基于HSI颜色模型的多层彩色细胞提取技术

为了克服传统图像分割方法在识别复杂背景下的细胞时存在的捕捉不全、噪声敏感和计数不准确的缺憾,构造了一种基于HSI空间下的细胞识别新法,通过在复杂背景图片中实选出几部分目标点的RGB模型信息,转换成优化的HIS模型,再用多图像平均法求出其H分量的直方图范围,并依之提取目标特征,实现细胞识别及计数.仿真实验结果表明:在处理染色不均、光照过强、背景复杂、细胞粘滞等特殊细胞图片,尤其是目标细胞与背景的色彩特征相似度高且多层分布的细胞图片时,方法输出的特征参数与实数吻合度高、计数准确,解决了临床应用上多层细胞难识别的问题,弥补了传统图像分割方法对此类图片处理的不足.     

一种脑切片图像分割新法

针对脑切片的特点和普通分割方法的不足,提出一种基于改进的Otsu分割方法,在Otsu分类后的交叉区域,预先指定若干个前、背景点,再以这些关键点的阈值进行最小类间方差分割,同时用关键点的阈值建立等高线,根据相邻切片图像的组织阈值具有相似性,依次将单张切片的分割结果作为相邻切片分割的初始值,进而实现整个数据集中的组织连续自动分割。结果表明：该方法能准确从彩色人脑切片图像中分割提取出复杂的器官组织,克服了其它方法的缺陷和交互式方法的人工依赖,并提高了分割的精度。     

基于复倒谱系数均值比较的数字音频水印算法

提出一种基于复倒谱系数均值比较的数字音频健壮、透明及盲水印算法。该算法把音频信号划分为若干帧,每帧划分为若干个节,每节包含若干个相同的采样点,对每帧的前二节实施复倒谱变换,然后比较前二节复倒谱系数的均值,结合水印序列为“0”或“1”,采取缩小、增加或不改变复倒谱系数均值的方法,在复倒谱系数中嵌入水印。实验证明,该算法具有较强的健壮性,较好的透明性,提取水印属盲水印提取,能经受重新量化、重采样、添加噪声、低通滤波、音频格式转换等常见信号处理及攻击。与SMM算法比较,其透明性、健壮性更好。     

基于罗伯茨梯度的彩色图像缩放新法

为了缩放图像而不改变图像中重要特征物的大小和比率,提出一种叫做缝络删增的缩放方法.一个缝络就是从顶到底或从左到右8-连接且仅连接一个像素的路径.最佳路径由图像的罗伯茨梯度函数来定义.通过在行列一个或二个方向重复删除或插入缝络就能改变图像的尺寸和比率.算法定义的缝络绕过了特征物边界,从而保护了图像的内容.理论分析和实验结果表明,该算法较其它算法能更有效地保护图像特征物.     

基于光流场的鲁棒性视频水印算法

为改善视频水印抗H.264压缩的性能,提出一种基于光流场的视频水印算法。根据视频图像中各点的光流速度,计算其帧图片的总光流,再根据总光流的差值来选定视频关键帧,在这些关键帧中利用DCT分块变换来嵌入水印信息。实验结果表明,该算法能有效对抗H.264的3种压缩模式,满足了水印的鲁棒性和视频高压缩率的双重要求。     

脑切片图像三维重建中的层间配准算法

在脑切片图像三维重建过程中,为了解决二维医学图像的层间配准问题,提出一种新的模板配准的算法.该算法根据序列图像的共同模板信息,在各图像中搜索匹配图,再将切片图像移动到理想对齐位置,经动态校正后,以目标质心为矩形左上角,截取图像用以重建。实验结果对比分析表明,本算法能精确处理数字人采集的原始数据,并能为后续的二次数据库开发、图像分割、重建和数字解剖等提供应用支持,优于同类算法。     

基于灰度分布匹配的多模态脑部MR图像肿瘤分割算法

针对多模态核磁共振(MR)脑肿瘤图像的分割问题,提出一种基于灰度分布匹配的分割算法。首先,学习图像灰度强度的非参数模型分布,来描述当前图像的正常区域。然后,计算肿瘤图像中各区域之间的全局相似性,从中寻找灰度分布与学习模型最匹配的子区域,同时利用平滑操作来避免存在孤立区域。最后,对FLAIR模态图像进行处理,以分离出脑水肿区域,最终获取脑肿瘤区域的准确边界。在多模态脑肿瘤图像数据库BraTS 2012上进行实验,结果表明该算法能够准确且完整的分割出肿瘤区域。