联合相关反馈在医学图像检索中的应用

为进一步提高基于内容的医学图像检索性能,本文对相关反馈算法和全局特征进行研究。将基于模糊区域特征的图像检索和相关反馈算法与基于SVM的相关反馈算法结合起来,对复杂的区域特征采用基于模糊区域特征相关反馈算法,对全局特征采用能同时使用正例和负例图像的基于SVM的相关反馈算法,提出联合相关反馈算法。实验结果表明,采用这些方法后,检索结果有了很大的提高。     

异常宫颈细胞核的自适应局部分割

为实现宫颈液基细胞图像中异常细胞核的准确分割,提出一种新的自适应局部细胞核分割方法：在自适应阶段,采用一种利用灰度和纹理信息的快速自适应阈值算法大致检测出细胞核区域;在局部阶段,对每一个粗分割得到的连通区域,在其局部邻域内,使用一种利用边界和区域信息的、基于泊松概率分布的图割法修正分割结果。将此方法用于苏木素&伊红染色的宫颈液基细胞图像,结果显示本文所提出方法的平均计算时间为1.6秒/图,且比文献[3]的方法在细胞核检测率、和异常细胞核分割精度上均提高了19.7%。     

基于混合水平集的脑组织自动提取方法

脑组织自动提取是脑功能分析中一个重要的预处理步骤,为提高脑组织提取的精度,提出了一种新的提取方法。该方法首先对磁共振成像(MRI)图像使用改进脑组织提取工具(BET)算法快速提取初始轮廓;其次对此初始轮廓进行数学形态学膨胀处理,得到初始感兴趣区域;然后在初始感兴趣区域中使用改进混合轮廓模型进行处理,得到新的轮廓线再进行膨胀处理得到新的区域,如此不断迭代;最后,该混合模型收敛,获得较精确脑组织轮廓。实验采用了7组来自IBSR网站的MRI数据序列,所提算法得到的平均错误划分比例为7.89%。实验结果表明所提方法对于脑组织提取精度的提高是有效和可行的。     

基于直线光流场的三维检测新方法

提出了基于直线光流场的三维检测计算方法。在透视投影下,将表示二维直线的参数对时间的导数定义成直线光流场,详细推导出基于直线光流场检测三维刚体运动参数的模型。使用最小二乘法,求出刚体的三维旋转运动参数、平移运动参数和空间直线坐标,从而实现了刚体的三维检测。该方法利用单目图像序列中连续3幅图像的2对直线光流,能够检测出物体的运动参数和结构参数,有助于全面检测和识别物体。多组实验表明该方法是稳定的,具有较好的鲁棒性能。     

基于模糊区域的CT脑图像检索及关联反馈

基于模糊区域特征的图像检索算法和关联反馈算法是当前图像检索领域的研究热点,由于区域模糊相似度的复杂性,绝大多数关联反馈算法不能应用到基于模糊区域特征的图像检索方法中。为解决这个问题,论文修改了模糊相似度计算方法,并结合经典的基于权重调整的关联反馈算法,提出一种基于模糊区域特征的关联反馈算法。对脑出血CT图像的检索实验结果表明该算法效果较好。     

基于改进BET算法的MR颅脑图像脑组织自动提取

为稳定地自动从MR颅脑图像中提取脑组织,在经典的BET算法(brain extraction tool)的基础上提出了一种改进算法.该算法简化了BET中用来保持曲线光滑的平滑力,改进了BET中将曲线演化到脑组织边界的扩张力,引入了图像梯度的作用使曲线在脑组织内部演化快,在脑组织边界演化慢从而得到更好的结果.改进算法对100个临床病例的真实MR图像进行处理都得到理想的结果,相比之下BET算法有8例不成功.可见改进算法在处理真实MR图像时比经典BET算法更为稳定.     

基于肤色和行为的色情视频检测

传统色情视频识别方法大多是色情图像识别方法的直接扩展,没有考虑到“行为”这一包含在色情视频中的关键信息。光流上下文直方图能描述运动物体的连续动作,基于此,提出了一种新的用于描述行为的特征——光流上下文直方图（OFCH）,并采用主成分分析（PCA）进行特征降维,得到的PCA-OFCH特征用于训练敏感行为识别器;同时采用基于直方图技术的贝叶斯肤色预测模型对视频中是否含有足够的肤色信息进行判断,以降低对正常行为的误报率。实验结果表明,提出的基于PCA-OFCH特征结合肤色检测能有效地对色情视频和正常视频进行鉴别,为色情视频识别提供了新的思路。     

并行马尔可夫随机场计算变分光流方法

目的 基于马尔可夫随机场（MRF）的变分光流计算是一种较为鲁棒的光流计算方法,但是计算效率很低。置信传播算法（BP） 是一种针对MRF较为高效的全局优化算法。本文提出一种MRF变分光流计算模型并采用并行BP方法实现,极大提高计算效率。方法 提出的MRF变分光流计算模型中的数据项采用了Horn等人根据灰度守恒假设得到的光流基本约束方程,并采用非平方惩罚函数进行调整以平滑边界影响。为在CUDA平台上实现高效并行处理,本文提出了一种优化的基于置信传播的MRF并行光流计算方法。该优化方法在采用置信传播最小化MRF光流能量函数时,采用了一种4层的3维网络结构进行并行计算,每层对应MRF4邻域模型中的一个方向的信息传播,同时在每层中为每个像素分配多个线程采用并行降维法计算所要传递的信息,大大降低单线程计算负荷,大幅度提高计算效率。结果 采用旋转小球图像序列进行实验,计算效率提高314倍;采用旋转小球、Yosemite山谷和RubberWhale 3种不同图像序列,与Horn算法、Weickert算法、Hossen并行Lucas算法、Grauer-Gray并行MRF算法进行对比实验,本文方法得到最低的平均端点误差（AEE）,分别为0.13、0.55和0.34。结论 本文提出了一种新的MRF光流计算模型,并在CUDA平台上实现了并行优化计算。实验结果表明,本文提出的并行计算方法在保持计算精度的同时极大提高了计算效率。本文方法对内存需求巨大,在处理高分辨率图像时,限制了采样点数,难以计算大位移。     

FRFCM聚类与深度优化的RGBD场景流计算

针对现有RGBD场景流计算模型在复杂场景、非刚性运动和运动遮挡等情况下易产生场景过度平滑和运动边缘模糊的问题,提出一种基于FRFCM（Fast and Robust Fuzzy C-Means）聚类与深度优化的RGBD场景流计算方法.首先以图像序列连续帧间光流信息为基准,利用FRFCM聚类算法对输入图像进行初始分割,然后根据深度图像的运动边缘信息优化初始分割结果,提取高置信度的运动分层信息.最后设计基于图像分割的RGBD场景流能量函数,采用金字塔变形策略计算精确的场景流结果.分别采用Middlebury和MPI-Sintel数据库所提供的测试图像集对本文方法和现有的RGBD场景流算法进行综合对比分析,实验结果表明本文方法相对于其他方法具有更好的场景流估计精度和鲁棒性,有效改善了场景过度平滑和运动边缘模糊问题.     

利用感兴趣区域从脑部MRI中提取脑组织

从脑部MRI图像提取脑组织是影像学分析中的一项重要的预处理过程。本文提出了一种基于感兴趣区域和混合水平集方法的脑组织提取方法。该方法先采用BET方法得到脑组织的感兴趣区域,然后在该感兴趣区域内演化改进的混和水平集得到真实的脑组织边界。改进的混合水平集采用了一个非线性的速度函数,能够有效地防止边界泄露。该方法所用到的MRI数据均来自于互联网（IBSR, Internet Brain Segmentation Repository Web)。利用18组IBSR网站的MRI数据,本方法得到的结果接近于标准手动提取结果,并且在多个评价参数上都取得最好结果。实验表明该方法提取脑组织具有一定的准确性和稳定性。