正常角膜和圆锥角膜的特征提取

基于角膜测量仪器Corvis ST采集的图像视频,提出提取新特征参数以便准确区分正常角膜和圆锥角膜。首先对图像进行滤波、分割等预处理,检测角膜上下边界,并计算前角膜曲率值;用小波变换分析角膜曲率变化,获取与角膜运动趋势相关的特征,包括角膜运动的整体趋势和角膜振动的范数和标准差。然后,基于均方误差最小化法,提取特征参数,构建最优参数。最后,用支持向量机(SVM)对正常角膜和圆锥角膜进行分类。从频率的角度实施的实验显示角膜在基本运动趋势上存在着振动过程。此外,提出的参数优于形变幅度(DA)、峰值距离(PD)等传统参数,使准确度、灵敏度和特异性分别提高了10.2%,5.7%和6.9%。受试者工作特征曲线(ROC)下面积为0.948,接近于1。结果显示本文方法自动提取的特征参数可提高正常角膜和圆锥角膜区分的准确性,对临床诊断有辅助作用。     

基于静态小波变换的变透明度法融合GFP荧光与相衬图像

绿色荧光蛋白荧光图像与相衬图像的融合对蛋白质功能的研究和亚细胞结构的定位有重要价值。针对成功用于遥感图像融合的ARSIS概念下多尺度融合算法融合荧光图像与相衬图像时易产生伪像的缺点,提出变透明度的概念,根据直观视觉效果设计一组函数,为融合图像的每一像素分配尺度透明度,并基于静态小波变换的分解结果对源图像进行融合。先通过30组图像的融合实验,估计出所设计函数的相应参数,然后用于对另外117组图像的融合测试,分别计算融合结果的荧光区和非荧光区与荧光图像、相衬图像的质量指数Q和高频相关系数HPCC这两个表征融合效果的特征参数。结果表明,相比常用的融合算法--透明度法、棋盘格法和静态小波替换法,本方法在保持交互可变透明度的同时,提高了融合结果细节的清晰程度,降低了荧光图像背景对融合结果的影响。