基于Legendre矩的CT及MR医学图象融合方法

为了提高CT、MR多模态医学图象配准、融合的精度和速度,提出了基于Legendre矩的CT和MR多模态医学图象配准、融合方法,并运用二维9数据图象的Legendre矩正交性和无冗余性的特点,通过找出CT及MR两种模态医学图象的质心,计算出两图象的比例因子,从而完成了两图象的平移和旋转,并精确地实现了CT和MR两模态图象的配信、融合,还优化了Legendre矩的快速算法和提高了应用Legendre矩配准CT和MR图象的速度。实验表明,利用Legendre矩对CT和MR等多模态图象配准、融合,不失为一种比较直接、简洁的方法;同时,Legendre矩在医学影象诊断、放疗计划系统等方面也具有重要的应用价值。     

一种新的基于平面检测器的锥形束体积重建算法

由于锥形束体积重建算法具有较高的获取投影数据的速度、较大的 X射线利用率及能保持重建物体的空间和密度各向同性等方面的优点 ,因而引起了人们的广泛关注 .针对锥顶轨迹为单圆的锥形束体积重建问题 ,提出了一种基于平面检测器的 T- FDK算法 (简称 FT- FDK算法 ) .该算法首先将锥形束投影数据重排为倾斜平行投影数据 ,然后再经过加权滤波和反投影重建来得到待测物体的三维结构 .实验结果表明 ,该算法不仅与传统的 FDK算法有相同的计算复杂度 ,且重建图象的质量有了明显的提高 ,因而该算法在医学成像和无损探伤等领域具有重要的实用价值 .     

正则化方法及非刚体匹配在医学动态图象分析中的应用

为了给医生利用医学图象进行诊断和分析心血管疾病提供一个有效的工具和途径，利用计算机视觉中的正则化方法，结合心脏和心血管动态特征的临床知识，对两种医学动态图象(超声心动图和心血管造影图)进行了定量的运动分析，并完成了一套应用软件．实验结果证明，该方法明显优于以往的图象分析方法。     

心脏序列图象光流场运动的相关算法

心脏是人体的重要器官,它的运动与其功能紧密相关,因此在心脏疾病的诊断中,对心脏的运动分析是十分必要的.现代医学成象技术为医生在心脏的整体解剖结构和功能结构等方面提供了全局性信息.针对心脏超声序列图象的特征,相邻两帧图象内移动不大,而其灰度相关性和位置相关性强的特点,本文根据二维序列图象的相关性来跟踪各帧像素点得到序列图象光流场,并与传统方法进行了比较.为了检测本算法的可行性,本文结合临床知识对仿真图象应用相关算法进行了定量分析并获得预期实验结果.     

回波平面成像中基于相位恢复的ghost伪影校正

EPI技术是基于方向相反的频率读出的梯度来交替采集MR信号的奇、偶回波，但是，由于成像物体的磁敏感性、化学位移及磁场曰。的不均匀性等因素的影响会导致奇、偶回波之间产生相位移动，因而会产生ghost伪影。为了消除成像中产生的ghost伪影，提出了基于相位恢复的ghost伪影消除方法，即用数学形态学的方法确定支撑域，支撑域外的ghost伪影被置为零，首先获得模板图像；然后以最小熵为收敛准则运行迭代算法，直到得到满意的图像。实验证明，运用该方法能够明显地降低ghost伪影，可见这种方法是可行的。     

基于小波分析与神经网络的人脸检测方法

本文设计了一种结合小波分析与神经网络优点的人脸检测方法.该方法主要包括两个阶段.在训练阶段首先借鉴图形学中的背景生成方法对AR人脸数据库中的人脸样本进行背景叠加;然后对经过预处理的训练样本进行小波分解,并将得到的小波系数输入精心设计的神经网络进行训练.在人脸检测阶段,通过将缩放后的图像的各个区域输入神经网络,由神经网络判断输入区域中是否包含人脸:在得到检测结果后,本文通过基于规则的方法以及基于SUSAN的方法进行人脸区域验证取舍与合并;最后通过实验结果的分析比较可以发现本文的方法不仅可以实现人脸区域的快速检测,而且不受光照变化以及噪声的影响.     

基于模糊异质扩散的图像去噪方法

将模糊思想与Perona-Malik方法相结合,提出一种新的基于模糊理论的图像异质扩散滤波方法。把异质扩散方程中的边界停止函数看作像素梯度对于图像连续平滑区域的模糊隶属度函数,利用模糊熵的概念来确定图像中分片连续区域间的边界阈值σ。本文的模糊方法和其他经典方法的异质扩散比较实验说明,该方法在保持图像的细节方面更具有优越性。     

基于Legendre正交矩的模糊形变图像的配准方法

针对同时含有模糊和几何形变的图像,本文提出一种新的基于Legendre正交矩模糊和几何混合不变量的图像配准方法.该方法首先利用Harris- Laplace算子检测出图像的特征点,然后构造Legendre矩混合不变量,并将其作为特征点的描述子获取特征点的对应关系,接着通过该对应关系估计图像间的形变参数,最后利用插值方法...     

基于共轭对称列率复数哈达玛变换的水印算法

为了提高水印的鲁棒性和计算效率,提出了一种基于共轭对称列率复数哈达玛变换的图像水印算法.该算法首先对载体图像分块并进行筛选,找到适合嵌入水印的块;在嵌入之前,根据方差将这些块分成纹理简单和纹理复杂2类,不同类的块使用不同的量化步长,以此来增强水印的鲁棒性;然后,利用量化的方法将经过置乱和扩频的二值水印嵌入到上述块的系数相位中.为了抵抗图像的去同步攻击,提出了一种根据图像变换前后几何矩之间的关系来判断仿射变换的策略,并在此基础上计算变换参数,恢复图像的同步信息.实验结果表明,在满足不可见性的前提下,经历各种攻击之后所提取出的水印仍然清晰可辨,说明该算法具有较好的鲁棒性.同时,所提出的判断策略也能准确地判定载体图像是否经历了去同步攻击以及何种方式攻击.     

基于图学习的医学图像标注方法

近年来,由于医学成像技术的飞速发展,产生大量的数字化图像.医学图像是医生诊断的重要参考依据,因此如何对医学图像有效的标注和检索变得越来越重要.本文提出利用图学习的方法来标注医学图像.首先根据医学图像的特性进行预处理,然后将图像信息和标注词建立联系,最后将标注词从已标注图像传递到未标注图像.实验结果证明,基于图学习的医学图像标注方法明显的提高了标注性能,是一种有效的方法.