基于非下采样Contourlet网络的声呐图像重建

针对声呐图像分辨率低、边缘模糊的问题,提出一种基于非下采样Contourlet网络的声呐图像超分辨率重建方法.对高分辨率声呐图像进行降质样本构建,通过非下采样轮廓波网络来学习降质样本图像的带通方向子带及相应高分辨率声呐图像的带通方向子带间的非线性映射关系,再利用映射系数重建降质声呐图像的带通方向子带,并对降质声呐图像的低通子带进行立方插值,得到高分辨率的低通子带,最后进行非下采样轮廓波逆变换.实验结果表明,该方法重建的声呐图像具有更好的边缘、细节保持效果.     

结合多尺度边缘增强及自适应谷底检测的浮选气泡图像分割

针对浮选气泡图像噪声大、边界弱、传统谷底检测算法对不同类型气泡分割不具普遍性等问题,提出了一种结合Contourlet多尺度边缘增强及自适应谷底边界检测的气泡分割方法。该方法通过对气泡图像进行Contourlet分解,得到多尺度多方向高频子带;通过对各方向子带的高频系数进行非线性增益处理,实现边缘增强和噪声抑制。对和声搜索算法的"调音"策略和参数设定方法进行了改进,对不同类型气泡图像自适应地获取谷底边界检测算法的最优参数,提取谷底并进行形态学的边缘完善处理。最后进行了分割实验,并与其它方法做了比较。结果表明,采用该方法对不同类型气泡进行分割时,平均检测效率(DER)和准确率(ACR)分别为91.2%和90.6%,较传统分割方法有较大提高。该方法无需手工调节参数,自适应能力强,精度高。     

基于血管内超声图像自动识别易损斑块

为克服手工判别动脉粥样硬化易损斑块耗时耗力、主观性强、重复性差等缺点,研究了基于血管内超声自动识别易损斑块的方法.首先将Contourlet变换与Snake模型相结合进行斑块的图像分割,提取内腔轮廓与外弹力膜.接着实现经典形态特征的计算机自动提取,并提取纹理、弹性两类新特征以量化斑块属性,其中纹理特征包括一阶统计量和灰...     

平稳小波域多尺度乘积下的指数Renyi熵自动阈值选择方法

受目标和背景的大小比例、噪声或者随机细节等因素影响,灰度图像的灰度直方图可能呈现出无峰、单峰、双峰或者多峰模式。为了在统一框架内处理这4种不同直方图模式下的自动阈值选择问题,提出了一种平稳小波域多尺度乘积下的指数Renyi熵自动阈值选择方法。该方法首先利用平稳小波对原始图像进行水平、垂直和对角方向的多尺度变换,再对各个方向的高频子带进行多尺度乘积运算构造出融合图像;然后通过内外轮廓图像对融合图像进行采样重构一维直方图;最后计算重构直方图所对应的指数Renyi熵,并取最大值对应的阈值作为最终分割阈值。提出的方法与4种自动阈值分割方法、2种聚类分割方法以及2种活动轮廓分割方法进行了比较。在16幅合成图像和50幅真实世界图像上的实验结果表明：在合成图像集中,相比于分割精度第2的方法,平均马修斯相关系数提高了41.2%;在真实世界图像集中,相比于分割精度第二的方法,平均马修斯相关系数提高了20.8%。提出的方法具有更稳健的分割适应性,且在分割精度方面明显优于其他8个分割方法。     

基于Contourlet林火图像多重分形分割的研究

提出了一种多重分形和Contourlet变换相结合的森林火灾图像分割新算法.先对图像进行Contourlet多层分解,得到一系列多尺度、局部化、多方向的子带图像.然后对低频子带进行多重分形特性分析,再将多重分形谱作为特征参量进行像素筛选,筛选出标志不同景物的像素点.最后,根据这些像素点的不同分布进行图像分割,从而实现烟雾的分割.实验结果表明,这种算法能够有效地实现火焰和烟雾的分割,提高了森林火灾图像分割的有效性.     

由冠脉光学相干层析图像自动提取血管壁内轮廓

研究了冠脉光学相干层析(OCT)图像血管壁内轮廓的自动提取方法以提高算法的鲁棒性和计算效率.首先,利用冠脉OCT体数据中相邻图像之间的相关性去除鞘管信号对边缘提取的影响.接着,采用射线发射法估计血管中心,并以血管中心作为极点对去除鞘管信号的图像进行极坐标变换.然后,采用分块阈值滤波去除变换后图像的噪声并提取上边缘.最后,做逆极坐标变换得到血管壁的内轮廓.对400多幅测试图像的实验结果表明,该方法可以正确提取冠脉OCT图像的血管壁内轮廓,每幅图像的平均处理时间约为1.2s.该方法不仅能够正确处理血管分叉或鞘管干扰大的图像,而且计算效率高,因此在鲁棒性和处理速度上具有优势.     

基于梯度矢量流snake与多尺度分析的血管内超声图像轮廓提取

提取血管内超声(IVUS)图像的血管内腔轮廓对冠状动脉疾病的诊断有积极意义.本文提出了一种基于梯度矢量流(GVF)snake与多尺度分析的轮廓提取新方法.针对传统GVF snake的轮廓初始化、抑制噪声和伪像干扰两个难点,本文方法在如下两个方面进行了改进第一,利用序列图像的特性产生时间方差图并得到初始轮廓,从而实现轮廓提取过程的全自动化;第二,引入多尺度分析,使GVF snake在离散小波变换得到的多尺度图中形变,从而增强了算法的鲁棒性.对仿真图像和实际IVUS图像的实验表明,该方法在轮廓提取的精度方面优于传统的GVF snake方法.     

一种基于水平集的多尺度乳腺肿块分割方法

作为乳腺肿块检测的重要环节,肿块分割在乳腺癌的计算机辅助诊断系统中扮演着重要的角色。提出一种基于水平集的多尺度乳腺肿块分割方法。首先对乳腺图像进行高斯金字塔分解,在粗尺度图像上使用C-V模型对肿块进行粗分割,得到的粗轮廓作为细尺度图像上的初始轮廓;考虑到C-V模型在分割灰度不均匀图像时所存在的局限性,在细尺度上提出一种局部活动轮廓模型,对粗分割的结果进行局部精细化处理。另外,为了提高分割方法的自适应能力,从粗分割结果中抽取灰度、面积特征作为局部活动轮廓模型参数设定的依据。将本文方法、C-V模型以及RSF模型应用于89例肿块病灶图像时,分别获得0.236 1、0.300 4和0.373 8的平均误分率。结果表明,所提出的多尺度方法具有更高的分割精度和鲁棒性。     

一种新型指纹图像分割算法

针对传统分割算法在含污迹较多的指纹识别应用中分割效果较差的问题,首先介绍了指纹图像分割的基本概念;然后对分割算法在输入指纹图像携带一定污迹、杂质等噪声环境下的鲁棒性进行了重点研究;最后,提出了一种新的基于最大类间方差法和传统方差法的分块处理的分割算法,并通过自适应滤波进一步平滑指纹图像的脊线及边界轮廓。实验结果表明,该方法较传统的分割算法能更好地完成实际应用中含污迹杂质较多的指纹的分割处理。     

超分辨率图像重建方法及其在超声图像中的应用

采用时域模型实现基于多帧图像的超分辨率图像重建方法.方法的步骤为先对多帧图像进行光流场配准,用基于最速下降的最大似然估计法重建超分辨率的图像,并对重建的图像进行基于维纳滤波的降噪.在模拟实验中,给定一幅高分辨率源图像,模拟成像过程获取具有亚像素平动的低分辨率加噪图像序列,然后利用上述方法重建超分辨率图像.对标准数字图像进行模拟实验,结果表明该重建方法具有良好的效果.对超声图像的处理结果也表明该方法能有效提高超声图像的分辨率,有望为超声图像分辨率增强提供一种新的手段.     

Segmentation and tracking of live cells in phase-contrast images using directional gradient vector flow for snakes

Cell shape is an important characteristic of the physiological state of a cell and is used as a primary read-out of cell behaviour in various assays. Automated accurate segmentation of cells in microscopy images is hence of large practical importance in cell biology. We report a simple algorithm for automated cell segmentation in high-magnification phase-contrast images, which takes advantage of the characteristic directionality of the local image intensity gradient at cellular boundaries due to the 'halo-effect'. We employ a two-step algorithm in which a gradient vector flow (GVF) field is first used to direct active contours to an approximate cell boundary. A directional GVF (DGVF) field is then calculated by considering only edges for which the image intensity gradient is directed outwards with respect to the approximate cell contour. Subsequently, the DGVF field is used to refine the cell contour, by directing active contours to edges with the desired gradient directionality. This method allows us to accurately segment cells in an image series, as well as follow the dynamics of cell shape over time in an automated fashion.     

采用非采样Contourlet变换与区域分类的红外和可见光图像融合

提出基于多尺度变换和区域相结合的红外与可见光图像融合方法,用于有效保留红外图像与可见光图像中的空间信息及热目标信息,提升融合图像的可观测性和可理解性。首先,基于非采样Contourlet变换(NSCT)方法对红外和可见光图像进行初步融合,采用基于局部能量的规则融合低通子带系数,根据尺度内各方向子带的相关性原则融合带通方向子带系数。然后,计算初次融合后所得的融合图像与源图像的结构相似性(SSIM),根据源图像与初次融合图像的结构相似程度对图像进行区域分类,得到相似区域分类标识图。最后,依据区域内各自的相似度特性,分别采用不同的融合策略进行二次融合,从而得到最终的融合结果。实验结果表明:该方法能够充分提取源图像的区域特征和纹理特征,融合结果在主观和客观评价上均优于目前流行的融合方法。与仅使用NSCT法进行融合相比,实验所采用的两组图像的质量评价指标分别提高了16%、85%、54%、36%和18%、102%、84%、41%。表明该方法在主客观评价上均优于双树复杂小波变换(DTCWT)、NSCT、冗余离散小波变换(RDWT)等方法。     

基于拉普拉斯能量和的循环平移尖锐频率化Contourlet域多聚焦图像融合方法

本文提出基于拉普拉斯能量和的循环平移尖锐频率化Contourlet ( Sharp Frequency Localized Contourlet Transform-SFLCT)域多聚焦图像融合方法。SFLCT 成功减少了原始contourlet在远离支撑区间上出现的混叠成分。但是,SFLCT中的方向滤波器的降采样使得它缺乏频移不变性,容易在图像奇异处产生伪吉布斯现象。因此,本文采用循环平移(Cycle Spinning)来提高SFLCT的频移不变性。同时,本文将多聚焦空域融合方法中评价图像清晰的指标引入到SFLCT变换域,比较证明拉普拉斯能量和具有最好区分变换系数来自于清晰还是模糊图像的能力。因而,我们采用拉普拉斯能量来选择变换域系数,并重构得到融合图像。实验结果表明,针对多聚焦图像融合,所提方法在视觉效果和客观评价指标上都优于典型的空域分块拉普拉斯能量和方法、平移不变小波变换方法、循环平移小波变换方法和循环平移contourlet融合方法。     

Automatic segmentation on multiple starch granules from microscopic images

Starch is the most important carbohydrate in the human diet and contained in many staple foods such as rice, wheat, corn, potatoes and cassava, etc. Currently, microscopic imaging technology is one of the most effective ways to investigate and analyze the structure of starches. Segmentation of starch granules is a necessary step for starch granule structure analysis such as starch granules detection, shape recognition, and size computation. This article investigates a new method based on GVF (gradient vector flow) snake deformable model for starch granules segmentation. The proposed method focuses on full automatic segmentation on granules, especially on separation of adjacent and contacted starch granules, which occur widely in microscopic images. A novel energy function based on position and intensity is introduced into the directional gradient computation, thus the directional gradient is used to obtain the directional GVF snake, which drives the deforming contours to the real contours of multiple granules. To demonstrate the good ability of the proposed method, we segment 30 starch granule images and compare it with the level set method, experimental results show that the new method can separate multiple starch granules successfully; especially it works much better on overlapping objects segmentation than the level set method.     

基于方向梯度极值的手形轮廓跟踪算法

针对受自然光照影响的手形图像难以准确提取手形轮廓的问题,本文基于手形边界像素在垂直于边界方向上存在灰度突变的特性,提出了一种基于方向梯度极值的手形轮廓跟踪算法。该算法首先找到手形轮廓的起始点,然后按照一定的搜索方向和规则,在局部区域内计算候选点集中梯度极大值所在的点,并逐点跟踪极大值点,得到手形轮廓。将该方法在实验室自采图库及香港科技大学(HKUST)的手形图像库两个数据库中进行轮廓跟踪实验,结果显示,自采图库的跟踪准确率为100%,香港科技大学手形图像库的跟踪准确率为85.8%,该库中符合本文算法限制条件的图像的跟踪准确率为99.4%。实验结果表明,该方法能在灰度图像上直接跟踪出准确、连续、完整的手形轮廓,尤其适合于受光照不均影响的手形图像的边缘提取。     

基于补偿机制的NSCT域红外与可见光图像融合

针对传统基于非下采样Contourlet变换和脉冲耦合神经网络的图像融合方法易出现图像失真的缺点,本文提出一种基于小波变换与PCNN补偿的NSCT域内红外与可见光图像融合方法。首先将红外和可见光图像分别进行NSCT分解,得到低频分量和高频分量;然后对低频分量进行二维小波分解,得到1个低频子带和3个方向子带,对其低频子带采用局部能量加权的方法进行融合,其余3个子带采用绝对值取大的方法进行融合;NSCT分解的高频子带融合规则分为对最高层的融合和其他层的融合,最高层采用绝对值取大的方法进行融合,而其余层采用的是基于改进型的PCNN的方法进行融合;最后将得到的低频子带和高频子带进行NSCT重构获得融合图像。合成及真实图像集实验结果表明,本文算法相对于传统的融合方法增加了图像的纹理和细节信息,有效地抑制了图像失真问题,具有较高的融合精度与较快的融合效率。     

The performance of some implicit region-based active contours in segmenting and restoring welding radiographic images

Several domains are based on image processing and analysis. One of them is the radiographic inspection which is used in Non Destructive Testing (NDT). Active contours, snakes or deformable models are powerful techniques in image segmentation and restoration. According to the term related to the input data (image to be treated) those functionals are ranked on two categories: edge-based models and region-based models. Previous studies point out the advantages of the regionbased models over edge-based models. In this paper, we discuss and we summarize the strengths and weaknesses of four implicit region-based active contour models named: Piecewise Constant PC, Piecewise Smooth PS, Local Binary Fitting LBF and Global Local fitting energy GLF. After performing several experiments, we have concluded that all the models perform well with homogeneous images. On the contrary when images are strongly inhomogeneous, the models based on global (PC) or local (LBF) statistic intensity fail to segment such images. The PS model with its great advantage in preserving the contours has, as a drawback, the high CPU time consuming. The combination of local and global statistic image intensity gives to the GLF model the ability to better deal with such images in less CPU time.     

Extended Active Contour Algorithm Based on Color Variance

General active contour algorithm,which uses the intensity of the image,has been used to actively segment chjects.Because the cbjects have a similar intensity but different colors,it is difficult to segment any object from the others.Moreover,this algorithm can only be used in the simple environment since it is very sensitive to noise.In order to solve these problems.This paper proposes an extended active contour algarithm based on a color variance.In complex images,the color variance energy as the image energy is introduced into the general active contour algorithm.Experimental results show that the proposed active contour algorithm is very effective in various environments.     

基于锥束CT切片图像的复杂零件三维表面重构

根据锥束CT切片图像的特点，提出了一种面向复杂零件的三维表面重构新方法：首先采用3D亚体素边缘检测算法提取序列切片图像的高精度封闭轮廓，并重构出切片轮廓的拓扑信息，然后采用一种改进的基于截面属性的轮廓分割算法得到若干组局部结构轮廓集，最后对这些轮廓集进行叠加与拼合，形成零件的整个三维表面。实验结果表明，该方法分割轮廓准确，稳定性好，对具有复杂内外结构的零件，可确保其重构结果的拓扑正确性。