论文部分内容阅读
医学图像相对与其它类型的图像有其信息量大,处理涉及专业知识等特点,处理的难度很大.在分割算法方面,研究中改进了医学图像的二值化算法,给出了数种重要几何特征参量,综合地解决了医学图像边界跟踪,区域分割,边缘检测和预处理等问题.在医学图像的识别方面,研究工作使得边界特征提取,区域的提取算法的效率有所提高;同时给出了在检测器官病理特征中的高效特征集合——7种矩不变量.在此基础上给出了基于Tabu算法的似然分析策略的医学图像分割技术,在实践中取得满意的效果.医学图像处理在两个方面都需要系统结构强有力的支持.第一医学图像需要处理的信息量十分巨大,因而迫切需要并行处理,该研究正是解决系统结构方面的重大问题之一,构造出性能价格比高的多机处理系统,给出了在这个环境中运行稳定的并行医学图像分割,识别算法;第二医学图像的巨大存储量是一般存储体系结构所无法解决的,需要一些新型的结构的出现,研究表明NAS,SAN以及两者的融合是这一问题的首选方案,实现了产品级别的混合存储.研究工作主要涉及了NAS,SAN以及统一存储网在医学图像存储系统中的运用,并且提供了一些前沿性的方案,实现了现代化医院中图像的海量存储和检索.