基于分割先验图像多能CT重建算法

固定电压CT成像系统动态范围有限,照射复杂工件时产生的投影极易出现欠曝光、过曝光现象,从而导致有效投影的缺失。为解决投影不完备问题研究了基于分割先验图像多能CT重建算法。该方法首先采用ART-TV算法对最低能量的投影进行重建,并对重建结果进行分割,截取与高能重建图像相似部分做为先验图像,以先验图像约束的压缩感知算法对邻近高能投影重建,重建结果再次进行分割后截取先验图像,重复上述步骤直至最高能量完成重建。仿真实验表明:和传统的多能重建方法相比,研究的方法在完整重建复杂结构工件基础上有效地减少伪影,提高图像像素的稳定性,在主观视觉感受和客观评价参数均有一定的进步。     

基于先验形状的CV模型肝脏CT图像分割

针对目标被部分遮挡或部分信息丢失情况下CV模型不能正确识别的问题,提出一种新的分割算法。首先,利用数学形态学对原肝脏图像进行滤波,并结合其他算法建立肝脏先验形状;然后,采用边缘查找和区域标定等算法,对肝脏先验性状的边缘以及边缘内外区域进行赋值,构建执行效率高的符号函数距离函数,将其通过形状比较函数嵌入到CV模型的能量泛函中,形成新的基于先验形状的CV模型,并将此模型用于分割存在干扰或者被部分遮挡的肝脏CT图像。与CV模型分割结果相比,本文算法能在目标周围存在干扰信息或者被部分遮挡的情形下,成功地正确识别出目标区域。     

基于最大类间方差法的肝脏CT图像分割及实现

针对肝脏CT图像中,肝脏组织与周围组织之间密度差别不大而易造成漏分或过分的现象,实现了一种能得到最优分割阈值的方法,即最大类间方差法。实验结果表明,该算法计算简单,将图像二值化同时得到最优分割阈值,从而能较好地分割出肝脏组织。文中也对该算法存在的问题进行了分析讨论。     

基于最大类间方差法的肝脏CT图像分割及实现

针对肝脏CT图像中,肝脏组织与周围组织之间密度差别不大而易造成漏分或过分的现象,实现了一种能得到最优分割阈值的方法,即最大类间方差法.实验结果表明,该算法计算简单,将图像二值化同时得到最优分割阈值,从而能较好地分割出肝脏组织.文中也对该算法存在的问题进行了分析讨论.     

基于Canny算子Level set方法的肝脏CT图像分割

文中主要实现了一种基于Canny边缘检测水平集图像分割方法,这种方法的基本思想是通过低维到高维的映射,实现对不均匀的受噪声影响的肝脏CT图像的分割。该方法具有适应性强和精确度高的特点,能准确地提取到目标的边缘,实验也取得了比较好的分割结果。     

基于Matlab的肝脏CT图像预处理系统

目的：依据肝脏CT图像的特征,通过预处理,建立提高肝脏病理改变阳性的临床诊断的敏感性,减少漏诊发生率。方法：基于Matlab对肝脏CT图像进行预处理,通过滤波、增强等手段减少数字图像噪声及伪影。结果：通过处理,图像的对比度增加,差异显示不同的组织及结构特征,肝脏病理改变的阳性诊断率上升30%（20.15%）,漏诊率大幅度下降。结论：基于Matlab对肝脏CT图像进行预处理对提高临床诊断水平效果良好,可以提高青年医务工作者诊断的阳性信息,减少漏诊的发生。     

基于内外混合图像先验与图像融合的DIP改进降噪模型

为提高无监督深度图像先验(DIP)降噪模型的降噪性能,该文提出了一种基于内外混合图像先验与图像融合的DIP改进降噪模型(IDIP),该模型由样本生成和样本融合两个相继执行的模块组成。在样本生成阶段,首先利用2个分别来自内部和外部先验且有代表性的降噪算法(模型)处理噪声图像以产生2张初始降噪图像。基于这2张初始降噪图像,使用空间随机混合器按照各自50%混合比例随机生成足够多的混合图像作为DIP降噪模型的第2目标图像并与第1目标图像(即噪声图像)构成双目标图像。然后,每次使用不同的随机输入和双目标图像,多次执行标准DIP降噪流程生成多张具有互补性的样本图像;在样本融合阶段,首先为了获得更好的随机性和稳定性,随机丢弃50%的样本图像。然后,采用无监督融合网络在样本图像上完成自适应融合,获得的融合图像的图像质量相对参与融合的样本图像得到再次提升,作为最终降噪图像。在人工合成噪声图像上实验表明：IDIP降噪模型较原DIP降噪模型在峰值信噪比评价指标上有约2 dB的提升,且较大幅度超过了其他无监督降噪模型,逼近了有监督降噪模型。而在实际真实噪声图像上,其降噪性能较各对比方法更具鲁棒性。     

基于区域的肝脏病灶CT图像分割及实现

人体肝脏图像的分割是医学图像分割中的难点,分割结果的好坏直接影响医生对病人的诊断结果。在分析肝脏CT图像的特点的基础上,重点研究了独立连接阈值法及实现了对CT肝脏图像中肝脏病灶组织结构的分割。实验结果表明,该方法能非常理想的将目标与背景分开,过分和漏分情况较少,且计算简单易于实现。     

融合先验信息的脑功能图像分割

基于静息态功能磁共振图像(fMRI)的脑功能区分割广泛采用K均值聚类和谱聚类等无监督聚类算法。但这些算法对图像噪声较为敏感,可能会产生不可靠的脑区分割结果。文中提出了一种融合先验信息的半监督聚类算法,可以可靠地确定各子区间的边界,从而得到稳定的分割结果。提出的方法对人类右侧大脑的Broca区(BA44/45区)进行分割验证,实验结果表明,文中的方法不仅得到了可靠的功能子区边界,而且获得了较高的个体间一致性。     

基于Matlab的肝脏CT图像预处理系统1

目的：依据肝脏CT图像的特征,通过预处理,建立提高肝脏病理改变阳性的临床诊断的敏感性,减少漏诊发生率。方法：基于Matlab对肝脏CT图像进行预处理,通过滤波、增强等手段减少数字图像噪声及伪影。结果：通过处理,图像的对比度增加,差异显示不同的组织及结构特征,肝脏病理改变的阳性诊断率上升30%(20.15%),漏诊率大幅度下降。结论：基于Matlab对肝脏CT图像进行预处理对提高临床诊断水平效果良好,可以提高青年医务工作者诊断的阳性信息,减少漏诊的发生。     

基于相位信息的目标分割算法

针对复杂背景下,红外目标与背景的亮度或对比度发生变化等因素会影响目标的分割结果的问题,构造了一种基于边缘相位信息的分割算法。该算法首先利用系数间积(ICP)变换获取图像边缘的相位信息,并进行边缘提取;再根据边缘像素点的相位与幅值,确定后续区域生长的种子与判决条件;最后采用区域生长思想对整幅图像实施分割。仿真结果表明,该算法不受亮度和对比度变化影响,准确有效地实现红外图像分割,避免了传统的分割算法所导致的图像边缘信息丢失。     

基于超像素多特征融合的快速图像分割算法

为了提高高分辨率图像分割效率,解决复杂图案中待分割目标边缘附近前景与背景区分度小而造成的分割目标不完整问题,本文通过引入超像素HOG特征,提出了一种基于超像素多特征融合（superpixel multi-feature fusion,SMFF）的快速图像分割算法.首先采用目前最有效的超像素算法对待分割图像进行超像素预分割,然后提取基于超像素的HOG特征、Lab颜色特征和空间位置特征,设计基于超像素的多特征度量算法,最终采用图割理论实现了基于超像素多特征融合的快速图像分割.实验结果验证了本文算法的有效性,其算法性能接近于目前最经典图像分割算法,且本文算法的时间性能要明显优于其它对比算法.     

一种基于CEMD和融合的多视点图像编码方法

该文提出了一种新的基于相邻视点融合的多视点图像编码方法,通过融合与拆分对非同源图像同时进行编码。编码时,原始图像经过CEMD(Complex Empirical Mode Decomposition)同步分解成2维的固有模态函数和余量图像并分别融合,再对融合图像进行基于EMD的压缩编码。解码时,将融合图像拆分,重构出原始图像。实验结果表明,该方法具有失真度小和压缩比高的优势,具有实践意义。     

基于变分的多尺度遥感图像融合算法

全色图像与多光谱图像融合时,忽略了上采样的重要性和通道间细节的差异性.针对前者,利用不同尺度下自相似块,估计出低分辨率图像丢失信息,从而修改了图像上采样的策略,并以此构造目标函数的保真项;针对后者,利用全色图像和光谱图像梯度域结构相似性,提出局部加权动态稀疏约束,构造目标函数的正则项.本文基于变分法理论,构造了新的目标函数,并提出了多尺度迭代融合框架,通过多次迭代逐步提高融合图像的分辨率,每一层的融合结果更加准确,从而提高最终的融合精度.本文算法与Brovey等成分替代算法、P+XS等变分算法、MTF_GLP等多分辨分析算法进行比较.实验结果表明,本算法的融合结果具有良好的视觉效果,且在客观评价指标上比所有对比算法的最优值平均值均有提高.     

多源影像融合与分割的协同方法

针对现有影像融合与分割方法之间缺乏协同的问题,借鉴数据同化系统能够协同其模型算子和观测算子,并且能够自适应地优化其本身的思想,提出一个多源影像融合与分割的协同框架.在该框架下,以基于对比度金字塔变换和基于非下采样的Contourlet变换的两种融合方法分别模拟模型算子和观测算子,以评价分割效果的概率随机系数为目标函数,以带交叉算子的粒子群算法作为数据同化系统的优化算法.该框架可根据融合结果影像来调整分割算法的参数,利用分割结果来指导融合结果的优化,从而使得影像融合与分割协同工作.二组实验验证了该框架的有效性.     

基于多参数配准模型的脑核磁影像分割算法

配准技术在基于多图谱的分割方法中能有效地将医学图谱的先验知识融入分割过程,再结合以高效的标记融合算法,最终实现精确地自动分割.针对图谱配准的较大误差及其对标记融合的重要影响,本文建立了一种新的概率图模型框架并以此提出了基于多参数配准模型的分割算法,将此方法与高效的标记融合算法相结合,可以提高目标图像中特定组织区域的分割精度,更使其在少量图谱分割的情形下具有重要应用.首先,使用多种配准参数对所有目标图像进行配准;然后,分别采用不同的算法对配准图像进行灰度融合和标记融合,实现训练图像的重构过程;最后,利用高效的标记融合算法对重构后的图像进行融合得到最终精确的分割结果.实验结果表明该方法均优于本文其他分割算法,能够有效提升脑部组织分割精度.     

基于信息系数矩阵的多聚焦图像融合

提出了一个新的图像融合方法——基于信息系数矩阵的融合方法,首先对源图像进行离散小波框架变换,根据离散小波框架变换系数求取各图像中像素的清晰度指标,然后通过计算图像信息系数矩阵来决定在小波域当中如何选择一个像素值来完成最终的融合图像.仿真实验表明,该算法得到的融合图像具有良好的视觉效果和量化指标,体现出更强的融合性能.     

一种基于Contourlet变换和视觉感知特性的图像分割方法

纹理图像的分割通常是通过分离块或移动块进行的,即以块的特征作为块或块中心像素的特征来进行,纹理边界和图像边界像素的误分率高.提出一种新的基于视觉感知特性邻域结构的纹理图像分割方法.该方法分为两步:首先用移动块产生中心像素的特征属性值;然后每个像素建立9个特殊邻域结构窗口,通过邻域结构中属性特征的一致性来确定像素的特征属性值.用此方法对30种纹理图像进行了分割实验,取得了满意的结果.     

多特征融合的高分辨率遥感图像海陆分离

为解决目前大多数海陆分离方法仅利用单一特征对图像进行处理,从而导致误分割或存在大量孤立区域,造成后续处理工作难度大或无法开展的问题,提出一种联合灰度、梯度和纹理等多特征的海陆分离方法。针对不同的陆地类型选用不同的特征进行分离,配合形态学处理,基本实现海陆分离;再采用像素标记与纹理聚类策略对结果进行优化,去除孤立区域,得到最终的海陆分离结果;最后利用直方图统计法将陆地屏蔽。此方法的陆地检测率与正确检测率都在99%以上,计算时间仅为其他方法的一半。实验结果表明,该方法与常用的海陆分离方法相比能够快速准确地实现海陆分离并将陆地屏蔽,有利于后续处理的进行。     

PET/CT图像分割及其发展现状

随着精准医疗技术的快速进步,PET/CT图像中病灶区域分割已在医疗计划制定中显现出重要作用.PET/CT将PET（功能代谢显像）和CT（解剖结构显像）两种先进的影像技术有机地结合在一起,是影像诊断学的一个重要进展.结合当前分割方法,本文详细介绍了PET/CT成像原理以及PET/CT图像的特点,对分割方法进行分类,深入分析各种方法的现状及其在肿瘤学中的应用.最后,进一步阐述了PET/CT图像分割技术的核心问题和发展趋势.