基于血液斑点噪声抑制和T-Snake模型的血管内超声图像边缘提取

血管内超声(IVUS)图像冠状动脉血管壁内、外膜的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义。为了更好地抑制血管内超声图像的血液斑点噪声,首先采用一种时/空滤波方法对IVUS图像进行降噪预处理,以抑制其严重的血液斑点噪声;然后,为了更好地提取血管边缘,提出了一种改进的自适应形变模型,并基于该改进的自适应形变模型(T-Snake模型)给出了一种IVUS图像冠状动脉血管壁内、外膜边缘的提取方法。实验结果表明,该边缘提取方法有着较高的准确性和可靠性,对IVUS序列图像处理的可重复性和鲁棒性较好;也表明了改进的T-Snake模型的可实现性,以及IVUS图像血液斑点噪声抑制方法的有效性。     

一种血管内超声图像边缘提取的新方法

血管内超声图像的血管壁内外膜边缘检测是IVUS图像处理中必不可少的步骤与重要环节, 基于主动轮廓模型的血管壁边缘提取的效果好坏很大程度上依赖于初始轮廓能否较为精确的选取. 提出了一种提取血管壁边缘的新方法, 以自适应阈值分割的方式降低目标图像的复杂度, 结合marr边缘检测算子找到血管壁内外膜边缘的初始轮廓, 在此基础之上, 采用改进的GVF-snake算法使初始轮廓线精确收敛于真实的血管壁边缘, 实验结果验证了此方法的有效性.     

基于活动轮廓模型和统计特征的血管内超声图像的边缘提取

血管内超声(IVUS)图像边缘的提取对冠状动脉疾病的诊断和治疗有着重要的意义。为此,提出了一种用于自动提取血管内超声图像内、外膜边缘的方法。这种方法基于活动轮廓模型和超声图像的对比度特征量以及Rayle igh分布统计特性,有效利用动态规划和启发式图搜索方法,分别在不同的代价函数形式下,对血管内超声图像内、外膜边缘进行自动提取。实验结果表明,和以往的提取方法相比,该方法算法简单,准确性较高,对序列图像处理的可重复性和鲁棒性较强,是一种较好的全局最优化算法。     

基于血管内超声图像序列的相角配准与边缘检测

血管内超声成像可以显示血管内腔、管壁清楚的实时截面图像。实际采集的冠状动脉序列图像由于受脉动的影响而产生较大的重叠和错位,破坏毗邻图像的相关性,从而影响血管边缘检测、定量测量和3维重建的准确性。为进行精确的配准和边缘检测,采用一种新型的无需硬件设施的相角配准技术,经对序列图像的重采样得到相同相位下的连续图像,再基于快速主动轮廓算法模型提出一种适合血管内超声图像的自动边缘检测方法对重采样后的图像进行边缘检测。检测结果表明自动检测的内腔、血管面积与手动追踪非常吻合,具有较高的相关系数和较小的系统误差,可作为医生可靠而准确的诊断工具。     

基于活动轮廓模型的胃窦B超序列图象边缘轮廓的提取与跟踪

本文提出了一种基于活动轮廓模型的胃窦Ｂ超序列图象边缘轮廓的提取与跟踪方法。     

基于小波变换的图像边缘检测

边缘是一个区域的结束,也是另一个区域的开始,利用该特征可以分割图像。需要指出的是,检测出的边缘并不等同于实际目标的真实边缘。边缘是边界检测的重要基础,也是外形检测的基础。     

基于多尺度小波边缘检测改进GVF snake的颈部淋巴结超声图像轮廓提取

提取超声图像的轮廓对医学诊断有着积极意义。然而,由于超声图像具有目标与背景间对比度低、信噪比低等特点,以往的边缘检测算法在解决图像噪声、精确定位边缘以及获得连续光滑的边缘线之间的矛盾均未得到理想的效果。GVF snake能较好地解决以上矛盾,且具有更大的捕获范围和更强的凹陷域收敛性。但GVF snake初始轮廓线需手工勾勒,不仅比较繁琐,而且目标提取的结果在很大程度上受人工初始化的影响。为此,提出一种多尺度小波变换模极大值与GVF snake算法结合的方法来提取颈部淋巴结超声图像轮廓。该方法首先运用小波变换模极大值多尺度边缘检测算法得到目标图像的边缘图,再在边缘图上分别选取上、下、左、右四个不同方向若干个特征点,即可自动获得较为客观的初始轮廓线,最后利用GVF snake模型提取图像的精确轮廓。实验表明该方法能得到目标图像连续光滑的轮廓线,同时比GVF snake提取的轮廓更加精确,更能反映轮廓的局部细节。此外,由于初始轮廓更加接近给定图像的真实边缘,从而减少了梯度矢量流力场迭代(GVF)次数,提高了轮廓的收敛速度。     

基于统计处理和B样条小波变换的毫米波图像边缘检测

针对毫米波图像噪声强、分辨率低的特点,提出了一种新的边缘检测方法。该方法首先根据统计信号处理理论定义了标准化梯度强度这一物理量;然后采用3次B样条函数的一阶导数作为边缘检测算子,由小波变换后得到的图像水平、垂直方向的高频信息,并根据这些信息确定出标准化梯度强度;接着采用单门限的处理得到图像粗边缘;最后对粗边缘施行非最大抑制处理和滤波来得到检测结果。实验证明,该方法可用固定的单门限自动、快速地检测出毫米波图像中人体背景下物体的边缘,满足安检需要。     

基于参数活动轮廓模型的图像分割新方法

针对目前基于参数活动轮廓模型(PACM)的图像分割方法不能精确定位到角点,不连续边缘易受周围无关信息影响的缺陷,提出一种基于参数活动轮廓模型的图像分割新方法。该方法首先构造边缘保护项,将其引入到图像分割的活动轮廓模型中,保留拉普拉斯扩散项的切线方向分量;再引入两个权重参数控制切线方向和法线方向有偏的扩散,以提高分割的精度和效率。实验结果表明,该模型不仅能检测到弱边缘,精确定位到角点,而且能收敛到深度的凹形边界,降低无关信息对边缘不连续处的影响,防止边缘泄露,很好地保护图像细节,收敛的效率和准确率比边缘保护梯度向量流模型、法向梯度向量流模型及其改进模型有明显提高。     

序列血管内超声图像的管腔内膜自动分割算法

针对序列血管内超声(IVUS)图像相邻两帧具有很大相似性的特点,提出一种基于 序列 IVUS 图像配准的自动提取管腔内膜的方法。首先利用形态学运算以及连通分量法提取初 始帧的大致管腔内膜边缘,然后采用前景和背景像素的颜色直方图特征对相邻两帧图像进行建 模并进行配准：利用巴氏系数度量相邻两帧图像之间的相似性,建立仿射变换模型,优化模型 并计算模型参数,从而将轮廓相对准确地定位到管腔内膜附近;最后通过变分法、最速上升法 使目标轮廓曲线准确地收敛到管腔内膜处。以经验医师提取的管腔内膜作为评价标准,分别 与文献[17]和[4]相比,该方法的均方根误差分别平均减少了 0.124 和 0.063,相对差异度上分 别平均减少了 0.51%和 0.16%。实验结果证明,该方法可以准确地提取到序列 IVUS 图像的管 腔内膜。     

多尺度形态学图像边缘检测方法

在深入地探讨数学形态学在边缘检测领域中的应用的基础上,提出了一种形态边缘检测算子,并用该算子提取图像边缘。然后进行形态结构元素尺度调整,综合各尺度下的边缘特征,得到了噪声存在条件下较为理想的图像边缘,实验证明了该算法的可行性和有效性。     

基于改进GVF的运动目标提取算法

针对一般梯度矢量流(GVF)分割对连续对象分割效果差、迭代次数较多的缺点,提出一种基于GVF的运动目标提取模型。该模型计算运动目标的大致范围(以矩形框架表示),并利用该矩形框架的限制进行初始化处理,得到初始化轮廓,使用改进的GVF算法提取出对象。对运动目标序列的实验结果表明,该方法可以较大地提高计算速度。     

基于梯度矢量流Snake模型与图割的目标边界提取

针对梯度矢量流Snake模型因力场迭代次数过大造成运行时间长的不足,结合梯度矢量流Snake模型和图割理论提出了一种新的目标边界提取方法。该方法利用图割理论先对初始轮廓进行迭代寻优,使获得的轮廓线处在目标边界的“有效逼近域”内,然后将得到的轮廓线作为Snake的初始轮廓,最后利用梯度矢量流Snake模型准确提取目标边界。实验结果表明,该方法能够快速、准确地逼近到目标边界,并具有较强的抗噪性。     

基于梯度向量流的医学图像自动分割

提出了一种基于梯度向量流的自动图像分割算法，该算法首先将梯度向量流场转化为一个标量场，该标量场能够显著简化种子点选取和区域增长的步骤。在得到图像的初始分割后，再使用基于区域邻接图的算法来将相似区域合并得到最终分割结果。试验结果表明，该算法能够有效地解决医学图像中多目标区域的自动分割问题。     

一种基于边缘图像融合的图像边缘检测方法

边缘检测是图像处理、模式识别和计算机视觉领域的重要内容．传统边缘检测方法的边缘检测效果一般．为了更好地检测出图像边缘,在传统边缘检测算法分析的基础上,提出了一种基于边缘图像融合的图像边缘检测方法．首先,对原图像进行二进小波分解得到低频子图像,然后分别对原图像和低频子图像采用直方图均衡化进行增强后用Canny算子来进行边缘检测,得到原图像和低频子图像的边缘图像,最后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像．实验结果表明,这种边缘检测方法明显优于直接对原图像单独使用Canny算子或基于小波变换的边缘检测方法．     

基于边缘对称性和HOG的行人检测方法

传统基于HOG特征的行人检测方法存在检测速度慢的问题。为此,提出一种基于边缘对称性和HOG的行人检测方法。利用对称差分提取输入窗口的垂直边缘,根据垂直边缘的对称性快速检测出行人候选区,采用HOG特征和线性支持向量机对行人候选区进行验证。实验结果表明,该方法在保持传统方法检测率的同时,能提高检测速度。     

一种新的基于各向异性扩散的GVF模型

针对传统梯度矢量流(GVF)模型各向同性扩散分割图像时所导致的模糊边缘以及弱边界处的泄漏问题,提出一种新的GVF模型,该模型采用8个方向各向异性扩散策略以保持目标边界,并使用具有较快下降速度的保真项系数来增强Snake进入凹陷部分的能力。理论分析和实验结果表明,新方法能较准确地分割出目标凹陷部分,对于弱边界泄漏具有更强的鲁棒性。     

基于LSBMR图像边缘自适应隐写的检测

在图像边缘自适应LSB匹配改进隐写算法中,秘密信息嵌入位置的选择仅由某个方向上像素对的差值决定,未考虑该像素与其邻域内其他像素的差值变化的特点.针对该问题,对隐写前后图像的八方向差分直方图进行分析,提出一种基于LSB匹配改进算法(LSBMR)边缘自适应隐写检测的算法.该算法计算图像的八方向绝对差分直方图,提取直方图中隐写前后变化较为明显的频数用以构建特征向量,并使用支持向量机完成检测.对较低嵌入率下(≤0.5 bpp)的EALSBMR隐写结果进行检测,结果表明该算法的平均检测率均高于现有典型的隐写分析算法.     

GVF Snake模型中一种新的初始轮廓设置方法

通过对梯度矢量流（GVF）力场迭代和轮廓收敛过程中时间开销大、不能逼近较复杂轮廓等不足之处的分析,提出了一种新的初始轮廓线的设置方法。基于小波变换的多尺度轮廓检测算法,能够较精确地定位出各类轮廓,在此基础上设置的初始轮廓线能够非常好地靠近图像中的各种真实轮廓。实验结果表明,此方法有效地缩小了搜索的范围,减少了GVF迭代次数,提高了轮廓收敛的速度,并保留了GVF Snake模型的所有优点。     

基于Snake模型的血管树骨架三维重建技术

从两幅不同角度的造影图像实现血管树的三维骨架重建,传统重建方法常常需要较多的人工干预,才能为每一点找到准确的对应点.文中研究了一种基于Snake模型的重建方法.它在采用多尺度Gabor滤波提取造影血管中轴线的基础上,选取血管树分叉点,优化几何变换矩阵,提高用以初始化Snake的对应点的准确性;然后,针对血管的特性,文中采用GVF(Gradient Vector Flow)流量场作为三维Snake的外部能量场,并给出最小化血管Snake模型能量函数的表达式,使Snake保持自身平滑连续的同时在空间中发生形变以逼近真实轮廓.实验结果表明,该方法与传统的重建方法相比,不但减少了人工干预,而且有效地提高了重建精度.