第一章绪论
1.1课题背景与研究意义
数字图像处理技术起源于二十世纪二十年代，当时通过海底电缆采用数字压缩技术从英国伦敦到美国纽约传输了第一幅数字照片，随后在遥感领域得到应用而逐步受到关注。第三代计算机技术的问世使得数字图像处理技术得到了飞速的发展，其应用也更加广泛，逐步成为了一个新兴的学科。早期的数字图像处理主要是为改善图像的质量，它以人为服务对象，以改善视觉效果为目的。信息高速公路概念的提出与Internet在实际生活中的广泛应用，使得人类对拥有信息含量大、传输速度快等众多优点的图像信息的需求量与日俱增，数字图像的处理技术已经成为了人类获取信息的重要来源，同时也是利用信息的重要方法。随着计算机技术、人工智能、和思维科学研究的迅速发展，数字图像处理技术向更高、更深层次的方向发展。图像处理科学与技术逐步向计算机科学、信息科学、医学等其他学科逐步渗透，并为其所利用的趋势己经成为必然。数字图像的处理技术在生物医学工程方面的应用非常广泛，且其成效十分显著。在1972年，英国EMI公司工程师Housfield发明了 X射线计算机断层摄影装置用于头颇疾病的诊断，这也就是医学图像中通常所用的CT(Computer Tomograph).之后该公司又成功研制出可获得人体各个部位的清晰的断层图像装置，并因此获得了备受科学界瞩目的诺贝尔奖，为人类做出了卓越的贡献，数字图像处理技术因此而大放异彩[1]。除CT技术之外，数字图像处理技术在对医用显微图像的处理分析方面如白细胞、红细胞进行分类，染色体的分析，癌细胞的识别等应用非常广泛。同样数字图像处理技术也在X射线肺部图像增强、超声波图像的处理、心电图的分析、立体定向放射治疗等医学诊断方面得到了有效运用。这些包含大量生理、病理信息的医学图像是医生用来进行临床诊断、病情跟踪、手术计划、鉴别诊断的重要依据[2J。
………
1.2数字图像处理技术概论
数字图像处理技术从两个方向发展起来的，一个从人的角度对图像改进便于人们的分析解读，另外一个方向是从设备或者机器的角度对图像信息能够进行有效的处理、显示和存储。图像的计算机化处理分为三种类型：低级、中级和高级。低级的计算机处理包括像降噪的预处理、对比度增强与锐化处理等原始操作。中级的处理一般输入为图像，其输出则是与从图像提取出的某些属性特征相关，例如轮廓、边缘等。高级的计算机化处理则是通过执行与人类视觉相关联的感知函数来对对象进行识别确认的处理。常用的数字图像的处理方法有很多种。图像编码压缩技术能够减少描述图像的冗余数据量，达到节省传输、处理图像的时间和减少存储容量的目的。数据的压缩可以以不失真为前提，也可以在允许的失真条件下进行。编码压缩在图像处理技术中属于发展较早且较成熟的技术。图像变换即是利用傅里叶变换、离散余弦变换等处理将图像从空域变换到频域进行处理，也可以利用小波变换、S变换等在空域与频域均有良好的局部特性的处理方法来全面查看图像信息，为后续操作打下基础。为提高图像的质量可以对图像进行增强和复原的操作，比如除噪、提高清晰度等。图像增强能够突出图像的感兴趣目标的部分，并不考虑图像质量下降的原因，例如对图像的高频部分进行增强可使物体目标的轮廓清晰、细节明显，而强化低频部分可以滤除一部分噪声。而图像的复原操作则需要了解图像质量下降的原因，然后在复原的过程中根据分析出的降质的原因采用相对应的滤波方法以恢复或重建原来的图像。图像分割技术是指将待处理的图像细分为对象或者组织区域，其细化的程度取决于要解决的问题。
………..
第二章基于数学形态学预处理的分水岭分割算法
2.1数学形态学综述
1964年，法国博士生J.Serra及其导师Matheron[39,40]在岩相学的研究中提出了 “击中/击不中”变换用来检测和刻画岩石的几何形状，建立了颗粒分析方法，这是第一次在理论的层面上引入形态学的表达式，他们的研究工作奠定了数学形态学的理论基础。近年来，数学形态学得到迅速发展，并且在二值图像与灰度图.像的处理中得到了广泛应用，成为图像集合特征分析与处理的有力工具。数学形态学的基本思想即是用与待处理图像在形态、尺寸上相关联的形态结构元素来度量和提取对应的形状特征，获得处理图像的形状、四凸性、连通性、平滑性以及其方向性等信息，可以简化图像数据，保持形状特性，并除去不相干的结构。其基本操作包括膨胀（或扩张）和腐蚀（或侵烛）以及用这两种运算组合成的开运算和闭运算。另外在基本运算的基础上可通过推导组合使用以达到对图像进行去噪、边缘检测、纹理分析、形态分析、结构分析、图像恢复重建等目的的处理操作。
……..
2.2分水岭分割算法
分水岭算法[43]是较新的基于拓扑理论的图像分割方法，同样属于数学形态学领域，作为一种有效的图像分割手段，目前已广泛应用于图像分析领域。分水岭分割算法的实现过程目前较著名且使用较多的有模拟浸水与模拟降水两种算法：一是自下而上的桂地积水也就是模拟浸水的过程：首先，对原始图像求取梯度图像；然后，将梯度图像视为一个高低起伏的地形图，原图上较平坦的区域梯度值较小，构成盆地，原图上的边界区域梯度值较大，构成分割盆地的山脊；接着，水从盆地内最低桂的地方渗入，随着水位不断长高，有的桂地将被连通，为了防止两块洼地被连通，就在分割两者的山脊上筑起水坝，水位越涨越高，水现也越筑越高；最后，当水现达到最高的山脊的高度时，算法结束，每一个孤立的积水盆地对应一个分割区域。二是自上而下的模拟降水的过程：在地理学中，分水岭即为在其两侧区域有着不同流向的水系的山脊。众所周知，水朝地势低的地方流动直至某个低洼处停留下来，这些低洼处可以被称为储水盆地。最后，所有的水会分聚在不同的储水盆地，任意的相邻的两个吸水盆地之间的山脊被称为分水岭。
………
第三章基于GVF-Snake模型的轮廓特征提取....... 22
3.1传统Snake模型简介 .......22
3.1.1传统Snake模型的定义....... 22
3.1.2基于传统Snake模型的轮廓提取....... 23
3.2 GVF-Snake 模型简介 .......25
第四章牙齿分割与轮廓特征提取算法应用....... 28
4.1牙齿图片介绍 ....... 28
4.2应用基于形态学预处理的分水岭算法分割牙齿图像....... 30
4.2.1应用形态学对牙齿图像作预处理 .......31
4.2.2应用使用距离变换的分水岭算法分割图像....... 33
4.3应用GVF-Snake算法提取牙齿轮廓特征....... 37
4.4本章小结....... 41
第五章总结与展望....... 42
5.1结论....... 42
5.2工作展望....... 43
第四章牙齿分割与轮麻特征提取算法应用
4.1牙齿图片介绍
为全面获取诊断信息，全齿医学影像一般呈现了较为复杂的烦面部解剖结构，其成像范围一般包括牙齿在牙槽骨中的位置及其与周围组织的解剖关系，因此在牙齿鉴定相关处理范围内存在很多的冗余信息，且在门牙等区域受其它器官与组织的干扰较大，该部分区域较为模糊。根尖周图片一般用来显示特定的关注部位。咬翼片图像显示的是牙銀线上方的牙齿以及牙齿之间的部分骨头信息，图像中包含的牙齿种类一般有前磨牙和磨牙两种，被用来诊断牙銀病变与牙齿蛀洞，通过咬住放在舌头一侧的纸板片来进行定位拍照，由于医学影像设备成像技术的特点以及人体组织器官本身具有的复杂性和多样性，得到的医学图像存在灰度分布不均勾、目标物体部分边缘不清晰的现象以及不可避免的噪声。图像分割的目的就是将具有不同涵义的区域分离幵来，并且区域之间相互不交叉，每个区域满足自身区域的一致性。
……….
结论
利用计算机图像技术进行个体身份鉴定的应用也越来越广泛，特别是在许多重大事故的无名尸骨的身份鉴定中，相对于指纹、虹膜等常用的识别特征不易保存的特性，牙齿因其特有强抗腐蚀性、作为识别特征的唯一性以及成本低、取材方便等独特的应用价值发挥了关键作用。本文对作为识别系统的前期工作即牙齿医学图像（咬翼片）的分割算法与轮廓特征提取方法进行了重点研究。
1、在牙齿医学的图像的分割算法中，提出了一种基于数学形态学预处理的分水岭分割算法。针对医学图像的成像过程造成的前景与背景灰度值相似以及灰度分布不均匀的特点，在分割之前需要应用高低帽变换等对图像进行增强；同时根据牙齿结构的特点以及相邻牙齿之间存在的粘连性的特点，需要应用腐蚀、空洞填充等操作来进行处理，达到了去噪等目的；最后应用基于距离变换的分水岭分割算法，得到单颗牙齿的分割结果，无需合并等后续处理即可达到减少过分割现象的目的；
2、应用标记算法将单颗牙齿从整幅图像中分割出来并编号保存；同时保存其在形态学处理时得到的轮廓，并对其根据单颗完整牙齿的编号特性进行相对应的编号，便于后续轮廓特征提取操作。
…………
参考文献（略）