模糊各向异性扩散人脑MR图像自动分割

目前对人脑磁共振图像的处理由于噪声等因素的影响,往往准确度不高。论文提出一种新的基于模糊各向异性扩散的人脑磁共振图像自动分割方法,该方法首先结合非线性扩散滤波构造混合信息场,在平滑目标内部同时处理强噪声区域,降低强噪声的影响且保留边界信息。然后利用FCM方法、形态学方法和标记法对混合场进行分析与处理,最终得到分割结果。对脑部MR图像分割的实验表明该方法的分割准确性较高,错误率约为1.3%。     

基于C-V模型和MRF的脑部MRI分割

为准确分割脑部磁共振图像(MRI)的灰质、白质和背景,提出一种基于C-V模型和马尔可夫随机场的全自动分割方法。采用C-V模型与形态学相结合的方法对脑MRI进行预处理,去除多余脑组织,获得待分割图像。引入灰度场局部熵的思想对惩罚因子进行估计,利用马尔可夫随机场模型建模实现脑灰白质的分割,并运用形态学方法获得最终分割结果。对96幅IBSR图像和46幅临床图像进行实验,结果表明,该方法能够实现脑部MRI灰白质的全自动分割,且具有较好的分割精度和较快的处理速度。     

多发性硬化症MR图像分割新算法研究

提出了一种针对多发性硬化症病灶T2加权脑部磁共振（MR）图像的分割算法。根据多发性硬化症病灶和脑脊液在T2加权像上同表现为高亮度信号的特点,把模糊C均值分割算法与形态学方法相结合,提出了基于核模糊C均值的多发性硬化症病灶分割算法。该算法首先用改进的核模糊C均值算法做基础分割,再用形态学方法提取出多发性硬化症病灶得到最终分割结果。通过对多发性硬化症模拟脑部MR图像的分割结果表明,算法能够比较准确地分割多发性硬化症病灶。     

数学形态学在图像分割中的应用研究

本文以数学形态学基本运算的介绍为基础,阐述了图像处理中常见的一些数学形态学方面的应用,其中有形态学图像重建、形态学图像滤波和形态学图像梯度。最后介绍了一种基于形态学的图像分割算法—分水岭算法,并以基于标记的分水岭分割算法为例,研究了形态学运算在图像分割前的预处理步骤和图像分割中帮助提取标记的作用,由此证明了数学形态学运算是图像处理领域中的一种有效方法和手段。     

基于标记的分水岭图像分割算法研究

本文针对分水岭算法的过分割问题,设计了一种结合形态学运算的基于标记的分水岭算法.算法首先对梯度图像进行形态学开重建运算和形态学闭重建运算滤波平滑;然后去掉图像中像素个数小于20的局部极小值区域,提取前景标记;用Otsu法求阈值,对二值图像进行距离变换,分水岭分割,得到的分水线图像作为背景标记;最后用强制最小技术修改梯度图像,进行分水岭分割.实验结果表明,此方法能有效抑制过分割,得到与人工标注的分割目标更接近的结果.     

内皮细胞图像自动分割与荧光强度测量方法

针对内皮细胞提出了一种自动分割与细胞区域荧光强度测量方法。通过形态学重建和背景减除消除图像的光照不均匀背景;利用直方图均衡化进行图像增强;增强图像经自动阈值分割与形态学滤波得到二值化粗分割结果;在粗分割结果上利用形态学细化和分水岭算法获取前景与背景的标记点;结合增强图像的梯度及标记点,利用标记点控制的分水岭算法完成分割;最终通过求取分割所得细胞区域内的平均荧光强度完成测量。在实际图像上的实验结果表明,相比于直接使用阈值分割方法,所提出的方法能更准确地完成图像分割及荧光强度的测量。     

基于数学形态学的牙科CT 图像分割

文章提出一种基于数学形态学的牙科 CT 图像分割方法。采用形态学重建与滤波技术处理图像,从人的口腔图像 中提取出牙齿信息。初步结果表明所提出的方法可灵活用于从口腔图像中分割出需要的牙齿信息。     

脑部MRI图像头皮三维提取及重建

开颅手术中,为了满足手术导航系统进行快速、准确定位的要求,提出一种脑部核磁共振成像(MRI)图像三维头皮轮廓提取方法。首先采用各向异性扩散滤波方法对图像滤波,借助BrainSuite3医学软件获取脑标记图像;然后将图像中脑实质部分剔除,根据非脑组织图像计算头皮组织的分割阈值;再利用数学形态学处理二值图像获取头皮轮廓;最后结合目标灰度信息,用移动立方体(MC)算法进行三维重建。实验结果表明,该方法结合阈值、数学形态学和MC算法,能连续、光滑地提取出头皮外轮廓,并使精度达到亚像素级别。     

融合多结构滤波和多尺度重建的分水岭算法

为了解决传统分水岭算法中存在的过分割问题,提出一种结合多结构形态学开闭滤波和多尺度形态学开闭重建的新方法。该方法用12种不同结构的结构元对原始图像进行开闭滤波,接着对梯度图像应用多尺度开闭重建,通过加权融合不同的重建梯度为最终的梯度。在重建后的梯度上应用扩展最小变换技术（H-minima）以提取标记,用所得的标记修正原始梯度,在修改后的梯度上进行分水岭分割。实验结果表明：该方法不仅能有效抑制分水岭算法中的过分割,而且通过调节分割过程中的参数,还能防止欠分割的发生,对于不同的需求均可得到理想的分割效果。     

改进的分水岭算法在医学图像分割中的应用

分水岭算法是一种常用的图像分割方法,由于分水岭算法是基于的图像灰度梯度,对噪声很敏感,直接运用分水岭算法分割图像,很容易产生过分割。为了去除过度分割,为此本文提出了一种改进的分水岭分割方法,首先利用中值滤波消除噪声,再用形态学基本运算得到梯度图像,然后利用形态学开、闭操作重建梯度图像,最后通过实验证明,基于数学形态学的分水岭算法分割医学图像效果优于传统的分水岭算法。     

基于形态学重构的多结构元细胞图像边缘检测

细胞图像边缘检测结果为细胞形态学分析提供依据.针对传统边缘检测算法在细胞图像边缘检测中存在的问题.为了改善图像细节丢失的缺点,提出一种基于形态学重构的边缘检测算法.利用形态学重构运算保持边缘的良好特性,采用多结构元方案,设计形态学重构滤波器对细胞图像进行去噪处理,利用形态学梯度检测算子获取重构后的细胞图像边缘,对获得的多路细胞图像边缘进行加权处理,最终检测出细胞图像边缘.仿真结果表明算法检测效果优于传统边缘检测算子检测效果,检测出的细胞图像边缘连续且一致.     

基于形态学重构运算的医学图像分割

医学图像分割是高层次医学图像理解和解释的前提条件,其目的是通过提取描述对象的特征,把感兴趣对象从周围环境中分离出来。文章在形态学基本运算的基础上,介绍了形态学重构运算和形态学图像分割的基本流程,最后用形态学重构运算对脑部MRI图像进行了分割,实验结果表明,这一方法可成功地将脑髓分割出来。     

一种红外序列图像弱小目标自动捕获方法

提出一种新的基于形态重构与自适应小波算法的自动捕获红外弱小目标的方法,处理方法分为帧间与帧内处理两部分。首先论证了形态重构滤波器在完备格理论下可以实现对红外图像背景的重构,其次分析了自适应小波结合了线性小波强抑制噪声特性和形态小波好的保留目标细节特性,在红外图像能够获得更好的去噪性能,最后通过结合自适应阈值处理方法和准则处理实现了帧内处理,利用时间序列上的形态膨胀累加完成帧间处理。通过对三种不同的红外图像序列的仿真处理,实验结果表明自动捕获方法可以快速准确地捕获图像的弱小目标。     

Chan-Vese模型下的脑肿瘤图像分割方法

提出了一种基于Chan-Vese模型的脑肿瘤图像分割与三维重构方法。该方法首先通过对脑肿瘤图片的迭代腐蚀操作提取脑肿瘤轮廓,然后利用Chan-Vese模型对脑肿瘤进行分割,最后对图像进行迭代膨胀操作复原图像。另外对所有分割后的脑肿瘤图片进行了三维重构与定位。实验结果表明,基于Chan-Vese模型的图像分割方法很好地解决了脑肿瘤分割过程中容易出现的不完全分割问题,同时对脑肿瘤的三维重构与定位也具有较大的临床实用价值。     

基于自适应滤波的噪声图像边缘检测方法

研究图像边缘优化检测问题,针对传统边缘检测算法对噪声处理能力欠佳的缺陷,提出一种自适应中值滤波与形态学处理相结合的噪声图像边缘检测AMM算法。首先根据噪声像素点与相邻像素点的关联程度采用自适应中值滤波算法对图像进行去噪处理,保护图像的细节信息;然后运用改进的Canny算子对图像进行边缘检测,提取图像的边缘信息;最后对提取的边缘进行形态学处理,得到清晰的图像边缘。仿真结果对比表明,与目前常用的方法相比,AMM算法具有较强的抗噪鲁棒性,能较清晰地提取出图像的边缘,降低噪声对图像边缘的影响。     

基于变量分裂法的稀疏约束并行磁共振图像重建

针对并行磁共振成像技术中,数据欠采样造成重建图像存在的混迭伪影和噪声问题,提出一种稀疏约束下并行磁共振的图像重建算法。该算法将一阶差分作为稀疏投影算子,构建在各向异性全变分最小化约束下并行磁共振的图像重建问题。同时,提出基于变量分裂法的求解方法,并在不同实验环境下分析该算法的有效性和鲁棒性。结果表明该算法可显著提高加速因子最大时并行磁共振重建图像的质量。     

State Estimation with Structural Priors in fMRI

We propose a state estimation approach for functional magnetic resonance imaging (fMRI). In state estimation, time-dependent image reconstruction problem is modeled by separate state evolution and observation models, and the objective is to estimate the time series of system states, given the models and the time-dependent measurement data. Our method computes the state estimates by using the Kalman filter (KF) and Kalman smoother (KS) algorithms. We propose to complement the state estimation formulation with a structural prior which can be derived from the anatomical MRI, acquired as a part of the fMRI protocol. Two different constructions of the structural prior are considered. The first one is a structured smoothness prior where the state observation matrix is augmented with a spatially weighted regularization matrix which promotes structural similarity of the gradient of the unknown image with the gradient of the anatomical image. The second approach is based on applying structured total variation denoising to the KF estimate at each time step of the Kalman recursions. The proposed approaches are evaluated using simulated and experimental, radially sampled, small animal fMRI data from a rat brain. In our method, the state estimates are updated after each new spoke of radial data becomes available, leading to faster frame rate compared to the conventional image reconstruction approaches. The results are compared to a sliding window method and a conventional reconstruction which produces new image only after a full circle of k-space spokes becomes available. The results suggest that the state estimation approach with the structural prior can improve both spatial and temporal resolution of fMRI.     

一种改进CB形态学的图像滤波分析研究

如何在滤除噪声的同时保护图像的细节一直是一个研究热点。基于数学形态学的滤波效果依赖于结构元素形状和尺寸的选取,基于轮廓结构元素形态学（简称CB形态学）在一定程度上弱化了结构元素对处理结果的影响,但是大结构轮廓会导致噪声放大,小结构轮廓噪声滤除效果不佳。提出一种改进CB形态学滤波器,利用小结构元素、CB形态学、数学形态学运算实现对图像椒盐噪声的滤除。实验结果表明该滤波器滤除椒盐噪声的效果优于中值滤波或一般形态学滤噪,且能够在滤除噪声的同时较好地保留图像细节。     

基于图形处理器加速 Wave-CAIPI 重建的 改进共轭梯度法

Wave-CAIPI 是一种利用多通道线圈和 k 空间螺旋轨迹采样来加速磁共振成像的新 3D 成像 方法。然而,Wave-CAIPI 采集的 3D 数据对于重建计算是巨大的。为了加速重建过程,该文使用基于图形处理器改进的共轭梯度算法实现了 Wave-CAIPI 重建,减少了重建时间。水模数据集和体内人 脑数据集的实验表明,基于图形处理器的 Wave-CAIPI 重建可以获得与传统基于中央处理器的 Wave-CAIPI 重建类似的图像结果,且重建效率显著提升。     

彩色图像形态学的研究及其应用

基于对彩色图像形态学的研究,提出一种面向RGB颜色空间的距离和字典序相结合的颜色向量序,给出基于所定义像素序实现的彩色图像形态学膨胀、腐蚀、开和闭算子。把灰度图像形态学重构及一种边缘增强和噪声清除的算法推广到彩色图像。实验结果表明,基于向量序实现的彩色图像形态学的基本算子性能良好,边缘增强和过滤的效果较好。