基于分水岭算法的尿沉渣图像处理方法研究

医学图像处理是计算机网络和多媒体通信技术在医学上的一项具体应用,已在世界各地得到广泛的重视和应用。尿沉渣显微镜检查是临床检验的一项重要手段,对肾脏疾病的诊断治疗具有十分重要的作用。目前尿沉渣检查多采用显微镜下人工判别。利用计算机技术对临床上尿沉渣图像进行自动分析,将极大提高其临床鉴别的准确性,同时也显著降低临床检查人员的劳动强度。本文利用计算机显微技术对尿沉渣有形成分进行摄取,预处理和特征提取,实现了尿沉渣有形成分自动分割,其分割速度及可重复性都达到了医学临床的要求。     

基于加权梯度和Snake模型的尿沉渣提取

针对尿沉渣图像的背景和目标区分度低、有形成分复杂,导致提取困难的问题,设计了基于加权梯度和Snake模型的尿沉渣提取算法.首先采用基于区域生长的阈值分割方法对尿沉渣进行粗定位,然后通过形态学的方法确定Snake模型的初始蛇,最后将加权梯度融入到Snake模型中,完成对尿沉渣的准确提取.实验表明算法性能稳定,所提取的尿沉渣区域定位准确.特别是解决了虚假边缘和边缘断裂现象较为严重的尿沉渣轮廓提取.     

基于组合的尿沉渣粘连细胞分割算法的研究与实现

在尿沉渣图像中经常会出现细胞重叠和粘连的现象。将粘连的细胞分离是尿沉渣自动检测系统中一项重要而困难的任务。针对这一情况,提出一种基于组合思想的分割算法。该算法首先利用改进的自适应阈值分割算法结合形态学处理对细胞进行定位得到子图像,然后再利用基于距离变换的分水岭算法对子图像进行粘连细胞分离。实验结果证明,该算法能准确、稳定地分割尿沉渣粘连细胞。同时,该算法明显地提高了尿沉渣自动检测系统的性能。     

基于小波和水平集方法的尿沉渣图像分割*

针对尿沉渣图像更为精细的分割,提出了首先使用小波变换和形态学处理消除散焦影响并进行图像的粗分割,然后根据粗分割得到的子图像利用水平集方法找到子图像中目标图像的边缘完成精细分割,为计算机自动识别尿沉渣中的有效成分提供更加准确的依据。实验结果表明,该方法在尿沉渣图像分割的应用中得到了令人满意的结果。     

基于模糊方法的尿沉渣有形成分聚类分析

以往的应用于尿沉渣有形成分图像识别的方法一般是对通过尿沉渣个体的形态特征的提取进行一个一个的识别.在对尿沉渣有形成分分割以后,首先通过构造灰度-梯度共生矩阵来获得尿沉渣有形成分的纹理特性参数矩阵,再从由此矩阵变换得到传递闭包矩阵中找出各个等级的阈值λ.选择具有最大F-统计量的划分聚类方案.利用纹理特征聚类不但高效率地得到各成分的数量比例,而且比用形态特征聚类有较高的准确度.     

尿沉渣图像分割及识别算法研究

尿沉渣检查中,需要利用一些分析仪器识别尿液中的有形成分,检查尿沉渣中的红白细胞、上皮细胞、管型和结晶等,及时发现人体的肾脏疾病、泌尿道疾病。现阶段,我国常用的自动尿沉渣检测仪相比传统人工镜检查效率更高,尤其在尿沉渣的有形成分识别上准确率更高。基于此,针对尿沉渣的自动识别展开探讨,并结合尿沉渣图像的特点,研究图像分割、增强、选择、特征提取以及图像识别算法。     

采用改进Canny算子分割尿沉渣图像

作为尿沉渣自动识别的关键一部分,尿沉渣图像的准确分割具有非常重要的意义。用Canny算子检测尿沉渣图像的过程中存在双阈值的选取不能自适应、检测出的边缘不闭合等不足。为改进这些不足,先对经过非最大值抑制后得到的候选边缘点用一个小的结构元素进行一次形态学膨胀,为提取闭合的边缘打下基础,然后提出了利用梯度图像的最高梯度来确定高阈值和利用梯度图像的局部梯度信息来确定低阈值的方法,该双阈值的选取方法自适应性强。实验结果表明,改进的Canny算子能够自动地分割尿沉渣图像,分割精度高,抗噪声干扰性强。     

尿沉渣自动检测系统的设计

通过对当前尿检的发展的分析,介绍了一种实现尿沉渣的自动检测系统,该系统利用计算机来实现上位机对下位机的控制,从而实现由标本加样、计数直至报告的打印等全过程。     

一种更高效的尿沉渣自动识别算法

提出了一种综合支持向量机（Support Vector Machine,SVM）和模板匹配的尿沉渣识别算法。首先根据面积特征将有形成分粗分成大目标类和小目标类,然后对小目标类中的草酸钙结晶以模板匹配法识别,而红、白细胞采用SVM的方法进行分类,最后对大目标类中的上皮细胞和管型则根据其狭长度加以区分。实验表明,该算法在将尿沉渣识别率提高到96.7%的同时还节约了22.4%的识别时间。     

基于贝叶斯方法的尿沉渣图像分割

通过对贝叶斯分类器的讨论,提出将贝叶斯方法应用于医学图像分割后的合并策略思想,旨在提高图像分割的准确性,为计算机自动识别医学图像中包含的各种元素提供更加可靠的依据。首先让计算机自动识别出尿沉渣图像中的红细胞、白细胞、管型细胞、上皮细胞和结晶等有形成分,其次将各细胞实体正确地分割出来。由于图像中存在着大量背景噪音,因此在分割之前需要进行去除噪音的预处理。预处理采用数学形态学的方法,依次进行边缘提取、梯度图像二值化、腐蚀、膨胀。最后,在图像分割过程中,使用最大后验概率法进行破损目标体的合并,为进一步的特征提取和分类作了基础。在目标体分类中使用朴素贝叶斯分类器进行分类。将本方法应用于尿沉渣检查自动图像分析系统中,实验结果表明这一方法效果较好。     

一种基于高维形象几何理论的彩色图像增强算法

基于近年来发展起来的全新理论--高维形象几何与仿生信息学,提出一种彩色图像增强算法.本算法将彩色图像看作是高维空间的点,通过对多幅图片的分析,推导出点与点之间的内在联系,提出"模糊-再模糊-清晰"的增强算法,并由实验证明该算法对模糊图像的清晰化有很好的效果.     

Performance analysis of structural similarity-based backlight dimming algorithm modulated by controlling allowable local distortion of output image

This paper proposes a global backlight dimming algorithm based on structural similarity that controls the local distortion level of the output image for preserving overall image quality. Unlike existing methods, the proposed method non-iteratively determines a global clipping point that maintains structural similarity for each pixel above the desired level. The proposed method consists of three steps: region analysis, candidate clipping point calculation, and backlight luminance determination. In the first step, the structural similarity is analyzed based on various clipping points. In the second step, the proposed method estimates a candidate clipping point, which preserves the structural similarity index of each pixel above the desired level, based on the estimation of local statistics. Then, the proposed method determines a global clipping point based on a group of candidate clipping points. Finally, the output luminance is determined based on the selected global clipping point. Experimental results showed that the proposed method successfully maintained the structural similarity of each pixel above the desired level. In addition, the proposed method reduced the variation of minimum structural similarity by up to 94.7% compared to the benchmark methods.     

基于局部方差改进的超声图像各向异性扩散去噪算法

针对各向异性扩散算法不能有效区分强噪声和弱边缘的缺点,提出了一种基于图像局部统计特征改进的算法。该算法在对图像进行各向异性扩散去噪的过程中,使用梯度阈值找到图像中灰度变化较大的点,再通过计算局部方差和局部去心方差的差值判断该点是否为噪声点,若是噪声点则使用均值滤波处理。对仿真图像和临床超声图像的实验结果表明:与传统的各向异性扩散算法相比,改进的算法在图像去噪和特征保留的能力上得到了良好的提升。     

应用单调下降曲线模型自动提取乳房轮廓线

乳房外轮廓包含非常重要的信息,在图像定位、对比分析中起着非常重要的作用,在一定程度上影响着乳腺图像对比分析技术的性能。通过分析乳腺X线图像的特点,判别图像为左乳图像还是右乳图像,若是右乳图像则做水平镜像处理;应用单调下降曲线模型提取乳房轮廓点;选择最长下降曲线段上的轮廓点为基准点,分别向上和向下逐行修正其他扫描线上的轮廓点;判别伪轮廓曲线段,采用圆弧模型拟合正确的轮廓线,从而提取出完整的乳房轮廓线。     

基于稀疏图像序列的雕塑点自动云三维重构方法

为了提高对雕塑点稀疏图像的点云三维重建的分析能力,提出一种基于稀疏图像序列的雕塑点自动云三维重构方法,基于稀疏散乱点三维重建和锐化模板特征匹配方法进行图像三维重建。采用三维角点检测和边缘轮廓特征提取方法,进行雕塑点稀疏图像三维点云特征检测,对检测的雕塑点稀疏图像点云数据进行信息融合处理,采用梯度运算方法进行特征分解,实现对雕塑点稀疏图像的信息增强和融合滤波。结合局部均值降噪方法进行图像的提纯处理,提高雕塑点稀疏图像轮廓重建能力,采用锐化模板特征匹配和块分割技术,实现雕塑点自动云三维重构。仿真结果表明,采用该方法进行雕塑点自动云三维重构的准确性较高,图像匹配能力较好,且重构输出信噪比较高。     

基于最小矩理论的计算机裂缝自动识别方法

在确定地下裂缝的分布规律时 ,由于钻井的代价一般较高 ,所以应尽可能充分地利用获得的井壁成像信息。如果裂缝面与参考纸面垂直 ,则裂缝井壁图象在纸面内的投影处于一直线上。这时 ,可通过直线拟合确定裂缝位置。文献 [1]中提出了一种交替计算裂缝面相对参考纸面夹角和拟合上述直线的方法 ,但其在对于剔除到裂缝面距离较近的噪音点方面仍有提高余地。为此 ,提出了确定裂缝与参考纸面夹角的最小矩理论 ,进而充分利用直线拟合的特点 ,区分噪音点和实际样本点 ,并比较局部两个样本点连线方向与总体样本点拟合直线方向之间的差异 ,如果这一差异大于某一预定小正数 ,则剔除此连线的一个端点。反复运用这一方法至一定次数 ,去除噪音点 ,再就剩余的样本点进行直线拟合。与以往方法相比 ,该方法能较好地去除离裂缝距离较近的噪音点     

Fully deformable 3D digital partition model with topological control

We propose a purely discrete deformable partition model for segmenting 3D images. Its main ability is to maintain the topology of the partition during the minimization process. To do so, our main contribution is a new definition of multi-label simple points (ML simple point) that is easily computable. An ML simple point can be relabeled without modifying the overall topology of the partition. The definition is based on intervoxel properties, and uses the notion of collapse on cubical complexes. This work is an extension of a former restricted definition (Dupas et al., 2009) that prohibits the move of intersections of boundary surfaces. A deformation process is carried out with a greedy energy minimization algorithm. A discrete area estimator is used to approach at best standard regularizers classically used in continuous energy minimizing methods. We illustrate the potential of our approach with the segmentation of 3D medical images with known expected topology.