基于体素相似度的医学图像层间插值方法

断层图像层间插值是医学图像三维重建的一个重要环节,但现有插值算法易引起图像边界模糊或效率低下的不足。为此提出一种基于体素相似度的医学图像层间插值算法。该算法根据断层图像的体素相关性和组织本身特征信息计算其体素的相似度,并利用其相似度对插值点进行分类插值。实验结果表明,和已有的算法比较,新算法较好地提高了插值图像的质量,并且计算量大为减少。     

基于像素分类的医学图像层间插值

鉴于医学图像层间插值是医学数据可视化的一个关键环节,它直接影响人体组织器官的3维重建结果和医疗诊断的正确性和准确性,为此,针对传统医学图像层间插值方法精度不高和效率低下的缺陷,提出了一种基于像素分类的医学图像层间插值方法。该方法首先根据待插值图像与其相邻原始图像的对应像素的相关性对其像素点进行分类,然后采用不同的方式对不同类别的点进行插值,并对其进行错误校验。实验结果表明,该方法能够有效提高插值的效率和精度。     

基于轮廓形状的CT断层图像插值

针对CT图像的特点,提出了一种基于轮廓形状的层间插值算法,使用该算法得到的插值图像不仅在灰度上,而且在组织形状上都更接近实物.该算法与传统的插值方法相比,其视觉效果和计算误差均有较好的改进.该算法已用VC6.0编程实现,并应用于医学三维重建系统中,能够有效消除三维重建时由于断层间距过大导致的梯田效应,效果符合医学诊断要求.     

一种基于ROI的自适应3维医学图像插值方法

断层间插值是医学图像3维重建的一个重要环节。为克服现有算法带来插值图像边界模糊和计算量大等问题,提出了一种新的适合医学图像处理的自适应插值算法。该算法充分利用组织相关性和体素相关性等特点,先判断待插值点是否属于感兴趣区域,再根据曲面相似性原理确定最佳点对进行插值。实验结果表明,插值出的新图像不仅在灰度值上,而且在组织形状上更符合实际需求。此外,该算法在计算时间上比现有的同类插值算法有了很大的改善,能有效地应用于3维重建。     

基于最近邻Marching Cubes的医学图像三维重建

在医学图像三维可视化中,移动立方体算法（Marching Cubes,MC）是面绘制的经典算法。针对MC算法计算插值点导致执行速度慢、效率不高的缺点,提出一种基于最近邻逼近的MC算法,该方法在n次等分点量化序列中寻找等值面最近邻点代替线性或非线性插值,既避免了插值的大量计算又保证了误差精度,还可改善三角面片结构。利用可视化工具开发包VTK对人体脸部和脚部CT数据集进行三维重建,实验表明改进算法明显缩短了绘制时间,提高了重建效率。     

基于边缘信息改进的双线性插值算法

针对传统双线性插值算法插值时未考虑图像边缘信息,致使放大后图像出现模糊效应的特点,提出基于边缘信息的插值算法。该算法利用边缘检测及自适应门限划分出原始图像中的“边缘点”及“非边缘点”,引入“灰度补偿”参数增加了边缘邻接插值点与非边缘邻接插值点间的灰度差,利用边缘点的“边缘方向”特性,判定待插值点是否位于放大图像的边缘上,对位于边缘上的待插值点利用边缘信息插值,恢复了使用传统双线性插值时断裂的边缘。大量的仿真实验证明该算法在一定程度上抑制了放大后图像边缘模糊的效应,改善了放大图像的视觉效果。     

分形插值结合边缘轮廓实现图像仿射变换

通过对边缘和平滑区域采用不同的插值处理方法，能获得清晰的变换图像．对自然景观图像、医学图像和人物图像进行了变换，得到的结果说明了文中算法的有效性．同时该算法容易编码。     

基于相关性的三维医学图像插值

现有的插值方法在进行医学断层图像插值时，要么不能兼顾灰度和形状的变化，要么计算量太大。为解决这一问题，文中提出一种基于相关性的三维医学图像插值算法。通过对原图进行门限分割，获得体素的分割值。对相同密度物质采用灰度插值，不同密度物质，利用体素的相关性来进行插值，使新的图像不仅在灰度上，而且在组织形状上，介于原来的断层图像之间，满足了医学图像插值的要求。与线性插值相比，新算法的视觉效果好，计算误差小；插值结果可有效地应用于构建三维体模型。     

基于边缘信息的图像自适应插值算法

通过将图像分为非边缘部分和边缘部分,得出了一种基于图像边缘信息的图像插值算法.根据边缘部分映射点邻域图像的复杂程度,自适应地调节插值权值的图像插值方法.应用该算法插值后的边界清晰、自然, 忠实地反映了原始图像的面貌,与传统的插值算法相比,其边界处理效果好且易于实现,实验也验证了该方法的有效性.     

CT序列图像分割的实现及分割结果的重建

主要采用模糊边缘增强算法与B样条蛇线算法结合的方法实现CT图象中某些组织器官二维上的分割，并采用体绘制对分割后的序列图像进行三维重建。图像二维切片和三维重建的结果表明该方法的效果良好。程序作为基于Java的医学图像分析系统的子功能使用。     

基于边缘保持的CT图像插值放大算法

由于医学硬件设备和辐射剂量的限制,为了获得高分辨力、高质量的CT图像以协助医生进行诊断和治疗,通常需要从软件方面将CT图像放大或局部CT图像放大,考虑到CT图像边缘在CT图像处理中的重要性,提出一种基于边缘保持的CT图像插值算法,该算法包括两个步骤,第一步对原图像进行边缘提取以及沿边缘方向进行边缘插值放大;第二步进行图像平滑区域的双线性插值放大。该算法能很好地保护图像的边缘细节,文中给出了放大实例,实验结果证明了算法的有效性。     

根据轮廓寻找匹配对应点的断层图像插值方法

插值是三维重建的一个重要步骤。目前常用的直接灰度插值会使得图像边界模糊。针对这一问题,提出一种基于轮廓寻找匹配点的插值方法：首先对两幅图像进行形状插值,得到插值图像的轮廓;再根据轮廓寻找插值图像在两幅源图像上的对应点,并根据匹配准测,找到最佳匹配点;最后对匹配点的灰度进行插值,得到插值像素点的灰度值。试验结果表明,和已有的算法比较,新算法较好地提高了插值图像的质量。     

小波-Lagrange方法进行医学图像层间插值

目的 医学图像3维重建通常需要进行层间插值.现有的插值方法虽然种类较多,但在进行医学断层图像插值时,很多方法并不能兼顾图像灰度和目标形状的变化,且计算过程过于复杂.鉴于此,提出一种基于小波与Lagrange多项式相结合的插值方法.方法 首先对原始图像进行小波变换,获得图像边缘对应小波系数的位置信息,在断层图像的相应小波系数之间运用Lagrange多项式进行强度和位置插值.结果 通过实验验证,采用本文方法插值得到的图像与线性、Cubic插值方法相比,不仅在灰度值不等点方面减少了10%~50%,均方误差平均下降了3%,而且目标组织轮廓特别是拐角剧烈变化处可改善伪轮廓现象,介于原始断层图像之间,能够满足医学图像层间插值的要求.结论 与线性插值方法、Cubic插值方法相比,新算法由于引入了小波变换这个工具,可将图像剧烈变换部分提取出来,因此,本文方法在处理图像剧烈变化的情况时略有优势.新算法得到的插值图像质量有所提高,计算误差有所降低,可有效用于医学图像目标组织的3维重建.     

基于边缘最大相关性的快速图像插值算法

处理视频、网络信号要求有较好的视觉质量和较低的算法复杂度、运算量。传统的图像插值算法会产生细节模糊和边缘锯齿化,为此，提出了一种基于图像边缘多方向最大相关性的快速数字图像插值算法。为了得到高分辨率图像相关信息，根据图像空间域内多个方向邻近像素点的相关特性，利用与待内插值点相邻6个降采样像素值。实验证明，该算法降低了运算复杂度，有效地保持了边缘信息，得到了视觉质量较好的插值图像。     

人体数字图像中各组织影像的边缘提取算法研究

针对人体数字医学图像中各组织影像界限不明显、图像总体模糊、单个组织影像不均匀等特点,提出一种能够有效提取影像边缘以区分和观察各组织影像的方法。利用计算机图像处理技术,对组织影像进行灰度处理,进而根据不同组织影像的特征,选定相应的阈值,用算法程序对组织影像边缘进行有效提取,得到一系列效果图,通过观察分析得出实验结果。结果表明,该方法能够有效地提取出人体不同组织影像的边缘,有助于医生的临床诊断与分析。     

基于小波的医学图像插值

现有插值方法在进行医学断层图像插值时,不能兼顾灰度和形状的变化.为解决这一 问题,文中提出一种基于小波的医学图像插值算法.通过对原图进行小波变换,获得图像边缘对 应小波系数的位置信息,在断层图像的相应小波系数之间进行强度和位置插值,使新的图像不 仅在灰度上,而且在组织形状上,介于原来的断层图像之间,满足了医学图像插值的要求.与线 性插值、克立格插值相比,新算法的视觉效果好,计算误差小,插值结果可有效地应用于构建三 维体模型.     

多层次轮廓约束的图像放大算法

为解决图像放大过程中有效地保证边缘锐化的图像插值难题,提出多层次轮廓约束的图像放大算法.首先利用检测算子对图像进行预处理,将图像分为边缘区域、平坦区域;其次,针对图像边缘区域进行自适应梯度扩散获取适当的边缘轮廓层作为图像放大约束;最后对轮廓层直接进行曲线插值重采样,不额外增加边缘层数,以保证放大后的图像在视觉上的边缘清晰.对于非轮廓层的平坦区域,构建双三次Coons插值曲面并进行重采样,保持了平坦区域的平滑性.测试图像为自然图像和医学图像,自然图像的来源是set5和set14测试集,实验对比方法主要从客观效果、视觉效果、时间复杂度3个方面进行比较.实验结果表明,采用该算法得到的放大图像不仅可以保持轮廓清晰,且PSNR及SSIM指标超过了大多数经典的插值算法以及目前流行的基于机器学习的算法.     

改进的图像自适应梯度插值

传统的图像插值算法存在边缘模糊和边缘锯齿,已有改进算法改善了插值图像质量,但存在斜边缘锯齿或局部扭曲变形等问题。为解决上述问题,提出了改进的图像自适应梯度插值。该方法首先根据图像的局部不对称性和局部梯度特征在1维方向上修正插值点空间距离,并将1维修正结果合并到2维空间,然后将修正的空间距离应用到传统的插值算法中。实验结果表明,该方法改善了插值图像的峰值信噪比,有效保护了图像在各个方向上的边缘信息。     

基于边缘检测和四点插值细分的SAR图像去噪

针对SAR图像相干斑滤波中存在的降低相干斑与有效保持细节信息这一矛盾,提出了一种基于四点插值细分的SAR图像去噪的新算法,将四点插值细分规则运用到图像去噪中,并与边缘检测相结合。先用canny算子提取图像边缘,进而通过四点插值细分方法分别对边缘图像和原始图像进行去噪,然后再对边缘信息进行边缘信息的重构,得到新的去噪图像。并通过等效视数、边缘保持指数等评价指标对去噪结果进行了评价。实验结果表明,与其他去噪方法相比,该算法在有效地去噪的同时,可有效地保留图像的边缘信息,具有较好的去噪结果。     

图像插值技术综述

图像插值利用图像已知采样点的灰度值估计未知采样点的灰度值,是图像数据的一种生成过程。图像插值的目的在于通过升采样的方式提高图像的分辨率。本文分析了图像插值与图像超分辨率重建的区别;综述了目前常用的图像插值算法及其优缺点;对基于边缘的插值算法中涉及到的边缘作出了自己的理解与阐述;同时,从主观和客观两方面介绍了当前图像插值质量的评估标准,并用实验结果说明不同降采样方式对图像插值结果的影响;最后给出了未来图像插值的发展形势及前景。