基于Hessian矩阵的冠脉造影图像分割与骨架提取

针对冠脉造影图像模糊、对比度低等导致的冠脉血管提取不完整、骨架不连续等问题,提出一种基于Hessian矩阵的多尺度冠脉分割与骨架提取算法,并估计血管半径值,为冠脉结构的三维重建奠定基础。该方法利用Hessian矩阵特征值对应线性目标的关系,构造一个新颖的血管相似性响应函数,对冠脉增强并阈值化得到分割结果,同时由 Hessian 矩阵确定冠脉血管的法线方向,通过求解法线方向上的极值点得到冠脉骨架的初始像素点集,以此来提取冠脉血管的欧氏骨架。实验结果表明,该算法简洁高效,相比现有算法能提取到更多的细小分支,得到的冠脉骨架完整,半径估计准确。     

基于多尺度自适应滤波的DSA血管增强

数字减影血管造影（DSA）技术在血管疾病的诊断和治疗中起着重要的作用。由于血管结构的几何复杂性,准确地检测血管仍然是一个难题。为了提高DSA图像的视觉质量,提出了一种基于多尺度自适应滤波的DSA血管增强算法。新的血管增强算法基于多尺度空间理论,不仅采用Hessian矩阵的特征值,而且利用特征向量之间的角度进行DSA血管增强。滤波器的参数可以根据图像本身的特征自适应地进行调整。在多尺度迭代过程中,噪声往往被放大,因此滤波器中增加了噪声消除的设计。实验结果表明,该算法具有良好的DSA血管增强性能,可以有效地过滤图像背景和非血管结构,并避免了增强过程中可能发生的血管变形。     

基于HESSIAN增强和形态学尺度空间的视网膜血管分割

眼底视网膜血管的走向、弯曲度、分叉度等性状分析已成为医学上诊断全身血管性疾病的重要手段。采集到的眼底图像常存在光照不均匀等现象,利用传统的血管分割方法难以对微小血管进行检测。为此提出一种基于改进Hessian矩阵增强和形态学尺度空间的分割方法。首先利用高斯函数构建多尺度Hessian增强滤波器,采用新型的血管相似性函数对血管网络进行对比度增强,同时平滑图像以减轻噪声;然后利用改进的Top-hat变换尺度空间从背景中提取血管,并引入形态学重建方法进一步突出血管像素,消除伪边缘及孤立点噪声;最后使用二次阈值化方法实现血管的最终分割。仿真结果表明,改进的分割方法在保证大血管脉络准确分割的同时,能够较好地实现微小血管分割。     

基于多阈值Otsu和海森矩阵的脑血管提取

研究了多阈值Otsu对血管组织覆盖灰度区间分类算法和基于Hessian矩阵的管状物增强算法。通过多阈值Otsu分类算法对三维人体头部MRA图像进行分类,得到包含少量其它边界过渡区域的脑血管图像,将修正的基于Hessian矩阵的增强算法作用于过渡区灰度数据,使管状物得以保留并增强;将Hessian矩阵的特征值和特征向量应用于血管特征的响应函数及形态学修补和光顺各个环节,与血管灰度接近的片状和点状数据得以去除或削弱;选择合理的尺度空间范围及尺度空间增量和调节因子以平滑非线状区域和锐化增强血管区域。该脑血管提取方法在同等准确率下具有较高的稳定鲁棒性。     

基于HSV分量联合Hessian矩阵的卵巢癌细胞检测算法

针对卵巢癌细胞形态特征多变,细胞图像背景复杂,分类识别困难等问题,提出一种基于HSV分量联合Hes-sian矩阵的细胞检测算法对卵巢癌细胞进行分类识别.首先基于HSV分量图像进行特征分析,提取S分量去除噪声干扰,然后利用Hessian矩阵实现图像增强,结合自适应迭代阈值算法完成图像分割,最后根据形态学方法和canny算...     

一种改进的3D血管增强算法

Sato的滤波器可以有效地滤除3D数据中的面状结构和球状结构,但是对于背景信息滤除效果不佳。基于Sato的血管增强原理,提出了一种改进算法。新算法将背景像素的Hessian矩阵特征值也考虑到滤波器的设计中,增强了滤波器滤除背景像素的功能。基于临床颈动脉的CTA数据和脑部血管MRA数据,做了实验分析。实验结果表明,在保留原算法优点的情况下,背景内容被大幅度移除,图像对比度得到进一步提高,血管结构更加清晰可辨。     

基于Hessian矩阵跟踪算法在血管新生量化中的应用

血管新生与肿瘤的生长密切相关,CAM(鸡胚绒毛尿囊膜)是研究血管新生的常用载体,所以通常对CAM中特定区域的血管分割量化来衡量抗肿瘤药物对血管的抑制作用.本文提出一种CAM图像分割算法,首先利用Hessian矩阵下多尺度分析得到一个初始的CAM血管轮廓,在此基础上跟踪未知血管,得到的最终分割结果.最后,对分割出的CAM血管进行骨架提取、裁剪等处理,计算出图像中血管的密度、长度和分叉点个数等量化指标,综合评价血管的生长情况.在相同系列的CAM图像上和其他方法进行实验对比.结果显示基于Hessian矩阵跟踪算法可以为血管新生状况提供有效的分析,尤其对微小血管的检测比较优越,而且具有更高的准确率.     

基于多特征融合和随机森林的视网膜血管分割

为了进行眼底疾病辅助诊断,提出一种基于多特征融合和随机森林的视网膜血管分割方法.首先为彩色眼底图中的每个像素点提取一个23维特征向量(包括图像不变矩、灰度共生矩阵、LoG结合高斯二阶导、梯度法、相位一致性和Hessian矩阵特征);然后选取一定数量的像素点,提取其特征共同构造一个特征矩阵作为输入数据,并采用随机森林算法训练分类器;再用训练好的分类器对待分割图像中的像素点进行分类,判断其是否为血管点;最后在初步分割基础上进行基于连通区域补足血管的后处理,得到优化后的血管分割结果.在DRIVE公共数据库上进行实验的结果表明,该方法平均精确度达0.9606,平均灵敏度达0.7447,平均特异性达0.9838,比已有方法性能更优.     

基于SURF特征的航空序列图像位置估计算法

视觉传感器在航空无人机导航和定位任务中应用越来越广泛。针对无人机位置参数估计问题,提出了一种基于SURF特征的图像配准算法,该算法能够适应航空序列图像的旋转、尺度变换及噪声干扰,实现无人机位置的精确估计。构建了SURF尺度空间,运用快速Hessian矩阵定位极值点,计算出航空图像的64维SURF特征描述子;基于Hessian矩阵迹完成特征点匹配;使用RANSAC算法剔除出格点,实现位置参数的精确估计。通过航空图像序列实测数据位置估计实验,验证了该算法的有效性。     

基于边缘方向直方图相关性匹配的图像检索

针对基于边缘方向自相关图的图像检索算法的优缺点,提出了一种基于边缘方向直方图相关性匹配的图像检索算法。使用自适应中值滤波器滤除图像中的椒盐噪声。利用Sobel算子提取图像边缘,通过计算边缘梯度幅值、角度统计后得边缘方向直方图,并对直方图进行等级化排列构成特征向量。最后使用斯皮尔曼等级相关计算图像特征向量间的相关系数作为衡量图像间相似性的指标。实验结果表明：该算法的平均查准率、查全率较基于边缘方向自相关图算法分别提升10.5%,9.7%,平均检索耗时减少了7.5%。实验验证了算法的有效性,可将算法应用到中大规模图像检索系统中以提升检索效果,提高系统速度。     

基于Hessian矩阵范数正则化方法的共聚焦图像复原

对于泊松噪声污染下的模糊共聚焦图像复原问题,为解决传统方法中存在的阶梯效应,提出了一种基于Hessian矩阵范数的正则化方法.在泊松概率模型的基础上,该方法引入Hessian矩阵范数作为正则条件,并应用交替方向乘子法和梯度投影方法求解最优化模型.在激光扫描共聚焦显微镜实验中,所获得的复原图像质量优于传统方法,此结果证明了该方法可以有效地复原泊松噪声污染下的模糊共聚焦图像.     

基于Hessian矩阵的线形结构搜索路面裂缝提取方法

针对目前三维路面裂缝提取方法效果不佳的问题,提出一种基于Hessian矩阵的线形结构搜索路面裂缝提取方法。首先针对路面深度图像对比度弱、多干扰等问题,根据裂缝的几何特性和灰度特征,给出基于分段函数的路面深度图像预处理方法;然后针对基于Hessian矩阵的多尺度路面裂缝粗提取方法,存在的裂缝提取不连续和对噪声敏感的问题,根据裂缝局部方向的一致性和噪声的离散性特点,给出基于线形结构约束的路面裂缝精提取方法。实验结果对比表明,本文方法适应于不同尺度和程度的路面裂缝提取,较文献［5］的方法完整度提高了10%以上,正确率提高了2%以上,而耗时几乎相同;较文献［15］的方法完整度提高了6%以上,正确率提高了1%以上,但耗时约为该方法的1/3。     

改进的正则化模型在图像恢复中的应用

目的 由拟合项与正则项组成的海森矩阵,如果不具有特殊结构,其逆矩阵计算比较困难,为克服此缺点,提出一种海森矩阵可分块对角化的牛顿投影迭代算法。方法 首先,用L₂范数描述拟合项,用自变量是有界变差函数的复合函数刻画正则项,建立能量泛函正则化模型。其次,引入势函数,将正则化模型转化为增广能量泛函。再次,构造预条件矩阵,使得海森矩阵可分块对角化。最后,为防止牛顿投影迭代算法收敛到局部最优解,采用回溯线性搜索算法和改进的Barzilai-Borwein步长更新准则使得算法全局收敛。结果 针对图像去模糊正则化模型容易使边缘平滑和产生阶梯效应“两难”问题,提出一种新的正则化模型和牛顿投影迭代算法。仿真结果表明,“两难”问题通过本文算法得到了很好的解决。结论 与其他正则化图像去模糊模型相比,本文算法明显改善图像的质量,如有效地保护图像的边缘,抑制阶梯效应,相对偏差和误差较小,较高的峰值信噪比和结构相似测度。     

A new method for linear feature and junction enhancement in 2D images based on morphological operation,oriented anisotropic Gaussian function and Hessian information

Feature enhancement is an important preprocessing step in many image processing tasks. It is the process of adjusting image intensities so that the enhanced results are more suitable for analysis. Good enhancement results for linear structures such as vessels or neurites can be used as inputs for segmentation and other operations. In this paper, a novel linear feature enhancement filter – an adaptive multi-scale morpho-Gaussian filter – which can enhance and smooth linear features is proposed based on morphological operation, anisotropic Gaussian function and Hessian information. This filter can enhance and smooth along the local orientation of the linear structures and the Hessian measurement is used to further enhance the linear features. We utilize the Hessian matrix to calculate the orientation information for our directional morphological operation and the oriented anisotropic Gaussian smoothing. We also propose a novel method for junction enhancement, which can solve the problem of junction suppression. We decompose the junctions and enhance along each linear structure within a junction region. We present the test results of our algorithm on images of different types and compare our method with three existing methods. The experimental results show that the proposed approach can achieve better results.     

利用Gabor方向导数相关矩阵的角点检测

为了提高角点检测的准确率,提出了一种使用图像的Gabor方向导数构建相关矩阵来进行图像角点检测的算法。算法首先通过Canny边缘检测算法提取检测图像的边缘轮廓;然后使用Gabor滤波器对图像进行平滑,利用每一个边缘像素和其邻近像素的Gabor方向导数构建相关矩阵,若相关矩阵的归一化特征值的和大于预定阈值并且是局部极大值,则标记该像素为角点。算法利用邻近像素Gabor方向导数之间的相关信息提取角点,与传统的基于轮廓的角点检测算法相比,检测性能更加稳健。实验结果表明：在含噪声和无噪声情况下,提出的算法检测到的真实角点更多,而错误角点更少,整体性能有明显提升     

桥梁结构的未标记模态特征稀疏编码深度学习监测*

由于建筑物结构健康问题大部分是累积性损害,很难被检测到,实际结构和环境噪声的复杂性使得结构健康监测更加困难,并且现有方法在训练模型时需要大量的数据,但是实际中对于数据的标记是很复杂的。为克服该问题,通过配备无线传感器网络,并采用稀疏编码实现桥梁结构健康监测,然后通过大量未标记实例在实现特征提取基础上进行稀疏编码算法训练,实现数据维度压缩和无标记数据预处理。其次,利用深度学习算法实现桥梁结构健康监测类别预测,同时基于线性共轭梯度对Hessian优化进行改进,利用半正定高斯-牛顿曲率矩阵替换不确定Hessian矩阵,进行二次目标组合,以实现深度学习算法效率提升;实验结果表明,所提深度学习桥梁结构安全检测算法实现了环境噪声稀疏编码水平下的高精度结构健康监测。     

Image feature detection algorithm based on the spread of Hessian source

Image feature detection can be obtained from many methods including the feature point detection. This paper adopts the image feature point detection method based on second-order characteristics of point and the image feature detection algorithm based on the Hessian matrix to detect more feature points. By combining the gray-scale-based image-matching technology with the feature-based image feature detection technology, we propose a Hessian algorithm to obtain more matching points, which can search for matching more quickly. The proposed algorithm overcomes the traditional matching methods that have Ergodic properties of the search strategy. Experiments demonstrate the speed and accuracy of the proposed algorithm, and we use the correct detected feature points to realize image registration, image fusion and image stitching.     

基于变差函数和方向小波的噪声图像边缘检测方法

为了检测受噪声污染图像的边缘,提出了一种基于变差函数和方向小波的多尺度边缘检测新方法.首先,在我们前期研究成果的基础上,基于变差函数理论,提出了图像中45度和135度方向边缘的判别准则.然后根据图像中边缘的方向性,选择合适的方向小波旋转参数,再利用方向小波对各个子区域进行不同尺度小波变换.仿真实验表明,对于受高斯白噪声污染的图像,所提出的边缘检测方法无论在边缘定位的准确性还是在去除伪边缘点方面,均优于传统的小波边缘检测方法.     

可保持图象细节的改进的全方位多级组合滤波器

针对传统全方位多级组合滤波器在去除噪声的同时,会严重模糊图象边缘这一问题,分析了其原因,并指出为了更准确地判断出边缘细节信息,应考虑转角线条走向等特殊情况。提出了一种在去除噪声的同时,可以很好的保持图象边缘细节信息的改进的全方位多级组合滤波算法,实验结果表明,该算法在去除噪声的同时,能更好地保持图象边缘细节,取得较好的处理效果。