计算机辅助诊断中的肿瘤形状特征分类

为了克服传统的蛇形算法不能收敛于边缘凹陷处以及对蛇的初始化过于敏感的缺点，本文提出用基于可变形模型的梯度矢量流方法提取乳腺X光片中的肿瘤区域。在此基础上，提出三个新的基于边缘的价矩，和其它肿瘤的形状特征作为改进的支持向量机分类法的特征输入，进行恶性肿瘤和良性肿瘤的计算机辅助诊断，取得了良好效果。     

基于粒子群优化的图像自适应增强方法

将免疫粒子群优化算法和非完全Beta函数结合,提出了一种自适应图像对比度增强方法.该免疫粒子群优化算法结合了粒子群优化算法具有的全局寻优能力和免疫系统的免疫信息处理机制,改善了粒子群优化算法摆脱局部极值点的能力.利用免疫粒子群优化算法自动搜索最佳的灰度变换参数,从而获得一条最佳的灰度变换曲线,实现对图像进行全局增强处理.实验结果表明,该算法不仅能有效地提高图像整体对比度和视觉效果,而且适合图像的自动化处理.     

四元数表示和NSCT变换的彩色人脸图像识别

将彩色人脸图像用四元数实矩阵的形式表示,对该矩阵作多级非抽样Contourlet(Nonsubsampled Contourlet,NSCT)变换,在各子带系数上作奇异值分解,进而获得图像的代数特征向量,由神经网络训练和识别。实验结果表明,该方法可以有效地提高彩色人脸图像的识别率,是一种有效的彩色人脸识别方法。     

基于PSVM的乳腺X照片分类器设计

纹理是图像中反复出现的局部模式和它们的排列规则。一幅图像的灰度共生矩阵反映了图像灰度关于方向、相邻间隔变化幅度的综合信息，它是分析图像纹理的基础。文中提出了基于灰度共生矩阵的乳腺X照片纹理特征提取方法。同时，利用比BP神经网络精度更高，比传统的SVM算法效率更高、更易于实现的PSVM算法作为分类器的训练方法。     

扩散PDE彩色图像滤波方法

研究基于函数极小化、基于散度和基于迹算子的3个不同层次的彩色图像滤波方法,并将它们统一到一个各向异性扩散PDEs(Partial Differential Equation).提出一个新的扩散PDE方法,该方法在实现一致扩散滤波的同时很好地保持了图像的边缘信息,另一方面,由于该方法具有局部几何结构特性,因此通过适当地选择不同的平滑函数即可满足特殊的需求.最后,展示了基于该方法的彩色图像去噪、修补等应用结果.     

一种新的活动轮廓模型图像分割方法

局部二值拟合模型利用图像的局部邻域信息拟合能量函数,局部二值拟合模型相当于对活动轮廓内外进行局部均值滤波,因此该模型对高斯噪声有一定的抗噪性,但是该模型对椒盐噪声污染的图像不能取得令人满意的分割结果。为了提高活动轮廓模型对椒盐噪声的鲁棒性,结合局部二值拟合模型中的局部拟合项,提出一种能消除椒盐噪声影响的新的局部拟合项。提出的拟合项的能量函数极小值是局部区域的中值,新的拟合项相当于对活动轮廓内外进行局部中值滤波,中值滤波对椒盐噪声不敏感。原模型中边缘停止函数是基于图像梯度信息,难以区分图像不同区域间模糊的弱边缘和灰度渐进图像目标,并且容易受到各类噪声的影响,抗噪声能力弱。提出一种新的边缘检测算子,重新定义边缘停止函数,进一步提高模型的抗噪性,降低高斯噪声和椒盐噪声对分割结果的影响。为了保持活动轮廓在演化过程中的稳定性,在曲线演化迭代过程中必须周期地初始化以使水平集函数重新变成带符号的距离函数,但重新初始化的计算量大。引入一个惩罚能量,解决水平集函数在演化过程中的重新初始化难题。对不同噪声污染的图像进行试验的结果表明,提出的模型可以取得较好的图像分割结果,比CV模型、LBF模型和LIF模型更具有优势。     

图像增强算法与评价方法研究

研究了适应于乳腺钼靶X线图像特点的图像增强算法，探索量化评价增强算法效果的指标和体系。应用边界、标准偏差、熵以及4阶矩定义灰度均匀度，提出了增强放大因子来调节对比度增强程度的策略，同时给出了基于均匀度实现图像增强的算法，提出了4个增强效果量化评价指标。并与已实现的数学形态学增强算法和直方图均衡化算法进行了量化对比分析。综合分析指标表明，该算法优于数学形态学和直方图均衡化算法，但需要大量的实验和对比分析，研究了DSM、TBCs、TBCe和综合指标之间的相关性，从而找到了更适合于乳腺钼靶X线图像的对比度增强算法，探索出了更加科学的评价体系和指标。     

一种非平衡分布数据的支持向量机新算法

支持向量机是近几年发展起来的机器学习方法，它是利用接近边界的少数向量来构造一个最优分类面。然而当两类中的样本数量差别悬殊时，支持向量机的分类能力会下降。为了解决此问题，文中提出了一种改进的支持向量机算法——DFP-SVM算法。实验表明，此方法在解决两类样本数量十分不均衡问题时有着很强的分类能力。     

各向异性扩散的彩色图像复合滤波方法

将扩散偏微分方程PDE’s推广到彩色图像滤波。分析了基于散度算子和基于迹算子PDE的优缺点,提出了一个新的扩散PDE方法。该方法在各向异性扩散基础上增加了一个震动滤波算子,并对特征根和扩散张量进行了重构,不仅对图像有很好的滤波效果,而且对边缘有增强保护的作用。实验结果表明,提出的方法达到了既有效去除噪声又保留更多细节的目的。     

结合全局和局部信息的水平集图像分割方法*

LBF模型对初始轮廓大小和位置非常敏感,并且只考虑了图像的局部信息,没有考虑图像的全局信息。CV模型利用图像全局信息,对初始轮廓具有较强的鲁棒性。两种模型对椒盐噪声污染的图像不能取得令人满意的结果。针对以上问题, 在原有CV模型和LBF模型能量函数基础上,各自构造一个新的能量拟合项,增强对高斯噪声和椒盐噪声的抗噪性。采用新构造的CV模型,使用图像的全局信息得到粗分割轮廓。以粗分割轮廓作为新构造LBF模型的零水平集,利用图像的局部信息得到图像的精确分割结果。同时提出一种新的边缘检测算子,重新定义边缘停止函数,进一步提高模型的抗噪性。相较于CV模型,LBF模型,结合全局和局部信息的Wang模型和Qi模型,提出模型能得到更优的图像分割结果,具有较强的抗噪性。