基于snake模型的IVUS图像序列三维分割方法

针对血管内超声（Intravascular Ultrasound,IVUS）图像序列中血管壁内外膜轮廓的提取问题,提出一种基于snake模型的三维并行分割方法。首先,对原始图像进行滤除噪声和抑制环晕伪像等预处理。然后,获取IVUS图像序列的四个纵向视图,并从中提取出内腔边界和中-外膜边界。通过将这些边界曲线映射到各帧IVUS图像中,得到横向视图中的初始轮廓。最后,将该初始轮廓作为snake模型的初始形状,通过使snake能量函数最小,模型不断变形,最终得到各帧IVUS图像中的内腔和中-外膜边界。该方法可实现对IVUS图像序列的并行分割,与二维串行分割方法相比,可大大提高处理效率。采用大量临床图像数据的实验结果证明该方法可自动、快速、可靠的完成IVUS图像序列的分割。     

基于加速健壮特征拟合算法和Chan-Vese模型的超声图像腔室分割方法

针对超声心动周期序列图的腔室自动分割过程中,弱边缘轮廓难以有效提取的问题,提出一种基于加速健壮特征(SURF)拟合算法和Chan-Vese模型的超声图像腔室分割方法。首先对序列中第一帧图像进行人工标记弱边缘轮廓;然后,提取弱边缘轮廓周围的SURF点,建立Delaunay三角网;接着,通过相邻两帧之间的特征点匹配,预测后续帧的弱边缘轮廓;之后,用Chan-Vese模型提取粗糙轮廓;最后采用区域生长算法得到精确的目标轮廓。实验结果表明,该算法能较好地完整提取超声序列图像中含弱边缘的腔室轮廓,并且与专家手动分割结果相近。     

基于轮廓与特征点的医学图像弹性配准方法

针对单一特征引导图像配准的准确度有限性,提出了一种同时使用轮廓与特征点的医学图像弹性配准方法。半自动的特征点提取方法既可以保证提取的精确性又能够避免繁琐的特征点对应关系建立过程。对于提取的轮廓,在保证外形的基础之上,通过轮廓直线化操作减少提取轮廓中关键点的数量,以提高计算效率。以两幅待配准图像中的特征点对间距离与轮廓对间距离累加和作为图像配准测度函数,选择ICP算法框架迭代地求解最优配准变换函数。通过与其他测度函数进行比较和真实图像实验结果对比,其结果表明,该算法由于采用轮廓与特征点同时引导图像配准,其配准效果好于单独使用特征点或者轮廓的图像配准算法。该算法既能匹配图像的整体结构信息(轮廓)又能对齐图像中感兴趣的生理解剖位置(特征点),更加准确地反映图像间差异情况,是一种快速、精确的医学图像配准方法。     

基于恒星配准的空间点目标检测算法

针对以往文献在处理空间目标图像时使用的配准帧差方法,存在不能配准旋转背景以及没有充分利用目标运动特征等问题,提出了一种基于恒星配准的检测方法.该方法以恒星为控制点,利用刚体变换模型配准相邻帧,再通过帧差分离出可疑目标,最后通过最近邻航迹关联法确认真实目标,其中为了有效区分相邻帧中的目标点,对原始帧差法做了一些改进.最后利用增加了人工仿真点的实摄观测图像对算法进行实验,结果表明,该方法能较好地配准旋转背景序列图像,可以有效检测出空间点目标.     

基于三参数模型的视频图像配准方法研究

视频图像配准是运动视频处理中的一项关键技术。提出了一种新的基于3参数模型的配准算法,该算法利用多尺度的角点检测方法从相邻两帧中抽取特征点,选用Hausdorff距离对特征点集进行匹配,计算3参数模型参数,从而实现图像配准。与传统的6参数仿射模型相比,模型参数的降低并没有显著降低配准效果,同时由于参数搜索空间的减少,该方法用更快的速度得到较准确的结果。     

利用不变矩去除恒星的空间小目标检测方法

相邻帧配准差分去除恒星方法,在处理16位灰度图像时,由于高亮度恒星的插值误差大于目标灰度与背景之差,导致差分不能有效去除恒星干扰。针对该问题,引入模式识别中的不变矩概念,提出基于不变矩的空间小目标检测方法。该方法从恒星之间的相对位置入手,避开通过灰度差分消减恒星的过程。利用相邻帧中恒星不变矩相等的特性,寻找三颗恒星作为参考恒星组;向参考恒星组逐一加入未知星点,通过判断增加星点后不变矩是否仍相等来提取恒星;利用目标运动的连续性和一致性从剩余星点中提取目标。通过对仿真恒星点配准差分说明问题的由来,利用实摄序列图像对配准差分法和不变矩方法对比实验,结果表明,配准差分法无法去除的恒星可以通过不变矩方法去除,该方法能够从16位灰度图像中有效检测出小目标。     

基于SURF的序列图像快速拼接方法

针对车载摄像平台的序列图像拼接问题,提出一种基于SURF的序列图像快速拼接方法.首先,对经预处理后的序列图像提取SURF特征点,采用最近邻法匹配特征点;其次,利用RANSAC算法估计相邻帧的变换关系;再采用改进的全局配准策略,完成图像配准;最后,采用一种最大值融合法,去除了拼接缝和光照明暗变化的影响,实现序列图像的无缝拼接.实验结果表明该方法适用于车载摄像平台序列图像的快速、无缝拼接,具有较强的鲁棒性,有一定的实用价值.     

基于轮廓特征的SAR图像自动配准

针对SAR图像的自动配准问题,提出了一种基于轮廓特征的快速配准方法。在对SAR图像正确检测和分割的基础上提取图像的区域轮廓,并对其几何特征属性进行准确描述,利用配准点可以实现自动图像配准,仿真试验表明可以获得亚像素级配准结果。     

基于轮廓的刚体变换模型下多源图像配准算法

提出了一种刚体变换下基于轮廓的多源图像配准算法.首先提取待配准图像中的明显轮廓,然后对提取后的轮廓进行轮廓匹配.对于匹配后的开轮廓对,通过把开轮廓的两个端点用直线段连接的方法将开轮廓对转化为闭合轮廓对.最后求取闭合轮廓对中闭合轮廓的质心并作为控制点,根据控制点计算配准参数.     

结合模型限制和灰度信息的图像配准算法

由于噪声和成像条件的不同,准确得到两幅图像中提取的点特征之间的对应性是基于点特征的图像配准方法的一个难点.为此,文中提出了一种新的基于点特征的图像配准算法.该方法结合图像之间的拓扑关系和点特征之间的相似性,并利用变换模型限制求解点特征之间的对应性,然后根据对应的点特征求解变换模型参数,配准两幅图像.实验结果表明,所提出的方法对传感器相近的图像之间的配准是正确有效的.     

基于镜像MeanShift的遮挡目标跟踪算法

针对当目标跟踪过程中目标被全遮挡时易导致目标跟踪不精确、甚至丢失目标的问题,提出一种基于镜像Mean Shift的遮挡目标跟踪算法.当前后帧Bhattacharyya系数匹配度大于等于80%时,表示目标没有被遮挡,采用颜色特征和轮廓特征定位目标,利用分块沙包窗核函数实现尺寸自适应;当前后帧Bhattacharyya系数匹配度小于80%时,表示目标进入遮挡区域,则利用先验训练分类器和镜像原理对遮挡区域目标的位置和尺寸大小进行预测;当前后帧Bhattacharyya系数匹配度再次大于等于80%时,表示目标离开遮挡区域,则转换为Mean Shift跟踪.实验结果表明:所提算法与子区域分类器的在线Boosting算法和多视角多目标协同追踪算法相比,在目标全遮挡的情况下能更好地跟踪目标,提高了跟踪精度和鲁棒性,且满足实时性要求.     

基于局部抠像技术的融合图像精确跟踪算法

为了提高跟踪精度,提出一种基于局部抠像的融合图像全自动精确跟踪算法。首先采用帧间差分法获取运动目标的大致区域,并自动生成局部抠像框,由此采集目标、背景代表颜色集合;在此基础上自动生成抠像所需的草图,实现对目标的抠像;最后对抠像产生的前景映射图进行边缘检测即可获取精确的目标轮廓,并可根据跟踪结果对模型进行更新。对于实验的图像序列,与目标实际中心相比较,抠像跟踪误差均值为0.9像素,传统均值漂移跟踪误差均值为5.2像素。实验结果表明,该方法跟踪结果能完整、清晰地表示目标轮廓,很好地解决了跟踪中的漂移问题,提升了跟踪精度     

基于图像配准的零件轮廓修正方法

针对智能机床视觉系统提取待加工零件边缘轮廓时易受到背景干扰,导致其提取出的零件轮廓中包含异常区域的问题,提出一种基于图像配准的高精度零件轮廓修正方法。首先,从零件工程图与真实图像当中提取出零件模板特征点集与待匹配特征点集;其次,对仿射变换模型中的参数进行分解分析,并利用两图特征点集中的面积特征与边缘结构特征构建准则函数;然后,使用改进的遗传算法搜索两图像全局最高相似度所对应的仿射变换参数,在图像配准之后,再通过计算最优迁移后的模板轮廓点集与待匹配轮廓点集的分段Hausdorff距离来检测并替换待匹配轮廓中的异常轮廓段。实验结果表明,该方法能精确、稳定地检测出待匹配轮廓点集中的异常轮廓段,配准精度比联合特征均方和（SSJF）方法高出50%,修正后轮廓交接点处的距离不超过3像素值。     

应用血管内超声与X射线造影图像融合的血管三维重建

针对X射线血管造影和血管内超声各自显示血管形态的局限以及互补性问题,提出将两种数据进行融合,准确重建血管的方法。首先从在超声导管回撤路径起点拍摄的两个角度的造影图像对中提取出导管并进行三维重建。然后采用基于snake模型的半自动方法从各帧超声图像中提取出血管壁的内外膜边缘。最后,在Frenet-Serret标架中确定各相邻帧超声图像间的相对方位后,利用非迭代的统计优化方法确定各帧超声图像沿导管轴向的绝对方位,完成两种数据的融合。采用临床数据的实验结果验证了算法的可行性,并分析了可能存在的误差和计算成本。     

Fourier–Mellin registration of line-delineated tabular document images

Image registration (or alignment) is a useful preprocessing tool for assisting in manual data extraction from handwritten forms, as well as for preparing documents for batch OCR of specific page regions. A new technique is presented for fast registration of lined tabular document images in the presence of a global affine transformation, using the Discrete Fourier--Mellin Transform (DFMT). Each component of the affine transform is handled separately, which dramatically reduces the total parameter space of the problem. This method is robust and deals with all components of the affine transform in a uniform way by working in the frequency domain. The DFMT is extended to handle shear, which can approximate a small amount of perspective distortion. In order to limit registration to foreground pixels only, and to eliminate Fourier edge effects, a novel, locally adaptive foreground-background segmentation algorithm is introduced, based on the median filter, which eliminates the need for Blackman windowing as usually required by DFMT image registration. A novel information-theoretic optimization of the median filter is presented. An original method is demonstrated for automatically obtaining blank document templates from a set of registered document images.     

深度全卷积网络的IVUS图像内膜与中—外膜边界检测

目的 心血管内超声（IVUS）图像内膜和中—外膜（MA）轮廓勾画是冠脉粥样硬化和易损斑块定量评估的必要过程。由于存在斑点噪声、图像伪影和各类斑块,重要组织边界的自动分割是一个非常困难的任务。为此,提出一种用于检测20 MHz心电门控IVUS图像内膜和MA边界方法。方法 首先利用深度全卷积网络（DFCN）学习原始IVUS图像与所对应手动分割图像之间映射,预测出目标或者背景的概率图,实现医学图像语义分割。然后在此基础上,结合心血管先验形状信息,采用数学形态学闭、开操作,平滑内膜和MA边界,降低分割过程中错误分类像素或区域的影响。结果 针对来自10位病人的IVUS图像及其标注信息所组成的435幅国际标准公开数据集,从线性回归、Bland-Altman分析和面积交并比（JM）、面积差异百分比（PAD）、Hausdorff距离（HD）、平均距离（AD）等性能指标上,评价本文方法。实验结果表明,算法检测结果与手动勾画结果的相关性可达到0.94,其超过94.71%的结果落在95%置信区域内,具有良好一致性。内膜和MA边界的AD指标分别为：0.07 mm和0.08 mm;HD指标分别为：0.21 mm和0.30 mm。JM指标分别为0.92和0.93;PAD指标分别为5%和4%。此外,对临床所采集的100幅IVUS图像进行了测试,证明本文学习的模型在跨数据集上具有较好的泛化能力。结论 与现有的国际算法比较,本文方法提高了各类斑块、声影区域和血管分支等因素的识别能力,不受超声斑点的影响,能准确地、可重复地检测出IVUS图像中的关键目标边界。     

动态背景体育运动视频合成对比*

针对在同一场景下获取的体育运动视频,提出了一种基于全局运动补偿及运动前景区域信息的体育运动视频合成方法。首先,对待合成视频,通过全局运动估计与补偿,将相邻帧在空间上对齐到当前帧。通过计算帧差,得到当前帧中的运动前景区域信息。然后根据两段待合成视频之间背景的相似性,计算并修正全局运动参数,确定待合成对应帧之间的位置关系。最后,依据已经获得的运动前景区域信息,生成合成帧。实验结果表明,该方法可自动合成在同一场景中获得的有相似动态背景的体育视频,保持了前景与背景的清晰度,能清晰地显示运动员动作的差异。     

改进的Knockout自然景物提取算法

针对Knockout算法中颜色估计模型只适用于光滑图像的问题,提出一种新的颜色估计模型。采用区域生长法将未知区域划分为若干个子区域,以距离每一个子区域最近的前景和背景轮廓线上的点为中心做矩形块,分别计算2个矩形块内前景和背景像素点的颜色加权平均值,将其作为该子区域的前景和背景颜色分量。实验结果表明,改进后的颜色估计模型在图像边缘附近颜色相差较大的自然景物提取中有较好表现。     

改进的逆向组合算法在图像配准中的应用

逆向组合算法在进行图像配准时精度很高,但对模板图像在待配准图像中的初始位置敏感。针对该问题,提出一种改进的逆向组合算法,通过计算巴氏系数进行模板匹配,实现输入图像的粗定位后,应用逆向组合算法进行精确定位。实验结果证明,改进的算法对图像发生形变的情况具有较好的鲁棒性,相比原算法,配准能力更强。     

基于血管内超声图像序列的相角配准与边缘检测

血管内超声成像可以显示血管内腔、管壁清楚的实时截面图像。实际采集的冠状动脉序列图像由于受脉动的影响而产生较大的重叠和错位,破坏毗邻图像的相关性,从而影响血管边缘检测、定量测量和3维重建的准确性。为进行精确的配准和边缘检测,采用一种新型的无需硬件设施的相角配准技术,经对序列图像的重采样得到相同相位下的连续图像,再基于快速主动轮廓算法模型提出一种适合血管内超声图像的自动边缘检测方法对重采样后的图像进行边缘检测。检测结果表明自动检测的内腔、血管面积与手动追踪非常吻合,具有较高的相关系数和较小的系统误差,可作为医生可靠而准确的诊断工具。