基于GPU运算的脑部核磁共振图像分割算法

使用脑部核磁共振图像(MRI)检测大脑组织中白质与灰质的变化已经变得积极和富有挑战性.本文提出基于GPU运算的平行模糊C均质聚类算法(FCM),并比较了在不同平台上执行FCM算法的效能.研究结果发现,利用GPU进行MRI图像分割处理时,图像输出相同,同时有效缩短了运行时间,其运算效能比基于CPU的运算效能至少提高7倍;使用单精度浮点运算和传统的Memory-copy数据传输方式就能获得较好的较能和准确率;基于GPU运算的运算平台更具性价比.     

融合超像素和CNN的CT图像分割方法

提出了一种融合超像素和CNN的CT图像器官主动轮廓分割方法。用超像素SLIC方法将CT图像网格化并分配标签;将网格化后图像作为数据集训练CNN网络分割出器官（如肝脏、肺部等）边界超像素,并将这些超像素的种子点连接成为粗分割边界;将粗分割边界作为初始轮廓,进行模糊主动轮廓分割得到CT图像中器官的边界。经过实验对比,该方法对肺部CT图像的分割平均DC系数达到97%、平均ASD系数达到1.23 mm。在肝脏CT图像方面与参考算法进行相比,在保证分割精度的前提下,VOE系数平均减少1%,切片图像的分割时间平均提高10 s。     

基于分组字典与变分模型的图像去噪算法

针对加性高斯噪声去除问题，在现有传统的K均值奇异值分解（K-SVD）字典学习算法的基础上，提出一种将字典学习与变分模型相融合的改进算法。首先，根据图像的几何和光度信息将图像进行聚类分组，再将图像组按照边缘和纹理类别进行分类，根据噪声水平和图像组类别训练一个自适应字典；其次，将通过所学字典得到的稀疏表示先验与图像本身的非局部相似先验进行融合来构建变分模型；最后，通过求解变分模型得到去噪后图像。实验结果表明，与同类去噪算法相比，当噪声比率较高时，所提算法可以解决前期算法准确性较差、纹理丢失较为严重、产生视觉伪影等问题，在视觉效果上要更为理想；同时该算法结构相似性指数有明显提高，峰值信噪比（PSNR）的值更是平均提高了10%以上。     

基于小波分解的边缘图像快速匹配算法

针对传统均值金字塔搜索算法存在起始点不定,搜索范围缺乏约束的问题,利用小波分析的多分辨率特性,构建了小波边缘金字塔上的快速图像匹配算法.首先对低分辨率的边缘图像进行匹配操作,然后逐级上推,最终实现全分辨率下的图像匹配,实验结果表明,该算法可以减少计算量,显著提高匹配效率.     

基于高阶位平面冗余的可逆信息隐藏方法

针对现有加密图像可逆信息隐藏(RDHEI)方法存在的隐藏容量低、解密标记图像质量差的问题,提出了一种新的基于高阶位平面冗余的RDHEI方法.首先,通过Logistic映射对原始图像进行分块加密,并保留块内像素高阶位平面的冗余;其次,依据块内高阶位和低阶位个数是否相同的规则将加密后的图像块分为可嵌入块和不可嵌入块,并在可...