基于蚁群算法的甲状腺结节超声图像边沿检测法

甲状腺结节超声图像一般较为模糊不易判断识别，该文基于蚁群算法，提出了一种新的甲状腺结节超声图像边沿检测方法。针对超声图像特点，算法对信息素及食物源的设置进行了改进，阐述了该算法，同时将检测结果与Canny算法和Sobel算法的结果进行了比较，实验证明该改进的蚂蚁算法提取出了清晰的甲状腺结节的边沿。     

基于自治体搜索和区域相关性的图像边沿检测算法

图像分割在图像工程中位于重要位置 ,广泛应用于各个领域。提出了基于自治体搜索和区域相关性的图像边沿检测算法 ,算法中有 4个种类的自治体 ,分别完成 0°、4 5°、90°和 135°方向上相邻区域灰度相关性和其几何特征相关性的比较 ,来判别图像中的边沿点 ,完成边沿检测。利用该算法对样本图像进行处理 ,取得了较好的实验结果。此外 ,将该算法与同类算法 (例如 Prewitt算子、Sobel算子、Canny算子 )进行了比较 ,比较结果说明本文算法在某些方面具有一定的优势。     

一种新型运动自适应去隔行算法

在分析了现有的各种去隔行算法特点的基础上,提出了一种新型的运动自适应去隔行算法。该算法充分结合了中值滤波算法及边沿保护插值算法的优越性,能区分图像的静止和运动部分,采用不同的算法进行去隔行。同时对运动部分采用的边沿保护插值去隔行算法进行了改进,大大简化了运动检测。软件仿真表明,去隔行处理后的逐行图像测评效果良好,该算法占用硬件资源少,结构简洁,极具实用价值。     

一种时空结合的边沿检测去隔行算法

在分析了传统边沿自适应去隔行算法的原理及优缺点的基础上,详细地对传统边沿法的低垂直清晰度造成的原因进行了探讨和解释,从理论上对其不足进行弥补改进,提出了一种结合时域滤波、空间滤波和中值滤波的改进的边沿检测去隔行算法。利用待插值点前后场的信息以及当前场的信息对检测出的边沿待插值像素进行双向插值后,再进行中值滤波。软件仿真结果和理论分析说明：改进的算法,引入较多的原始图像信息进行去隔行处理,有效地提高了垂直清晰度,同时保证了边界的锐利,具有良好的视觉效果。     

基于FPGA联合Sobel算法的实时图像边沿检测系统的设计与实现

边沿检测技术作为数字图像处理领域的重要一支,在目标匹配,交通管控,国防安全等多个领域有着广泛的应用,能够精确高效地实现边沿检测对于后续进行更高层次的图像识别以及图像处理有着密切的联系;为了实现实时有效的图像边沿检测提出了基于FPGA结合Sobel算法的实时图像边沿检测系统,硬件使用流水线结合并行处理的解决方案,能够有效提高图像处理的速度;算法设计采用Sobel算法,不但简化了运算同时获得了不错的检测效果;实验结果显示,系统可高效地达成实时图像边沿检测的设计目的,而且提升了图像的处理效率与边沿检测的效果,便于满足后续图像处理的要求。     

基于视频监控系统的运动自适应去隔行算法

针对视频监控系统的去隔行问题,在分析了传统去隔行算法优缺点的基础上,提出了一种高性能的运动自适应去隔行算法。该算法通过可检测空间周期模式运动的4场运动检测方法对插值点运动状态进行判断,将图像分为静止区域和运动区域。静止区域的插值采用场合并算法;运功区域的插值采用改进型边沿自适应插值算法,增强了水平边沿检测功能并提升了一致性边沿方向的估计水平。DSP实验结果表明,提出的算法可提高图像的峰值信噪比(PSNR)和结构相似度(SSIM),有效抑制锯齿化、行间闪烁和运动虚像等不良效应,获得良好的视觉效果     

基于FPGA的实时图像边沿检测系统的实现

边缘检测是图像处理中一个重要的分支,它的实现对于进行更高层次的图像识别和理解等有着重大的影响。系统采用FPGA+SDRAM实现了实时图像的边沿检测。硬件采用流水线与并行处理的方式,提高了图像处理的速率;算法实现结合了硬件语言编程与IP核模块,减小了开发周期,增强了系统的灵活性。实验结果显示,该系统能够有效地实现实时图像的边沿检测,且检测效果较好,能够满足后续图像处理的需求。     

Sobel图像边沿检测算法的优化设计与实现

针对Sobel算子用于图像边沿检测时出现的噪声大、边沿较粗等问题,提出了一种Sobel图像边沿检测的优化设计方案。在传统的Sobel边沿检测模块前增加快速中值滤波模块,提高了系统的抗噪能力。同时在Sobel边沿检测模块后采用非极大值抑制的方式对图像边沿进一步细化,既有效地保留了图像边沿,又提高了图像边沿的清晰度。与传统Sobel检测模块相比,优化后的方案不仅能够有效抑制噪声,而且得到的图像边沿更细,增强了实时图像处理的效果。该优化设计已成功应用于某图像识别系统。     

加权边沿自适应的场内插值去隔行方法*

为实现隔行扫描图像到逐行扫描图像的扫描格式转换,提出了一种基于空间加权和边沿自适应的场内插值去隔行算法。该算法包括LRV（left right vertical）评估和边沿自适应插值。相比传统的去隔行算法,LRV评估可以有效地消除伪边沿插值;在边沿自适应插值中增加预插值判断进行插值方向初步估计,可以抑制反向插值错误;在边沿方向搜索中增加空间权值,可以提高插值的准确率。实验结果表明,该算法在处理图片和视频流时的图像质量均要优于传统的算法。     

相似背景下的苹果图像分割方法仿真研究

研究基于图像的苹果分割问题.针对传统基于背景颜色像素的区别,利用像素相减的方法进行苹果图像的分割,当图像中,苹果颜色和树叶颜色相近的时候,边缘像素相减的结果变化不明显,算法根据结果不能完整的分割苹果图像的问题.本文提出基于改进的主成分分析算法的苹果图像分割方法.通过像素概率知识,将苹果图像的颜色特征进行归类,运用边 缘像素排序的方法,描述苹果图像边沿的细节信息.排除相似边沿像素的干扰.实验证明,这种改进后的方法实现了在与自身颜色相似情况下苹果图像的完整分割,取得了满意的效果.     

基于超声CT的混凝土质量阵列检测方法研究

针对超声波在混凝土检测中存在的问题,采用了一种新的超声CT阵列检测方法。在研究超声在混凝土中传播特性的基础上,将射线追踪算法引入到层析成像中,对线阵式SIRT重建算法进行了改进,实现了环绕面阵式SIRT算法重建。通过数值仿真表明：采用上述方法能够明显改善层析成像效果。     

基于遗传算法的水平集超声图像分割

鉴于医学超声图像的信噪比较低,用经典的边缘提取算法无法得到较好的结果,因此,提出超声图像自动分割的一种新方法.其基本思想是在水平集分割方法的基础上,以能量函数作为评价函数,把图像分割问题变成一个优化问题,利用遗传算法的寻优高效性,搜索到能使分割质量到达最优的轮廓曲线.应用此方法对肝脏超声图像进行肿瘤的边缘提取,得到比较好的结果,从而完成图像的自动分割.     

PSO-SVM算法在肝脏B超图像识别中的应用

为提高肝脏B超图像的诊断准确率,研究了将粒子群算法(Particle Swarm Optimization,PSO)和支持向量机(Support Vec-tor Machine,SVM)相结合进行肝脏B超图像识别的方法;该方法首先提取肝脏B超图像的空域和频域的纹理特征,然后运用SVM对108幅肝脏B超图像进行分类,利用PSO算法优化SVM的模型参数,最后将该方法与基于网格搜索法优化的SVM和基于BP神经网络的分类方法进行了对比;实验结果表明,在PSO-SVM算法下,所提取的两种纹理特征相结合能够有效地描述肝脏B超图像,基于粒子群优化算法的支持向量机模型具有较高的识别精度,平均分类准确率达94.44%,这就表明PSO-SVM算法适用于对肝脏B超图像的识别。     

Ultrasound image restoration based on a learned dictionary and a higher-order MRF

The restoration of images degraded by blur and multiplicative noise is a critical preprocessing step in medical ultrasound images which exhibit clinical diagnostic features of interest. This paper proposes a novel non-smooth non-convex variational model for ultrasound images denoising and deblurring motivated by the successes of sparse representation of images and FoE based approaches. Dictionaries are well adapted to textures and extended to arbitrary image sizes by defining a global image prior, while FoE image prior explicitly characterizes the statistics properties of natural image. Following these ideas, the new model is composed of the data-fidelity term, the sparse and redundant representations via learned dictionaries, and the FoE image prior model. The iPiano algorithm can efficiently deal with this optimization problem. The new proposed model is applied to several simulated images and real ultrasound images. The experimental results of denoising and deblurring show that proposed method gives a better visual effect by efficiently removing noise and preserving details well compared with two state-of-the-art methods.     

一种基于极大特征点的三维椎骨分割方法

椎骨的精确分割对于椎骨形态学研究和脊柱疾病的诊断和治疗有重要意义。通过 对正常人脊柱 CT 图序列的变化规律进行研究,提出了一种基于 CT 图像序列并利用椎骨面积 变化规律进行分割的椎骨分割算法。该方法通过对预先处理后的 CT 图像序列进行椎骨区域面 积统计,找出用于分割的显著极大特征点,并利用连续图像相似性筛选出椎骨实际分割点,最 后从序列中提取图像并进行三维重建。实验表明,该算法对正常人体腰椎和胸椎下部的椎骨 CT 图像序列有良好地分割效果,自动化程度较高。对脊柱形态学研究和矫正手术模拟有重要意义。       

小波与双边滤波的医学超声图像去噪

目的：医学超声图像中的斑点噪声降低了图像质量并且限制了超声图像自动化诊断技术的发展。针对斑点噪声问题,提出了一种新型的基于小波和双边滤波的去噪算法。方法：首先,根据医学超声图像在小波域内的统计特性,在通用小波阈值函数的基础之上,改进了小波阈值函数。其次,将无噪信号的小波系数和斑点噪声的小波系数分别建模为广义拉普拉斯分布模型和高斯分布模型,利用贝叶斯最大后验估计方法得到了新型的小波收缩算法,利用小波阈值法对小波域内的高频信号分量进行去噪。最后,对小波域内的低频信号分量进行双边滤波处理,然后利用小波逆变换便得到去噪后的图像。结果：在仿真实验中,通过与其它7种去噪算法作对比,观察峰值信噪比(PSNR)等图像质量评价指标,结果表明本文算法的去噪效果优于其他相关算法。临床超声图像的实验结果进一步验证了本文算法的去噪性能。结论：本文提出了一种新型的去噪算法,实验表明本文算法能够很好地抑制斑点噪声,并且能保留图像病灶边缘等细节。     

多级水脊线算法在二维医学超声图像中的应用

以肝囊肿超声图像为例,介绍一种新的医学超声图像的分割方法：多级水脊线分割算法在医学二维超声图像分割中的应用。由于斑点噪声和超声衰减产生的假象,二维和三维超声成像中的图像分割问题一直是公认的一大难点。本文采用由若干数学形态学辅助的水脊线方法提取超声图像中的肝囊肿边缘,取得了相当令人满意的结果,这为进一步的图像处理和化疗等治疗手段奠定了必要的基础。该方法自动选择并分割图像中的主要目标对象,从而克服了传统水脊线算法中常见的过分割和改进水脊线算法中半自动的缺陷。     

基于CUDA的声辐射力弹性成像算法研究

声辐射力弹性成像是一种新的测量组织硬度的超声成像方法。不同于其他超声组织弹性成像方法,声辐射力弹性成像能够定量测量组织的弹性模量数值,并且具有对操作者经验依赖性低的特点。然而,由于成像算法数据处理量大,运算时间长,声辐射力弹性成像还无法进行准实时的二维成像。为了获得实时的二维声辐射力弹性图像,提出并实现了一种适合于在GPU上并行计算的声辐射力弹性成像算法。通过与运行在CPU上的原始声辐射力弹性成像算法进行对比,证明在GPU上实现的算法大幅度地提高了运算速度。在自制弹性仿体上,比较了基于GPU和CPU两种算法所成的二维弹性分布图像的质量,结果证明两者的图像质量没有明显差异。     

深层聚合残差密集网络的超声图像左心室分割

目的 超声图像是临床医学中应用最广泛的医学图像之一,但左心室超声图像一般具有强噪声、弱边缘和组织结构复杂等问题,其图像分割难度较大。临床上需要一种效率高、质量好的超声图像左心室分割算法。本文提出一种基于深层聚合残差密集网络（deep layer aggregation for residual dense network,DLA-RDNet）的超声图像左心室分割算法。方法 对获取的超声图像进行形态学操作,定位目标区域,得到目标图像。构建残差密集网络（residual dense network,RDNet）用于提取图像特征,并将RDNet得到的层次信息通过深层聚合（deep layer aggregation,DLA）的方式紧密融合到一起,得到分割网络DLA-RDNet,用于实现对超声图像左心室的精确分割。通过深监督（deep supervision,DS）方式为网络剪枝,简化网络结构,提升网络运行速度。结果 数据测试集的实验结果表明,所提算法平均准确率为95.68%,平均交并比为97.13%,平均相似性系数为97.15%,平均垂直距离为0.31 mm,分割轮廓合格率为99.32%。与6种分割算法相比,所提算法的分割精度更高。在测试阶段,每幅图像仅需不到1 s的时间即可完成分割,远远超出了专业医生的分割速度。结论 提出了一种深层聚合残差密集神经网络对超声图像左心室进行分割,通过主、客观对比实验表明本文算法的有效性,能够较对比方法更实时准确地对超声图像左心室进行分割,符合临床医学中超声图像左心室分割的需求。