسته است، که بدون آن قابل استفاده نمی‌باشد. در دنیای امروز، علم پردازش تصویر به‌صورت جامع و تخصصی روز‌به‌روز نقش اساسی و مهم‌تری پیدا می‌کند و در کشور ما نیز در آغاز راه است. مسئله بزرگی داده‌های تصویری و تلاش جهت حذف نویز و اختلالات تصویری نظیر پارامتر‌های حاصل از منابع نوری نامناسب، عدم تناسب ترکیب رنگ‌ها و عوامل متعدد دیگر در تصاویر دریافتی، از موضوعات بسیار مهم در کار با تصاویر و پردازش آنها می‌باشد.
بخش‌بندي ، مرحله مهمی از پردازش تصویر است که ورودي آن تصوير و خروجي آن صفات استخراج شده از تصوير مي‌باشد. بخش‌بندي، تصوير را به ناحيه‌هاي سازنده آن يا اشيای سازنده آن تقسيم مي‌کند. سطح جزئياتي که تقسيم‌بندي انجام مي‌شود، به مسئله‌اي که بايد حل شود بستگي دارد، يعني، بخش‌بندي وقتي بايد متوقف شود که اشيا يا ناحيه‌هاي مورد نظر در کاربرد شناسايي شدند. دقت بخش‌بندي، موفقيت يا شکست نهايي رويه‌هاي تحليل کامپيوتري را تعيين می‌کند. به‌همين دليل، دقت زيادي بايد به‌عمل آيد تا احتمال بخش‌بندي دقيق بهبود يابد.
امروزه در دندان‌پزشكي، تكنيك‌هاي مبتني بر استفاده از كامپيوتر مانند طرح‌ريزي و برنامه‌ريزي پيش از عمل جراحي، كاشت ايمپلنت و ارزيابي جراحي انجام شده روز به روز توسعه مي‌يابند [1]. بخش‌بندی دندان‌ها در نمایش دیجیتالی نقش مهمی در الگوریتم‌های کامپیوتری برای استخراج ویژگی‌ها و اندازه‌گیری و در شبیه‌سازی ارتودونسی برای ترتیب مجدد دندان‌ها دارد. به‌منظور دست‌يابي و اجراي پروسه‌هاي ذكر‌شده، بخش‌بندي خودکار تصاویر دندانی از مراحل مهم و اوليه مي‌باشد. بخش‌بندي دندان‌ها هم‌چنين در زمينه تشخيص هويت، طرح‌ريزي جهت ارتودنسي و جراحي زيبايي صورت مورد استفاده قرار مي‌گيرد.
جداسازي ساختار‌هاي دنداني هم از نظر آناتوميكي و هم از نظر آسيب‌شناسي بسيار پراهميت است. يافتن اندازه، حجم و گاهي محل ساختار‌ها از نظر تشخيص بيماري نيز بسيار پر‌اهميت است. اكثر تلاش‌ها بر روي تصاوير دو بعدي سطوح و منحني‌هاي فكي و دنداني انجام شده‌است. بخش‌بندی دندان‌ها، جدا کردن قسمت‌های مختلف یک دندان از یک‌دیگر در تصاویر رادیولوژی دندانی است.

1-2-بخش‌بندی

اغلب الگوريتم‌هاي بخش‌بندي، مبتني بر يکي از دو خواص اصلي مقادير شدت روشنایی، ناپيوستگي و شباهت می‌باشد؛ در دسته اول روش کار تقسيم کردن تصوير بر اساس تغييرات سريع شدت‌روشنایی، مثل لبه‌ها است. روش‌هاي اصلي در دسته دوم، مبتني بر تقسيم‌بندي تصوير به ناحيه‌هايي است که بر اساس مجموعه‌اي از معيارهاي از پيش تعريف شده شبيه‌اند. آستانه‌گيري، رشد ناحيه و تقسيم و ادغام ناحيه، مثال‌هايي از روش‌هاي اين دسته هستند.
بخش‌بندی تصویر با استفاده از روش‌ها‌ی بهینه‌سازی نیز انجام می‌شود. از جمله الگوریتم‌های بهینه‌سازی مهم می‌توان به الگوریتم‌های تکاملی، الگوریتم ژنتیک، الگوریتم کلونی مورچه والگوریتم حرکت دسته جمعی پرندگان اشاره کرد.

قيمت فايل ورد پروژه : 11000 تومان

 دانلود فایل ورد بلافاصله بعد از پرداخت هزینه

بلافاصله پس از پرداخت ، لینک دانلود پایان نامه به شما نشان داده می شود

پشتیبانی سایت :        09010633413

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید