基于灰色关联分析和IHS变换的图像融合算法*

针对IHS融合算法的光谱畸变问题,提出一种基于灰色关联分析和IHS变换的图像融合算法.该算法利用灰色关联分析法检测出SAR图像像素中的边缘点和非边缘点;通过IHS变换,在线性加权融合时赋予边缘点较大的权值.实验表明,该算法在保持光谱信息方面具有显著的优越性,并且能够有效提高融合图像的空间分辨能力,具有简洁性和抗噪性,明显优于传统的IHS融合算法和改进的基于直方图匹配的IHS融合算法.     

基于平稳小波变换的图像融合算法

针对IHS（intensity，hue．saturation）融合算法的光谱畸变和正交小波变换融合算法的方块效应问题，提出了一种基于平稳小波变换的图像融合算法，并且探讨了在图像处理中应用灰色系统理论的可行性和有效性。该算法结合IHS变换，对于图像平稳小波分解的高频分量利用灰色关联分析准确、有效地检测出有用的边缘信息，并在确定融合权值时，给予不同的重视程度。实验表明，本文算法能够克服正交小波变换在图像融合中出现的方块效应问题，在保持光谱信息方面具有显著的优越性，并且能够有效提高融合图像的空间分辨能力，又由于新算法引入灰色关联分析进行像素分类，具有良好的抗噪性和可控边缘信息量等优点，使算法灵活、有效，进一步改善了融合图像的质量。     

一种基于形状的三维医学图像插值算法

三维医学图像的层间插值是实现医学体视化的一个重要步骤;传统的直接灰度插值方法只适用于层间距小或形状差别不大的断层扫描图像,否则会产生严重的轮廓模糊现象;文中的三维插值算法通过对轮廓进行多边形近似,将形状和灰度信息较好地结合起来,充分利用了图像的形状信息,从而较好地避免了大层间距和形状差别较大时的轮廓重影问题,实验结果证明了其有效性.     

一种鲁棒的非均匀灰度图像分割算法

针对非均匀灰度图像分割困难及分割效率低下的问题,该文提出了一种基于活动轮廓模型的高效图像分割算法。不同于传统水平集方法中仅用单一信息定义的能量泛函,该算法结合图像的边缘信息和区域统计信息定义了一个新的能量泛函。边缘信息的利用便于演化轮廓线快速精确地定位至物体边缘;区域统计信息由局部统计信息和全局统计信息构成,一方面,局部统计信息的利用能够有效处理图像的灰度分布不均匀现象,另一方面,全局统计信息的利用避免了轮廓线陷入局部极小值。最后,在轮廓线演化过程中,通过高斯卷积核实现快速规则化,避免了传统模型计算代价高昂的重新初始化或规则化。合成图像和真实图像的实验结果表明,该文算法不仅能够快速有效分割灰度分布不均匀的弱边缘物体,而且对于多灰阶复杂结构物体也能够精确分割;同时,该算法对噪声和初始轮廓线具有较好的鲁棒性。     

结合统计和梯度信息的高效活动轮廓模型

提出一种由统计和梯度信息驱动的活动轮廓模型。该模型有效利用梯度信息使演化轮廓线快速精确地定位到物体的边缘;同时,由局部统计信息和全局统计信息构造符号压力函数,减少噪声对轮廓线演化的影响。另外,模型利用局部统计信息能够有效处理灰度分布不均的图像,全局信息的利用避免了演化轮廓线陷入局部最小,因此,该模型可以任意设置初始轮廓线。最后通过高斯卷积核对水平集函数规则化,避免了传统模型中计算代价高昂的重新初始化和规则化。实验结果表明,提出的模型不仅能够在任意初始轮廓下精确有效地分割灰度分布均匀的图像和不均匀的图像,而且对噪声具有较好的鲁棒性。     

基于高斯-马尔科夫随机场模型的脑血管分割算法研究

由于脑血管具有分枝众多、形态细小以及位置特殊和形态复杂等特性,在医学图像中精确地提取脑血管成为一项比较棘手的问题。该文提出了一种新颖的统计学分割方法,有效地实现了脑血管的精确分割。首先,充分利用各血管像素的空间邻域信息,将马尔科夫随机场信息加入到统计学模型的方法中,提出了新的马尔科夫统计模型;然后,利用随机期望最大化(Stochastic versions of the Expectation Maximization, SEM)算法来对统计模型中的多个参数进行估计,寻找最优解,进而实现了脑血管的3维分割。实验结果表明,该方法不仅能够分割出较大的血管分支,而且因其考虑了血管邻域信息,对细小血管的分割也有较好的效果,因此对脑血管疾病的临床预防和诊断具有深远的意义。     

一种基于分层Mumford Shah模型的颅脑图像分割方法

在介绍简化Mumford Shah模型和水平集(Level Set)方法的基础上，针对颅脑多目标分割问题，提出了一种基于分层Mumford Shah模型的图像分割方法，并运用改进图像分割方程进行计算求解，对颅脑MR图像的分割实验证明了该方法的有效性。     

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。     

球B样条曲线结合树状结构的脑血管表示模型

针对分割之后的脑血管体数据场,提出基于球B样条曲线结合树状结构的表示模型.该模型中主要分为3个步骤表示脑血管:首先采用Hessian矩阵结合弹性球的方法获取脑血管的中心线和半径信息,可提高中心线的求取精度并且在中心线的求取过程中即可获得半径;然后对获得的中心线和半径进行树状重构,得到符合血管的形态拓扑结构,便于对脑血管进行遍历;最后对重构之后的每一分支血管采用球B样条曲线的方式来描述,以对脑血管病变区域进行检测,并能针对不同大小的显示窗口采用多尺度方式绘制.实验结果表明,文中模型在脑血管的显示、病灶检测等方面具有极大优势.     

基于粗糙模糊集理论的医学体数据场模糊增强算法

提出了一种基于粗糙模糊集理论的医学体数据场模糊增强算法.该算法首先应用粗糙集理论对医学体数据场进行分类,在分类的同时,去除了噪声.然后针对不同的子数据场采用不同的方法进行处理,其中对于体数据场的前景部分采用迭代的模糊集理论方法进行增强.实验结果表明此算法不仅能够有效提高体数据场中感兴趣物体的信息显示度,而且在去除体数场中噪声的同时,也避免了感兴趣物体在绘制显示时背景的"遮挡"现象.