基于阈值和B样条插值的MR图像增强算法

提出了利用双门限分割灰度级后再进行三次B样条插值非线性变换的MR图像增强算法,将图像灰度级按两个灰度阈值分割为目标区、过渡区、背景区,对这三个不同的区域采用不同的灰度变换方法。在徐军等提出的对比度和目标细节评价标准基础上,提出了一个新的图像质量客观评价标准来评价图像质量。该客观标准可以动态调节对比度和细节的权重参数!,具有交互性。通过寻求该标准最优时的三次B样条插值非线性变换来增强MR图像。实验表明,和目前主要的灰度图像增强算法相比,用该算法增强后的图像不仅提高了图像对比度,也加强了目标的细节,而且具有交互性,特别适合于MR图像处理。     

基于K-L变换和模糊集理论的彩色字符图像分割

根据彩色印刷字符图像的特点,在Lab颜色空间下提取a分量,将彩色图像转换为灰度图像。根据模糊逻辑和阈值分割方法将图像分为目标区域、背景区域以及模糊区域。用K-L变换组合邻域的区域隶属信息和灰度信息,将灰度域换成模糊域,在该模糊域上进行分割。经实践,该算法在工业环境中对复杂背景的彩色印刷图像可以得到较好的分割效果,其时间复杂度不高于传统的阈值分割算法,并且在分割的精确度上要优于传统的阈值分割算法。     

脑白质疏松症MR 图像的静脉提取方法

针对脑白质疏松症MR图像白质区域静脉信息复杂的特点,提出一种基于小波变换的多阈值脑白质疏松症MR图像的静脉提取方法．首先,利用形态学变换对图像中的细节信息进行增强处理;其次,利用小波变换的多分辨率特性对图像的灰度直方图进行多层小波分解,对不同层次的小波细节信息及逼近信息进行阈值处理并重构,提取出静脉的灰度特征;最后,利用多阈值分割方法将脑白质区域的静脉分割出来．实验结果表明,该方法能实现静脉信息的自动快速提取,并实现了静脉的量化分析,为医生对脑白质疏松症患者白质区域静脉扩张程度的诊断提供一个定量标准,具有临床辅助诊断价值．     

Markov随机场与Gaussian曲线在MR图像分割中的应用

针对扫描的人脑组织MR图像边缘分辨率低、模糊性大的特点,本文提出了一种基于模糊Markov随机场和Gaussian曲线相结合的MR图像最佳阈值分割方法。该方法通过对图像的像素邻域属性的统计将模糊论引入其中,建立模糊Markov随机场,并利用Gaussian曲线对二维直方图最佳一维投影进行拟合,确定出图像中各脑组织的二维阈值点,在二维直方图上实现对脑组织的分割。通过实验表明,本算法能够有效提高脑组织的分辨率,对噪声的鲁棒性、结果区域的连通性相对于一维Otsu和二维Otsu算法都有了很大的提高。     

MR心脏序列图像左心室内外壁联合分割和时序追踪新方法

MR心脏图像左心室内外壁的自动分割是计算机辅助心功能诊断的前提。本文提出了一种MR心脏图像的左心室内外壁的联合分割和时序追踪的新方法。首先用改进几何动态轮廓线算法分割一帧3维MR图像中的左心室内壁,然后通过时序追踪得到同一层面各帧的内壁轮廓。分割外壁时,以内壁为初始轮廓,设计一种由距离和区域灰度均值约束的区域膨胀力,分割心室的外壁。在临床实际心电门控动态4D心脏MRI序列图像上的实验结果表明,算法分割左心室的内外壁的结果和专家手动分割结果很接近;并且根据心室内外壁分割结果建立的左心室3维模型,可以计算出几种重要的临床心功能指标。     

基于稀疏主成分分析和自适应阈值选择的图像分割算法

图像分割是机器视觉中的基础问题,基于阈值的图像分割算法依赖于参数调整,但参数调整容易受到局部最小值的影响且需要耗费大量时间,从而降低了分割算法的质量和效率。为了实现图像分割过程中的自适应阈值选择,提出了一种基于稀疏主成分分析和自适应阈值选择的图像分割算法。该算法首先利用稀疏主成分分析感知图像的噪声水平以自适应去噪,其次通过二维直方图感知图像的主干区域内容以自适应获得全局分割阈值,然后通过移动平均法的局部阈值分割算法对图像进行分割,最后将全局阈值分割和局部阈值分割图像结合,从而获得最佳的分割图像结果。在伯克利数据集上的仿真实验结果表明:相比传统的阈值分割算法,该算法在分割边缘的准确性和对噪声的鲁棒性上具有一定的优势,在主客观上均具有较好的分割效果,基于稀疏主成分分析的自适应阈值选择方法提高了图像的分割质量。     

基于改进分水岭变换的矿石图像分割算法

为了准确测量传送带上的矿石尺寸,提出了一种局部自适应阈值化和改进的分水岭变换相结合的矿石图像分割算法.该算法利用基于积分图像的自适应阈值化算法提取矿石区域;对二值图像做距离变换与双边滤波处理,并应用提出的基于区域合并的分水岭变换算法对图像进行分割;将提取的矿石区域与分割结果进行合并,得到最终的分割结果.对现场采集的复杂的矿石图像进行仿真实验,实验结果表明,该算法分割准确、速度快、光照自适应强.     

MR脑图分割算法研究

在图像处理精确分割有用图像的研究中,目前MR脑图分割中边缘定位不准和分割精度不高.为了解决上述问题,提出将标记分水岭算法和小波变换相结合的MR脑图分割算法.方法首先利用小波变换的多尺度思想对图像进行多分辨率分解和去噪,然后在低分辨率图上应用标记分水岭算法,并对标记好的低分辨率图像进行中值滤波,最后利用小波逆变换将低分辨率图像反建为高分辨率图像.对方法和现有的方法进行仿真,结果表明可以准确地定位图像边缘,有效地提高了分割精度,效果明显优于传统的分割算法.     

一种基于水平集的三维肝脏磁共振图像混合分割方法

针对腹部复杂的内部结构、各组织之间存在相互浸润,使得腹部磁共振(Magnetic resonance, MR)图像存在大量弱边缘的问题,以及使用传统水平集（Level set）方法对肝脏进行分割时易在弱边缘处产生泄露,采取阈值分割等算法进行预处理以获取更好的分割效果,并使用一种改进的水平集方法分割提取三维腹部MR图像中的肝脏。使用阈值分割进行粗分割可以有效减少干扰,将粗分割的结果进行亮度映射,增强边缘信息,然后将预分割的结果作为初始水平集,使用改进的水平集方法对其进行进一步分割。实验证明多种算法的有效结合能够改善传统水平集分割方法在弱边缘处过度演化的问题,获得较为理想的分割效果,拓展了水平集方法的应用。     

基于小波包和区域生长的脑组织图像分割

对利用区域生长进行图像分割问题进行了研究,提出了一种MR脑组织图像分割的方法。该方法利用小波包对医学图像进行分解,通过对重构后的近似图像采用区域生长法进行分割,降低了区域生长算法对噪声的敏感度,减少了利用区域生长算法分割后图像的空洞和小孔。实验证明了该方法对MR脑组织图像分割可以有效减少分割后的小孔和空洞,取得了良好的分割结果。     

Wavelet-based de-noising techniques in MRI

The paper deals with techniques for the enhancement of magnetic resonance (MR) images using the wavelet analysis, which is assessed from the viewpoint of choosing the mother wavelet and the thresholding technique. Three parameters are used as objective criteria of the quality of image enhancement: the signal-to-noise ratio (SNR), image contrast, and linear approximation of edge steepness. Unlike most of the standard methods, which work exclusively with image magnitude, we also examined the influence of image phase, i.e. the image is processed as a complex signal. In addition to the interpretation of results, a short summary is given that deals with the choice of the optimal mother wavelet and thresholding technique for different types of MR images.     

基于非线性处理的图像增强算法研究

近年来,基于非线性处理的图像增强技术成为相关领域研究人员关注的一个热点。尽管非线性方法与通常的图像增强算法相比.其计算量非常大,但是灵活多样的数值计算方法使其能够满足高质量图像方面的需要.因而基于非线性图像处理的图像增强方法逐渐在图像处理领域中受到青睐。本文以处理图像的特征及经典增强方法为理论基础.分别从提高图像对比度、抑制噪声及突出弱小目标三个角度研究了图像的增强算法。针对经典增强算法出现的灰度级合并、细节丢失等问题.突出目标细节.从非线性变换出发.提出了基于非线性的图像增强算法。经仿真实验结果表明.这种改进方法简单易行、运算量小.易于实时处理.对于某些图像取得了比现有增强方法更好的效果。     

分数阶微分的婴幼儿脑MR图像增强算法

目的 由于传统的分数阶微分算法本质是提高相邻像素点的灰度差,达到增强对比度的作用,但是同时会放大和产生噪声,这容易使婴幼儿脑MR图像的增强效果有限或过增强。为了解决上述问题,提出一种融合非局部均值信息的自适应分数阶微分的婴幼儿脑MR图像增强算法。方法 用平均梯度和大津算法自适应确定分数阶阶数,融合纹理粗糙度确定初始的分数阶阶数。为了进一步抵制噪声等干扰,利用更大邻域的纹理信息,融入非局部思想确定分数阶微分的阶数。最后用最终的分数阶阶数对图像进行滤波,得到最终的增强图像。结果 实验通过信息熵、平均梯度和空间频率指标统计结果证明本文算法具有优越的图像增强性能。信息熵指标能够高出对比算法0.2%~12%,平均梯度指标能够高出对比算法5%~59%,空间频率指标能够高出对比算法6%~59%。结论 本文算法可以在增强纹理细节及抑制分数阶微分引入噪声方面都取得较好的效果。本文算法也适用于普通的模糊图像,具有良好的应用背景。     

自适应双向保带宽对数变换及低照度图像增强

目的 在低照度环境下,由于受图像采集设备的限制,导致获取到的图像往往亮度低、对比度差。针对这一问题,提出一种自适应双向保带宽对数变换的增强算法。方法 首先通过标准化变换将低照度图像处理成标准化图像,然后根据标准化图像的平均亮度进行自适应双向保带宽对数变换,最后对图像取整输出,从而得到增强后的图像。结果 实验选用LIVE database release2标准库中29幅高质量图像作为参考图像,然后经Photoshop CS5统一处理成低照度图像,使用本文算法对其增强,并与直方图均衡化（HE）、多尺度Retinex增强（MSR）、自然保持的增强算法（NPEA）的结果进行比较。本文算法增强后的图像其整体对比度和亮度在主观上都有较大提高,增强效果优于其他3种方法;同时,本文算法峰值信噪比（PSNR）和结构相似度（SSIM）客观指标平均值分别为22.75和0.86,明显高于其他3种算法。另外,在算法运行效率方面,本文算法平均运行时间也较短,约为74 ms。结论 本文算法增强后的图像更自然、更符合人眼视觉特性,且算法简单易于实现,运行效率高。该算法广泛适用于背光或光照不均的低照度环境下的图像增强。     

人工鱼群算法在自适应图像增强中的应用

图像增强是图像处理中的一个经典问题,以传统的分段线性变换为基础,利用人工鱼群算法和二维Otsu阈值法,提出了一种自适应的图像对比度增强算法。该方法利用优化后的人工鱼群算法自动选取双阈值,依据图像的对比度自动搜索灰度变换斜率,得到最优的分段线性变换曲线,并用之对图像进行增强处理。实验表明,该方法可有效提高图像对比度,且优于直方图均衡化、反锐化掩模等传统的对比度增强方法。     

一种基于小波阈值的图像增强改进算法

提出一种基于平滑滤波的小波阈值图像增强算法,利用邻域平均和小波阈值相结合的方法对图像进行平滑滤波处理。实验结果表明,该方法有利于图像去噪处理,同时边缘信息也得到了较好的保留,使图像具有更好的视觉效果。     

基于改进蛙跳算法的图像对比度增强方法

为改善图像对比度,提出了一种基于改进蛙跳算法的图像对比度增强新方法。该方法利用分段线性变换增强图像的原理,对蛙跳算法进行深入分析并进行改进后,将改进蛙跳算法与二维Otsu法相结合,利用蛙群的并行搜索机制自动选取图像的双阈值,然后再以图像的对比度作为改进蛙跳算法的适应度函数,自适应地搜索分段线性变换的斜率,并以之增强图像。实验结果表明,该方法有效改善原图像的对比度,且优于直方图均衡化法及基于基本蛙跳算法和人工鱼群算法的增强方法。     

基于梯度场的工业X射线图像增强算法

在X射线成像检测厚薄不均构件时，经常会出现对比度低或对比度不均以及照度低的问题，这会导致图像显示时构件的一些细节难以被观察与分析。针对这一问题，提出一种基于梯度场的X射线图像增强算法。该算法以梯度场增强为核心，分为两步：首先，提出一种基于对数变换的算法，压缩图像的灰度范围、去除图像冗余灰度信息、提升图像对比度；然后，提出一种基于梯度场的算法，增强图像细节、提升图像局部对比度、提高图像质量，使构件细节清晰显示在检测屏上。选择一组厚薄不均构件的X射线图像进行了实验，并与对比度受限自适应直方图均衡化（CLAHE）、同态滤波等算法进行了比较。实验结果表明所提算法具有更明显的增强效果，能更好地显示构件的细节信息，并且通过计算平均梯度和无参考结构清晰度（NRSS）纹理分析的定量评价标准进一步表明了该算法的有效性。     

基于凸集投影的视频序列单帧增强算法研究

With the rapid development of science and technology in the information age, video surveillance plays an important role in banks, hospitals, hotels and other public places, providing an important way for the application of public security investigation and judicial evidence collection. However, due to the influence of illumination and environment, the image quality is not ideal in some cases. Therefore, how to achieve video image enhancement under the existing conditions has been a hot research topic. Traditional image enhancement algorithms only deal with a single frame image, but the image itself contains less information and the processing effect is not ideal. In this paper, an improved super-resolution reconstruction algorithm based on POCS is proposed, which recon- structs multiple degraded YUV video images with low resolution into one frame with high resolution. Compared with the traditional gray transformation and histogram equalization algorithm, the effect of video image enhancement proposed in this paper is obvious- ly improved.