基于自适应云模型的多模态脑部图像融合方法

多模态医学图像融合通过提取并综合不同模态的医学图像信息,获得对病灶部位更加清晰、全面、准确、可靠的图像描述,为医生对疾病的诊断和合理治疗方案的制定提供可靠的依据。云模型理论是认知科学研究的新成果,具有兼顾随机性和模糊性的优点,在图像融合中的应用较少。借助云模型理论将来自不同模态的MRI(核磁共振成像)脑部图像、MRI与PET(正电子发射断层成像)、MRI与SPECT(单光子发射断层成像)脑部图像进行融合。首先,根据脑部图像自身的灰度直方图特征,对灰度直方图进行拟合;然后,由拟合曲线的谷值点划分区间并通过逆向云发生器自适应地生成云模型;最后,设计云推理规则,得到融合后的图像。实验结果表明,相比传统融合方法,所提方法融合后的图像脑部特征更清晰,激活区域更明显,在主观融合效果与客观评价指标方面均有很大的提高。     

提取医学图像局部特征的方法与实现

随着X光医学成像技术的进步和发展,医学图像处理在医学研究与临床医学中的应用越来越广泛。与一般意义上的图像处理比较,医学图像处理有其特殊性和不同的侧重点,X光成像的目的是要让医生能够观察到被检者体内的某个病变组织或器官及其状况,所以医学图像处理更侧重于提取某一个组织或器官的特征。但由于X光图像不像光学图像那样聚焦,图像会略显模糊,再加上人体各种组织和器官纵横交错,很难分辨出某单个组织或器官的细节。目前急需提供一种从人体X光图像中提取某个组织或器官清晰特征的方法,为医生诊断该组织或器官疾病提供方便。因此可以通过提取医学图像的局部细节,凸显病变组织或器官特征。     

婴幼儿视网膜广域成像系统

为实现婴幼儿眼底疾病的及时诊断与治疗,开发的婴幼儿视网膜广域成像系统可以解决成像时大视场要求.系统包括照明部分、成像部分和图像采集装置.设计了角膜接触眼底镜,采用像差小、折射率大的非球面设计,满足大视场的要求;设计了图像采集装置,使用C++编写图像采集处理软件,进行图像采集、相机标定和几何畸变校正.实验结果表明：采用多环光纤光线照明的婴幼儿视网膜广域成像系统可以实现85°视场的较清晰广域成像;采用基于相机标定的图像几何畸变校正方法,可有效补偿视网膜成像光路的畸变.该婴幼儿视网膜广域成像系统可以为眼科疾病的诊断、筛查提供客观、清晰的依据.     

编码曝光图像的L0正则化去模糊重建方法

目标的运动会导致其成像模糊。为了从模糊的图像中恢复清晰的目标图像,本文采用了编码曝光成像技术。与传统相机成像中快门一直处于开启的状态不同,编码曝光相机成像是在快门开启和闭合转换过程中成像。由于在时域快速转换的编码等效为频域较宽的滤波器,因此编码曝光成像有效地保留了目标的高频信息。为了从编码曝光图像中清晰地复原图像,本文设计了能保留图像高频细节的L ₀正则项约束的图像重建和模糊核估计方法。通过待重建图像与模糊核的交替迭代更新来完成图像重建。仿真合成图像和实际采集图像的实验表明,本方法对多种运动产生的模糊均有良好的图像复原效果。     

混沌信号雷达SAR成像的新方法

针对现有的合成孔径雷达(SAR)成像方法,介绍了隐抽样平均算法的基本原理及时延确定的方法;进一步,将隐抽样平均算法用于SAR成像中,提出了基于隐抽样平均的SAR成像算法;该成像算法利用二元混沌信号作为雷达发射信号,通过产生一个特征波形来指示目标的时延;与传统的SAR相关成像算法相比,该成像算法不仅简单易行,运算量小,成像时间短,成像效率高,而且重构图像具有较高的图像分辨率;仿真结果表明,图像中的目标轮廓清晰,图像品质较高。     

图像融合在超声造影成像中的应用

针对造影谐波成像能够增强病灶,基波成像能够提供清晰的组织边界的特点,提出了利用相同频率下采集的超声造影基波和谐波图像进行Curvele图像融合的方法,增强谐波图像中的组织边缘。该方法首先对超声造影基波和谐波图像进行Curvelet变换,然后对于低频和高频系数分别采用不同的融合策略,获得组织边界和内部细节均清晰的超声图像,实现病灶区和组织边界的良好定位。实验结果验证了该方法的有效性。     

光学工艺与成像技术的完美结合M13VG850IR对应R的1／2．7型——300万像素手动变焦镜头

镜头虽小,却是视频监控得以实现的必备前提,一款好的镜头,可将摄像机的图像成像功能发挥到最佳效果,并可在恶劣环境下补捉到足以提供清晰图像的光源;而一些特殊的技术和工艺,更是提升了镜头在视频监控中的重要性,如适于低照度环境的IR红外镜头、利于高清／平整成像的非球面镜片等,都是当今高清镜头的技术特点。下面,我们来体验一下由腾龙M13VG8501R对应IR的1／2．7型300万像素手动变焦镜头给我们带来的不一样的精彩。     

高速的血管内超声数据传输及成像

血管内超声（IVUS）成像技术能提供动脉粥样斑块的组织信息,便于医生对血管病变作出全面、准确的评价,已广泛应用于心血管疾病的诊断。针对现有的超声数据采集装置在传输速度、成本、灵活性等方面的不足,提出并实现了一种高速的血管内超声成像数据传输及成像方法。采集到的血管内超声信号经过处理后通过高速USB3.0接口传输到PC端,再进行对数压缩以及坐标变换等操作,最后实时显示图像。实际传输速率统计显示,传输速度稳定在2040Mb/s上下。血管仿体成像实验中管壁组织清晰、内腔轮廓平滑。     

基于二次成像与清晰度差异的多聚焦图像融合

本文提出了一种基于清晰度差异的不同聚焦点图像的融合方法。该方法首先选择了一种基于梯度向量模方和的清晰度定义,然后根据几何光学系统的成像模型,以及点扩散函数的作用效果提出了模拟光学系统的二次成像模型。然后根据二次成像前后各图像清晰度的差异情况,对各幅图像中的目标进行判断,并选择其中的清晰部分生成融合图像。实验结果表明,该方法可以提取出多聚焦图像中的清晰目标,生成的融合图像效果优于Laplacian塔型方法和小波变换方法。     

基于编码孔径的折反射散焦模糊图像复原

360度折反射成像系统由于其曲面反射的成像特点,获得的全向图像会不可避免地产生散焦模糊问题,使得全向图像的应用受到限制。针对全向图像成像过程中的散焦模糊问题,首先通过分析折反射系统中入射光线和图像模糊的关系,建立全向图像散焦数学模型;然后利用编码孔径技术估计出图像中各个位置的模糊程度;最后通过反卷积算法复原图像。通过该方法,可以很好地消除全向图像的散焦模糊,获得全聚焦的清晰全向图像。获得的全聚焦全向图像在全向智能视频监控、战场环境全向智能感知以及机器人全向视觉等领域具有较大应用价值。     

基于特征尺度的平面波医学影像重建

相较于传统的线扫成像,平面波成像由于其超快的成像速度被广泛应用,但其成像质量较差,影响医生对肿瘤以及血管疾病的精确诊断,现有技术虽然可以提高成像质量,但会降低成像帧频,无法满足临床医学上超快成像的需求。针对上述问题,提出了一种基于生成对抗网络（generative adversarial network,GAN）的图像重建方法：MF-GAN（generative adversarial network with multiscales and feature extraction）。采用基于U-Net的生成器,在编码器中结合多尺度感受野提取不同层次的信息,在解码器中提出了叠加采样机制（fusion-sampling mechanism,FSM）,并结合交叉自注意力（criss-cross self-attention,CCSA）分别提取局部和全局特征。在PICMUS 2016数据集上进行训练,利用组合损失规范该模型的收敛方向,相较主流基于深度学习和波束合成的方法,在点目标、囊肿目标和体内图像中的重建效果均有明显提升。综上所述,MF-GAN能够解决平面波图像病灶部位不清晰的问题,重建出高质量的平面波图像。     

基于边缘特征提取的图像清晰度评价函数

图像清晰度评价函数是清晰度法自动调焦技术中用来反馈离焦状态的一个度量工具。调焦系统可以通过对成像清晰度的评价来自动搜索到成像最清晰位置。图像中边缘梯度能量大小反映了一幅图像的清晰状况,根据图像最清晰时图像中边缘梯度最大的特点,设计了一系列基于边缘梯度算子的清晰度评价函数。首先从理论上论证了这一系列函数与其它函数相比更具有鲁棒性、直观性的优点,然后通过实验验证,这一系列函数都符合了调焦函数中单峰性、抗噪性和无偏性的使用要求。     

面向水下图像目标检测的退化特征增强算法

目的 基于清晰图像训练的深度神经网络检测模型因为成像差异导致的域偏移问题使其难以直接泛化到水下场景。为了有效解决清晰图像和水下图像的特征偏移问题,提出一种即插即用的特征增强模块(feature de-drifting module Unet, FDM-Unet)。方法 首先提出一种基于成像模型的水下图像合成方法,从真实水下图像中估计色偏颜色和亮度,从清晰图像估计得到场景深度信息,根据改进的光照散射模型将清晰图像合成为具有真实感的水下图像。然后,借鉴U-Net结构,设计了一个轻量的特征增强模块FDM-Unet。在清晰图像和对应的合成水下图像对上,采用常见的清晰图像上预训练的检测器,提取它们对应的浅层特征,将水下图像对应的退化浅层特征输入FDM-Unet进行增强,并将增强之后的特征与清晰图像对应的特征计算均方误差(mean-square error, MSE)损失,从而监督FDM-Unet进行训练。最后,将训练好的FDM-Unet直接插入上述预训练的检测器的浅层位置,不需要对网络进行重新训练或微调,即可以直接处理水下图像目标检测。结果 实验结果表明,FDM-Unet在PASCAL VOC ...     

融合估计与评估网络的去雾算法研究

针对由于雾霾天气影响造成拍摄的图像出现模糊不清、低对比度和色彩暗淡等问题,提出一种融合估计与评估网络的去雾算法。根据大气退化模型将雾霾图像输入到两个联合且独立的估计网络模型中,分别得到透射图与大气光图的估计值;将估计得到的透射图与大气光值输入到雾图成像公式中,得到去雾图像;通过生成式对抗GAN网络中的鉴别器来联合鉴别,生成更好的透射图与大气光值;最后,通过雾图成像公式反演恢复出清晰的无雾图像。实验结果表明,该算法去雾后的图像变得清晰,对比度得到提高,且图像质量评价指标峰值信噪比和结构相似性指数分别达到了22.14dB,75.3%。     

1394总线在实时图像系统中的应用

随着红外成像技术的不断发展,红外图像的数据量越来越大,成像的速度也越来越快,这就要求红外成像系统具有实时采集、实时处理、实时传送大批量数据的能力;但是现有的大部分数据传输接口速率较低,难以满足现实中对速度越来越高的要求;将1394高速申行接口引人到红外成像系统中,完成了1394接口电路硬件及软件的设计,并在微控制器(MCU)和FPGA的控制下实现了红外图像的高速传输、实时显示,大大提高图像数据的采集速度和系统的整体性能;测试结果表明,通过1394总线每秒可以传输42帧大小为320 * 240的红外图像,并实现了图像的实时清晰显示,满足了红外成像系统实时采集实时显示红外图像的要求.     

基于无线传输的视网膜图像采集系统

针对传统有线眼底照相机移动性差、设备复杂而且图像传输受布线、成像物体位姿的局限等缺陷,设计和实现了一种基于WiFi局域网的无线视网膜成像系统.该系统主要由成像系统、PC端软件操作系统和图像传输系统3部分组成.手持式眼底照相机实现图像实时采集,通过无线传输的方式将图像信息显示在PC端,实现眼底图像的实时观察和保存并作为医生眼科疾病诊断、治疗的客观依据.最终将获得的检查结果保存在数据库中,利用关系型数据库SQL Server 2008建立电子病历,实现检查结果的存档、查阅、共享等功能,为视网膜疾病诊断在远程医疗和大数据挖掘方面的应用提供了一种新思路.     

基于GPU的医学图像多功能可视化的实现

三维可视化在医学诊断过程中发挥着越来越重要的作用,随着GPU的高速发展,成像质量高的光线投射算法克服了其耗时的难题,越来越多地被使用到实际运用中。为了更好地提供用户体验,为医生诊断提供更多的服务,提出一种交互性多功能的医学图像三维可视化。以Visual Studio 2008为平台,DCMTK读取DICOM图像,CUDA(Compute Unified Device Architecture)进行光线投射算法的加速,实现了三维图像中定位,任意断面显示,区域的切割与特殊显示功能。实验结果显示该系统在普通台式电脑上具有较好的实时性和交互性,可以为医生提供更好的服务,拥有巨大应用价值。     

适用于临床实时出图的准静态弹性成像系统设计

为了在临床中能够获得实时稳定出图且分辨率高的准静态弹性成像,在弹性成像系统设计中加入了帧对构造模块、帧对筛选模块、弹性计算模块以及弹性帧相关处理模块;在帧对构造和帧对筛选模块中设计了帧对预筛选方案及评估方法,能够以较少的计算量实现对错误帧对数据的自动剔除,一方面减少了对操作手法的依赖,另一方面促进为了弹性图像输出稳定;弹性计算模块中采用二维自相关算法进行弹性应变值的计算,可以实现高分辨率弹性成像;弹性帧相关处理模块对多帧弹性图像做帧相关处理,进一步确保弹性图像输出稳定;临床乳腺及甲状腺病变检测结果表明,该系统设计方案可以实现帧率达18帧每秒的实时稳定、高分辨率(1.5 mm)弹性成像输出,且能够为临床医生提供有价值的辅助诊断信息。     

联合估计混叠度，运动参数和高分辨率图像的JEMAP算法

本文提出一种空域联合估计混叠度，运动参数和高分辨率图像的JEMAP算法，以提高超分辨率处理的适应性，在地面上稳定地获得高于实测卫星图像中所用CCD设备成像精度的高清晰图像。算法根据星戡CCD设备的成像机理，定义卫星图像的混叠度，确定超分辨率处理模型，通过空域迭代联合估计混叠度，运动参数和高分辨率图像。实际卫星图像处理表明JEMAP算法具有很好的适应性和稳定性，包含先验约束能力较强，可以解开欠采样低分辨率输入图像的混叠，重构清晰卫星图像。     

结合NSCT和压缩感知的红外与可见光图像融合

目的 红外成像传感器只敏感于目标场景的辐射,对热目标的探测性能较好,但其对场景的成像清晰度低;可见光图像只敏感于目标场景的反射,场景图像较为清晰,但目标不易被清晰观察.因而将两者图像进行融合,生成具有较好目标指示特性和可见光图像的清晰场景信息,有利于提高目标识别的准确性和降低高分辨图像传感器研究的技术难度.方法 结合非下采样contourlet变换 (NSCT)和压缩感知的优点,研究一种新的红外与可见光图像融合方法.首先对两源图像进行NSCT变换,得到一个低频子带和多个不同方向、尺度的高频子带.然后对两低频子带采用压缩感知理论获得测量向量,利用方差最大的方法对测量向量进行融合,再进行稀疏重建;高频子带采用区域能量最大的方法进行融合.最后利用NSCT逆变换获得融合图像.结果 为了验证本文方法的有效性,与其他几种方法相比较,并利用主观和客观的方法对融合结果进行评价.提出的新方法融合结果的熵、空间频率、方差明显优于其他几种方法,运行时间居中.主观上可以看出,融合结果在较好地显示目标的基础上,能够较为清晰地保留场景图像的信息.结论 实验结果表明,该方法具有较好的目标检测能力,并且方法简单,具有较强的适应性,可应用于航空、遥感图像、目标识别等诸多领域.