基于Hessian矩阵的手指静脉图像分割

针对灰度不均匀、对比度低、边缘信息较弱的图像中的手指静脉纹路提取问题,提出了一种基于Hessian矩阵的手指静脉图像分割方法。该方法首先将高斯滤波器的二阶导数与原图像卷积得到了各像素点的Hessian矩阵,通过Hessian矩阵的迹初次滤除了非静脉区的像素点,接着求出了余下像素点Hessian矩阵的特征值,利用静脉区特征值所要满足的条件二次滤除非静脉区像素点,最后选取了多尺度下静脉区各像素点的最大特征值作为输出特征值,将区间内所有尺度下的特征值图进行了融合,经过二值化处理、形态学滤波处理得到了手指静脉纹路。研究结果表明,该算法能够较完整地提取宽度不一的手指静脉纹路,将静脉区域和非静脉区域分开,伪静脉像素点较少;同时,不需要遍历所有像素点的Hessian矩阵求其特征值,手指静脉图像分割速度比未优化静脉纹路提取算法快了0.036 5 s。     

基于Hessian矩阵和熵的CT序列图像裂缝分割方法

工业CT序列图像的各向不同性和伪影会影响裂缝分割精确度和准确度,因此提出一种基于Hessian矩阵和熵的各向不同性工业CT序列图像裂缝自动分割方法。首先,用基于Hessian矩阵的多尺度线状滤波增强裂缝区域,抑制非线状区域;然后,建立一种新的二维直方图,获取滤波之后层内和层间的信息;再根据直方图的最大类熵确定阈值区间,最终得到裂缝的二值化分割结果。实验表明,所提方法不仅能够满足实际工业CT序列图像裂缝分割中精确、自动的分割要求,而且相较其他4种已有方法,能够得到更完整、更准确的分割结果。     

基于Hessian矩阵的视网膜血管中心线提取

为实现视网膜血管在临床诊断中的重要作用,提出了一种基于Hessian矩阵的视网膜血管提取方法,该方法通过图像预处理增强血管信息,利用血管的微分几何特性,采用离散高斯核对眼底图像进行卷积,结合Hessian矩阵计算血管方向,通过连接算法得到视网膜血管的分布情况.实验结果表明,该方法提取血管中心线的精度可达亚像素级,对不同眼底照相机拍摄的眼底图像可根据血管宽度进行多尺度快速分割.     

融合下补偿结构的眼底血管图像分割网络研究

眼底血管图像在临床中通常被用于眼部疾病的诊断及监测,其中血管的形态结构能够反映疾病的重要特征,因此,眼底血管图像的分割处理对眼部疾病的诊断和预防具有十分重要的医学意义。针对目前人工智能主流算法中卷积和池化操作会导致很多特征丢失,提取特征时会忽视图像中的空间信息,图像中的细小血管很难分割出来等问题,基于U-net模型进行了相关研究,结合空间注意力模块对空间特征进行细化,同时提出了一种下补偿结构LCSAnet。该结构能够减少网络提取特征信息过程中的特征损失,从而提高分割精度。研究实验在DRIVE数据集上完成,LC-SAnet的分割准确率达到96.97%,F1值达到74.36%。结果证明,LC-SAnet表现出更好的分割性能,对细小血管的结构识别更加准确。     

基于U-Net神经网络眼底图像的视盘分割研究

眼底图像中的视盘在青光眼筛查和诊断中起着重要作用。因此,从眼底图像中对视盘进行准确、快速地定位与分割具有重要意义。在过去,研究者们已经进行了对视盘的深入研究,但如何提高定位准确率和分割精度仍是视盘分割的一大难题。对此本文提出一种采用深度学习结构U-Net的视网膜视盘自动分割的方法,该方法结合机器学习,通过深度网络提取输入图像的视盘特征,从而得出相应的分割结果图。相对于传统的视盘分割方法,本文的U-Net神经网络能够有效学习有利于分割视盘的特征,从而提高分割的精确度,而且分割耗时更短。     

基于改进Res-UNet的视网膜图像血管分割

精准的视网膜血管分割可以辅助诊疗如糖尿病、高血压等疾病。眼睛血管结构和病理特征的复杂性导致血管分割的精度和速度都存在很多局限。为了克服这一问题,提出了一种改进的U-net分割方法,该方法将U-net网络解码器和编码器中的卷积模块改为残差模块,使用非局部注意模块连接编码器和解码器。网络模型在不增加参数量的情况下,通过添加残差模块和注意力机制提高了像素之间的信息相关性以及模型提取特征的能力。最后,采用DRIVE数据集对所提模型与原U-net网络进行对比评价,新模型在测试集上的特征检测准确率、特异性、灵敏度和Dice系数分别达到了0.9679、0.9896、0.8245和0.8281。实验结果证明,所提网络模型可对视网膜进行精确地血管分割。     

彩色眼底图像视盘自动定位与分割

针对彩色眼底图像视盘定位时图像边缘高亮环对定位准确率的影响,提出了一种有效的图像预处理方法。针对已有的视盘分割算法中存在的问题,提出了一种结合形态学、椭圆拟合及梯度矢量流(GVF)Snake模型的分割算法。提出的预处理方法首先利用最小二乘法拟合出眼底图像的边界,然后裁剪掉边界的一部分高亮像素点,最后进行视盘定位。视盘分割算法则首先进行血管擦除,然后用椭圆拟合提取初始轮廓,最后使用GVF Snake精确调整视盘边界。用提出的方法对Messidor眼底图像数据库1 200幅图像上进行了实验,结果显示:视盘定位准确率由原来没经过预处理的95.4%提升到了98.7%;视盘分割错误率与当前已知最好的算法相比由12.5%降低到了9.39%。结果表明:提出的眼底图像视盘自动定位与分割方法准确率高、实用性强,可以用于眼科疾病的计算机辅助诊断。     

彩色视网膜眼底图像血管自动检测方法

为了给视网膜图像配准、光照校正及视网膜内部病理学检测等问题提供有效依据,本文提出一种有效检测及识别彩色视网膜眼底图像血管的全自动方法。针对视网膜可见血管呈长条型管状、局部具有较好直线型结构的形态特点,本文采取适用于条状结构的组合移位滤波响应模型进行特征提取。针对血管和血管末端特征的不同,分别配置对称和非对称的两种滤波模型进行跟踪,利用组合移位滤波模型(对称和非对称)获取到的响应及G通道像素灰度值共同构建特征向量库,采用AdaBoost分类器对各个像素点进行分类判定。基于国际公共数据库DRIVE与STARE的实验结果表明,该方法针对两个标准数据库的分割结果(DRIVE:Accuracy=0.948 9,Sensitivity=0.765 7,Specificity=0.980 9;STARE:Accuracy=0.956 7,Sensitivity=0.771 7,Specificity=0.976 6)均优于已有方法,适用于彩色视网膜眼底图像的计算机辅助定量分析,可作为临床借鉴。     

在复杂背景下线状物体的图像分割算法研究

在对投影成像系统进行自动装校时,需要对投影图像进行处理和分析,分离目标物体和背景,以便分析投影成像系统装校情况,作相应自由度调整。分割投影图像的算法目前有多种,在已有各种图像分割算法基础上,分析投影成像特点和目标物特征,提出了一种复杂背景下直线或十字线型的目标物体的分离算法,这种算法可对特定方向的目标物体有较好的分离,有助于进一步分析图像、处理图像。     

基于几何形变模型的三维肺血管图像分割方法

肺血管分割一直是重要而困难的工作,因此,提出了一种新的基于几何形变模型的三维肺血管图像分割方法。现有几何形变模型方法仅仅包含了图像区域与边缘属性中的一种,而新方法能够同时包含上述两种图像属性。首先,定位血管内外同质区域;然后,通过目标边缘能量的计算使曲面沿着图像梯度方向的二阶导数进行演化,以使其精确收敛到目标边缘;最后,根据上述步骤,建立三维血管分割形变模型。通过多组CT图像的实验表明,该方法快速、准确,对背景噪声具有较好的适应性。     

基于背景估计和血管提取眼底图像微脉瘤检测

提出了一种基于背景估计建模和精细血管提取的微脉瘤检测方法.候选微脉瘤对象由背景估计和Mahalanobis距离进行定位,非血管抑制算子结合多尺度和多滞后阈值技术实现精细的血管结构提取,经过形状分析和双环滤波处理后,非微脉瘤像素点被去除.实验结果表明,本文方法性能优于或逼近于其它同类方法,而且能够极大提高邻近血管的微脉瘤检测精度.     

彩色视网膜血管图像的自动分割算法

为了保证眼底测量结果的准确性、客观性、可重复性以及实用性，提出了彩色眼底图像自动分割与定量分析的算法。具体步骤如下：首先对彩色视网膜血管图像进行网格划分，其次对包含重要血管信息的网格区域实现Otsu阈值分割，在此基础上对其它相邻网格进行区域生长算法分割，最后由计算机统一处理得到视网膜血管的网络径线。实验结果表明：该算法提取的血管网络径线连续性较好，血管中心线定位准确，抗干扰能力较强，处理速度较快，具有较高的临床应用价值。     

基于Hessian矩阵的3-■并联机构的性能分析

利用包括Jacobian矩阵和Hessian矩阵的全域性能指标对新型的3-RR(RR)R并联机构的速度和惯性力性能进行分析,不同于以往仅依据Jacobian矩阵对机构的性能进行评价,给出机构的性能图谱,通过观察图谱挑选出有利于提高机构性能的机构尺寸,为机构的优化设计提供理论依据。     

基于Hessian矩阵及梯度熵的疑似肺结节检测算法

提出一种基于Hessian矩阵的多尺度增强滤波和梯度熵选择的疑似肺结节检测算法.首先,构造基于Hessian矩阵的多尺度圆形增强滤波器对肺部计算机断层扫描(CT)图像中的圆形区域进行增强,使得类似圆形的疑似结节区域得以增强,其他干扰区域得以抑制.然后,计算增强后的圆形肺结节区域(孤立圆、线交叉形成的圆)在原始灰度图像中相应区域的梯度熵,采用切比雪夫不等式确定孤立圆梯度熵分布区间,进行疑似结节区域的选择.实验结果表明,该算法能较好地检测肺部CT图像中疑似肺结节区域,为后续的肺结节检测以及诊断打下基础.     

基于联合标定的图像分割

针对普适环境下人体区域的提取问题,提出一种基于彩色摄像头和深度摄像头联合标定的图像分割方法。首先根据深度摄像头采集的深度信息易处理和受外界环境影响小的优点,利用大律法从深度图像中快速提取出人体区域;然后建立世界坐标系中彩色图像坐标系和深度图像坐标系的对应关系,实现彩色信息和深度信息的相对位置映射;最后根据分割的深度图像及其在彩色图像中的映射,在彩色图像中完成人体区域分割。通过在复杂背景和不同光照条件下的图像分割实验,验证了本方法具有良好的精度和鲁棒性。     

面向线束端子显微图像分割的变指数色度滤波

为准确检测线束端子显微图像的内径轮廓以进行后续的数据分析,在色度亮度空间中提出一种基于变指数滤波的显微图像分割算法。首先,根据彩色线束端子显微图像颜色分布的特点,将红绿蓝颜色空间中的彩色图像转换到色度亮度空间中,消除光照影响并分离亮度和色度信息,并将色度信息转换到色度球体上;然后在全变分模型的基础上,构造了一种色度球体上的变指数变分模型对色度信息进行滤波,其中变指数函数具有结构自适应性质;接着通过分析单色通道的边缘检测结果,选择在图像的红色通道中使用Canny算法进行边缘检测;去除虚假的不连续边界曲线后,得到最终的内径轮廓。实验结果显示,本方法所得端子内径轮廓周长与手工测量相比,偏差小于0.5%。本文算法得到的线束端子内径轮廓、周长等数据准确。     

基于FPGA的图像滤波算法实现

本文在研究图像中值滤波算法的基础上，设计了基于FPGA的图像中值滤波器，并以丝杠零件为例验证了该方法的可行性。     

基于模糊神经网络的图像滤波算法

针对传统的线性和非线性图像滤波算法对含有丰富细节的图像滤波处理的不足,提出一种基于模糊神经网络的图像滤波算法.该算法利用神经网络的自学习功能训练标准样本以确定模糊贴近度阈值,在基本不改变原有图像的灰度信息的前提下,找出图像受到噪声污染的像素点,采用迭代中值滤波算法得到的中值替换噪声点.仿真实验表明该方法有很好的滤波效果,优于传统的图像滤波算法.     

基于几何图像的三角网格分割

对反求工程中三角网格数据的分割算法进行研究,提出一种基于几何图像的三角网格分割方法.在网格参数化的基础上,改进几何图像的生成方法.结合形态学方法,用去除逼近项小波重建方法和梯度图像方法两种方法分割法矢图像,基于阈值法分割曲率图像,把几何图像的分割结果映射回到原始网格.实例表明基于几何图像的三角网格分割方法对没有复杂自由曲面的网格数据可以取得较好的分割效果.