基于深度语义模型的乳腺X线图像检索

图像特征是基于内容的图像检索（Content-based image retrieval,CBIR）的关键,大部分使用的手工特征难以有效地表示乳腺肿块的特征,底层特征与高层语义之间存在语义鸿沟。为了提高CBIR的检索性能,本文采用深度学习来提取图像的高层语义特征。由于乳腺X线图像的深度卷积特征在空间和特征维度上存在一定的冗余和噪声,本文在词汇树和倒排文件的基础上,对深度特征的空间和语义进行优化,构建了两种不同的深度语义树。为了充分发挥深度卷积特征的识别能力,根据乳腺图像深度特征的局部特性对树节点的权重进行细化,提出了两种节点加权方法,得到了更好的检索结果。本文从乳腺X线图像数据库（Digital database for screening mammography, DDSM）中提取了2 200个感兴趣区域（Region of interest,ROIs）作为数据集,实验结果表明,该方法能够有效提高感兴趣肿块区域的检索精度和分类准确率,并且具有良好的可扩展性。     

结合视觉语义的乳腺X线图像检索

针对乳腺X线图像检索过程中底层特征不能有效表达高层语义,提出一种结合视觉语义的图像检索算法.引入图半监督学习框架提取查询图像的类别归属度,作为视觉语义;考虑类别分布的不平衡性,在语义提取过程中加入类标签正则化;设计结合视觉语义和底层特征的相似度度量准则.在乳腺X线分块图像数据库上的实验结果表明,该算法能够有效提取图像的视觉语义,性能优于基于单一底层特征的检索算法.     

乳腺X线影像钙化病灶检索技术研究

为帮助医生进行乳腺X影像辅助诊断。针对乳腺X影像微钙化簇相似病灶检索问题,在分别研究单一特征和利用单距离相似性度量的特征融合的检索算法的基础上,提出一种 基于多距离特征融合和相关反馈的乳腺X线影像钙化病灶检索方法,该方法针对不同特征采用多距离度量方法计算相似性,并结合用户的反馈信息动态调整各个特征分量的权值来完 成查询。实验建立在由250幅包含微钙化簇的乳腺X线影像构成的数据库基础上,通过单一特征,特征融合及相关反馈图像检索的查准率-查全率（PVR）曲线验证该方法的检索性能 。实验结果表明,该方法比传统的基于单一特征检索方法以及运用单一距离度量的基于特征融合的检索方法有更好的检索效果。     

一种基于内容的图像检索界面

基于内容和对象的图像压缩和检索是下一代的图像处理技术,具有较广阔的应用前景。目前该领域的研究主要从设计方便、快捷的用户查询界面和发展图像数据库检索技术两方面展开。为此,该文提出了一种基于内容的图像检索用户界面的设计方法来满足用户复杂的检索要求。在图像的检索过程中,通过用户组合图标的方法来描述检索要求,同时将图像的颜色和空间信息相结合进行图像查询,并借助用户的反馈信息实现系统的自学习功能,最终逐步提高系统图像检索的速度和准确性。     

一种新的基于色彩的图像检索方法

在分析已有的基于色彩的图像检索方法存在问题的基础上 ,提出一种新的基于色彩的图像检索方法 .该方法对每个图像单独进行颜色量化 ,计算其颜色直方图并排序 ,根据颜色在图像中出现的频率和图像中各种颜色的对比强度确定图像之间的相似度 .使用的图像特征占用存储空间非常小 ,比较速度快 .测试了该方法识别图像和检索相似图像的能力 ,效果明显优于直方图距离方法     

基于本体技术的内容图像检索系统

提出一种新的利用对象本体进行基于内容的图像检索的方法.从分割后的图片区域中提取低层特征,并将其映射为本体中的中间层描述符.中间层描述符将图像低层特征与高层语义联系起来,实现基于内容的图像检索.实验证明,该方法适于大型图片库的检索.     

基于平均检索精度的图像特征融合方法

在基于内容的图像检索中,不同图像特征反映了图像不同侧面的内在特性,如何有效地组织和利用这些特征从而提高系统的检索性能是一个值得研究的课题．首先提出了特征互补率的定义,通过计算互补矩阵有指导地选择融合特征集．实验结果表明,互补矩阵能够很好地估计特征之间的补充能力．同时提出了基于平均检索精度的特征线性融合方法,并在一个包含12000张异质图像的大型图像库上与当前图像检索中最常用的几种方法进行了对比实验,结果表明这种方法具有更高的精度．     

基于Kmean和ELM的乳腺肿块检测方法

肿块是乳腺癌在X线图像上的一个主要表现。提出了一种肿块自动检测算法。该方法包括四个步骤：在图像预处理阶段,去除背景、标记、胸肌和噪声,图像分割和图像增强;利用Kmean方法找到感兴趣区域（ROI）;提取能够表征肿块的特征;利用极限学习机（Extreme Learning Machine,ELM）分类器去除假阳性,将图像中的肿块和非肿块分离开来。通过对MIAS数据库中乳腺X线图像的测试实验,得到的检测肿块的准确率为93.5%。     

一种新的文物图像检索方法

针对大学数字博物馆数据库中文物图像的特点,提出了一种新的文物图像检索方法。特征提取采用基于分块图像建立模糊颜色直方图;模糊颜色直方图的建立不仅考虑了不同颜色索引像素之间的差异,也考虑了同一颜色索引像素间的差异;图像分块策略结合了文物图像的颜色特征与形状特征。一种新的图像相似性度量方法---交互信息距离(MID)用来进行相似性匹配。参数AVRR/IAVRR用来进行检索性能评价,评价结果表明,本文的方法在文物图像检索中具有较高的检索准确率。     

基于内容图像检索中的特征性能评价

在基于内容的图像检索中，不同图像特征反映了图像各个侧面的内在特性，因此，在使用图像特征进行检索时存在多种相似性度量方法．特征以及特征间相似性度量方法的选取是当前CBIR研究的一个重要课题．评估了CBIR系统中使用的图像特征在不同相似性度量方法下及多种特征在不同图像库上的检索性能，为CBIR系统的设计和实现提供一定的依据．通过实验发现，图像特征的检索性能不仅同相似性度量方法有关系，同时与图像库也有密切的关系．     

Content-Based Image Retrieval Based on ROI Detection and Relevance Feedback

Content-based image retrieval is an important research topic in computer vision. We present a new method that combines region of interest (ROI) detection and relevance feedback. The ROI based approach is more accurate in describing the image content than using global features, and the relevance feedback makes the system to be adaptive to subjective human perception. The feedback information is utilized to discover the subjective ROI perception of a particular user, and it is further employed to recompute the features associated with ROIs with the updated personalized ROI preference. A fast computation technique is proposed to avoid repeating the ROI detection for images in the database. It directly estimates the features of the ROIs, which makes the query process fast and efficient. For illustration of the overall approach, we use the color saliency and wavelet feature saliency to determine the ROIs. Normalized projections are selected to represent the shape features associated with the ROIs. Experimental results show that the proposed system has better performance than the global features based approaches and region based techniques without feedback.     

Fully automatic and segmentation-robust classification of breast tumors based on local texture analysis of ultrasound images

Region of interest (ROI) is a region used to extract features. In breast ultrasound (BUS) image, the ROI is a breast tumor region. Because of poor image quality (low SNR (signal/noise ratio), low contrast, blurry boundaries, etc.), it is difficult to segment the BUS image accurately and produce a ROI which precisely covers the tumor region. Due to the requirement of accurate ROI for feature extraction, fully automatic classification of BUS images becomes a difficult task. In this paper, a novel fully automatic classification method for BUS images is proposed which can be divided into two steps: “ROI generation step” and “ROI classification step”. The ROI generation step focuses on finding a credible ROI instead of finding the precise tumor location. The ROI classification step employs a novel feature extraction and classification strategy. First, some points in the ROI are selected as the “classification checkpoints” which are evenly distributed in the ROI, and the local texture features around each classification checkpoint are extracted. For each ROI, all the classification checkpoints are classified. Finally, the class of the BUS image is determined by analyzing every classification checkpoint in the corresponding ROI. Both steps were implemented by utilizing a supervised texture classification approach. The experiments demonstrate that the proposed method is very robust to the segmentation of BUS images, and very effective and useful for classifying breast tumors.     

基于多级位平面交错的ROI图像编码

在许多的图像应用中，基于感兴趣区域(ROI)图像编码技术占有重要地位。在ROI图像编码中，感兴趣区域采用低压缩比以得到较高的图像质量，而背景区域(ROB)则采用高压缩比以达到相对低一点的图像质量。因此，这种技术能很好地解决图像质量和压缩比之间的矛盾。在JPEG2000中已采用了General Scaling Based Method和Maxshift Method的ROI编码技术，但在一些应用中它们仍不能满足要求。为此提出了一种基于多级位平面交错(MBI)的编码算法。该算法具有多ROI编码、ROI-ROB重要性编码等特点，能够满足不同应用场合下的编码要求。     

基于Cascade结构的代价敏感的医学图像ROI检测方法

医学图像中感兴趣区域(ROI)通常包含重要的信息,对医生分析和诊断具有重大意义。文中结合医学图像特点,运用机器学习方法和图像处理技术,提出一种基于Cascade结构的代价敏感的医学图像的ROI检测方法。该方法将代价敏感的分类算法和Cascade结构有效结合,具有高敏感性和高效率。对数字乳腺图像中的肿块ROI进行实际检测的实验结果表明,与基于像素的方法相比计算量小、效率高;与基于区域的方法相比避免了直接使用传统的图像分割和滤波技术难以有效检测ROI的问题。     

一种基于EBCOT的感兴趣区图像编码算法

优化截断嵌入式编码(Embedded block coding with optimized truncation, EBCOT)是JPEG 2000的核心, EBCOT所采用的基于码块的率失真优化方式为实现图像感兴趣区(Region of interest, ROI)编码提供了良好的基础. 本文分析了其中具有代表性的隐式ROI 编码算法, 并提出了一种改进方法. 通过构造加权函数, 合理地为ROI码块分配权重, 在保证ROI信息被优先编码的同时, 降低ROI码块中背景区域小波系数的影响, 提高了重建图像ROI的质量. 实验结果表明, 算法在低码率下重建图像ROI质量提高明显, 在高码率下也能够很好兼顾重建图像背景区域的质量.     

一种基于人眼视觉特性的ROI渐进图像传输算法

一般基于ROI的渐进传输算法都未充分考虑人眼视觉特性，利用小波变换的特点并结合人眼视觉的掩蔽效应，提出了一种改进的ROI渐进图像传输算法。首先传输图像的低分辨率形式，供用户选择是否继续传输图像。进行ROI图像传输时，在不影响ROI主观质量的前提下，可以对ROI视觉效果影响不明显的小波系数延后传输，而利用节省下的带宽传输视觉上重要的背景系数。此外，还可以根据网络带宽情况设置扩展因子，控制背景图像进行分级扩展传输，从而保证接收到的图像始终具有较好的整体视觉效果。仿真实验证明了该算法的有效性及扩展因子的控制作用。     

Mass lesion detection with a fuzzy neural network

This paper presents a novel fuzzy neural network (FNN) approach to detect malignant mass lesions on mammograms. The FNN is a self-adjusting and adaptive system. It is simple in structure and easy to incorporate experts’ knowledge and fuzzified factors in the detection of malignant mass lesions on mammograms. The FNN has four layers. The first layer is the input layer consisting of 4 fuzzy neurons. The second layer has 4 ordinary neurons. The third layer consists of N maximum fuzzy neurons. The number of fuzzy neurons, N, in the third layer is determined during the training process and varies with the network parameters and data distribution. The fourth layer has 2 maximum fuzzy neurons and one competitive fuzzy neuron. Mammograms were obtained from the digital database for screening mammography, DDSM. Six-hundred and seventy regions of interest (ROIs) were extracted from 100 mammograms. All extracted ROIs were randomly divided into two sets: training and testing sets. The co-occurrence matrix of each ROI was computed. Textural features were calculated at sizes of 256×256 and 768×768, respectively. The feature differences at these two image sizes were computed for each feature. These feature differences are very discriminant in differentiating between malignant masses and normal tissues regardless of lesion shape, size, and subtlety. After training, the FNN can correctly detect all malignant masses on mammograms in the testing group. The true-positive fraction (TPF) is 0.92 when the number of false positives (FP) is 1.33 per mammogram and 1.0 when the FP is 2.15 per mammogram. The proposed approach will be very useful for breast cancer control.     

基于人眼视觉特性的ROI编码

研究了等级树集分割编码方法(SPIHT)在ROI图像编码中的应用。根据SPIHT编码方法的特性、ROI区域小波系数提升后整幅图像小波系数的特点及人眼视觉特性,提出改进算法。同时提出质量等级因子的概念并给出了其数学表达式。本文提出的改进算法可在保证ROI质量等级的同时提高整幅图像的主观效果。仿真实验证明了改进方法的有效性及质量等级因子的调节作用和其公式的正确性。     

基于感兴趣区域的水印算法

在图像中,ROI(region of interest)所指的是图像的感兴趣区域,也就是图像中对于观察者而言信息最为丰富的地方.因而对于感兴趣区域的水印嵌入一直是数字水印研究的重点和难点.本文以基于小波变化和奇异值分解的水印为基础的嵌入方法,在感兴趣区域嵌入鲁棒性水印,用于作为图像的版权认证,使得水印具有较强的鲁棒性和不可见性.