基于相关系数和双向扩散结合的优质正电子发射断层重建算法

在正电子发射断层成像（PET）中,传统迭代算法会造成重建图像细节信息丢失或目标边界模糊。为了解决上述问题,提出一种基于相关系数和双向扩散结合的优质中值先验（MP）重建算法。首先,引入特征因子相关系数来表征图像局部灰度统计信息,构造出结合相关系数的双向扩散模型;其次,考虑到双向模型对背景和边缘区别处理的优点,将新模型应用到中值先验分布的最大后验重建算法中,形成基于双向扩散的中值先验重建算法。实验结果表明,该算法在去除噪声的同时能够较好地保持图像中的目标边界信息,信噪比（SNR）和均方误差（RMSE）的变化也能直观体现重建图像质量的提高。     

结合各向异性中值扩散的PET图像重建算法

为了有效提高正电子发射断层成像图像的质量,通过把各向异性中值扩散滤波器融合到中值根先验算法中,提出了一种新的基于Bayesian理论的图像重建算法。新算法的每次迭代过程都可以分为两步:首先用各向异性中值扩散滤波器抑制重建图像中的噪声;然后用中值根先验算法重建图像。仿真实验结果表明,在正电子发射断层成像中,新算法不仅能有效地抑制噪声,还能精确地保护图像的边缘。此外,与其他类似算法相比,新算法吸收了各向异性中值扩散滤波器的优点,在迭代过程中对梯度阈值和扩散次数不敏感,易于实现,实用性强。     

基于解剖非局部先验的模糊扩散PET重建算法

针对传统最大后验(MAP)算法出现阶梯伪影以及不能有效保持重建图像低梯度值处细节信息的问题,提出了一种基于解剖非局部先验的模糊扩散正电子发射计算机断层扫描(PET)重建算法。首先,对中值先验分布的MAP重建进行改进,在每次中值滤波前引入结合模糊函数的各向异性扩散滤波器;然后,采用模糊隶属度函数作为各向异性扩散过程的扩散系数,并结合解剖非局部先验来考虑图像的细节信息。仿真结果表明,与传统算法相比,该算法提高了信噪比(SNR),具有良好的抗噪性;同时视觉效果较好,图像边缘清晰,在抑制噪声和边缘保持方面取得了良好的折中。     

基于小波收缩和正逆扩散结合的优质中值先验图像重建算法

针对最大后验(MAP)法对重建图像造成的过度平滑或出现阶梯状边缘伪影等问题,提出了一种基于混合模型的中值先验图像重建算法。首先在中值先验分布的MAP重建的基础上,在每次中值滤波之前引入结合小波收缩和正逆各向异性扩散的滤波器。另外,对于背景区域仍残留有少量噪声的情况下,可以在迭代间的最后,选择加入只针对图像较小梯度阈值区域进行非线性扩散平滑的优良滤波器,从而进一步优化图像。仿真结果表明,该算法在抑制噪声和保持边缘效果方面具有很好的表现,与其他经典传统算法相比,信噪比(SNR)可提高0.9dB~3.8dB。     

结合改进扩散和双边滤波的低剂量CT重建

针对低剂量计算机断层扫描(CT)重建图像时出现明显条形伪影的现象,提出一种结合非局部均值模糊扩散和扩展邻域双边滤波的中值先验(MP)重建算法。首先,使用基于非局部均值模糊扩散方法对中值先验分布的最大后验(MAP)重建算法进行改进,以减少重建图像中的噪声;然后,采用基于扩展邻域的双边滤波方法对重建图像进行处理,以保持图像的边缘和细节信息,进一步提高重建图像的信噪比。采用Shepp-Logan模型和胸腔模型来验证算法的有效性,实验结果表明,与滤波反投影(FBP)、中值根先验(MRP)、非局部均值模糊扩散的MP重建(NLMMP)算法和非局部均值双边滤波的MP重建(NLMBFMP)算法相比,所提新算法的归一化均方距离和均方绝对误差最小,且信噪比最高,分别为10.20 dB和15.51 dB。该重建算法可以在对重建图像进行降噪的同时保持了图像的边缘和细节信息,改善了低剂量CT图像质量退化的问题,获得高信噪比和高质量的重建图像。     

基于广义Gibbs先验的低剂量X-CT优质重建研究

为获取低剂量条件下X-CT的优质重建,提出基于广义Gibbs先验的低剂量X-CT重建算法。新算法首先对投影数据进行统计建模,其后采用Bayesian最大后验估计方法,将投影数据中非局部的先验信息加诸于该数据的恢复中,达到抑制噪声的效果,最后仍采用经典的滤波反投影方法对恢复后的投影数据进行解释CT重建。文中将非局部先验称为广义Gibbs先验,其原因在于该先验具有传统Gibbs先验形式的同时,可以通过选择较大邻域和自适应的加权方式充分利用投影数据的全局信息进行数据恢复。通过与已有算法的对比实验,表明该文提出的基于广义Gibbs先验的低剂量X-CT重建算法在降低噪声效果和保持边缘方面具有较好的表现。     

用于图像分割的局部区域一致性流形约束MRF模型

针对区域马尔可夫随机场(MRF)模型难以有效描述图像复杂先验知识的问题,提出一种基于局部区域一致性流形约束MRF(LRCMC-MRF)模型.首先,所提模型利用高维数据的低维流形分布表征图像局部区域的复杂几何结构先验,建立图像局部区域的流形先验约束;其次,基于Pairwise MRF模型,建立一种包含更多图像局部信息的局部空间自适应MRF模型;最后,基于贝叶斯理论,将复杂局部区域几何结构先验和局部空间自适应统计特征融合,利用Gibbs采样算法对所提出模型进行优化.实验结果表明,与基于常规区域的MRF模型相比,所提出的分割算法具有较好的分割效果.     

基于贝叶斯理论快速ERT图像重建算法

针对电阻层析成像系统中图像重建不适定问题,与现有ERT图像代数重建算法不同,提出一种基于贝叶斯理论快速一步动态图像重建算法。在阐述电阻层析成像的理论基础上,利用有限元方法建立敏感场数学模型,得到灵敏度矩阵和投影数据。在分析贝叶斯理论基础上,推导出快速一步动态图像重建模型,并将介质分布的先验信息和噪声随机信息等统计信息引入到图像重建中,实现对电导率的重建。分析了不同分布先验概率参数和不同噪声信噪比等影响因子对算法重建结果的影响,并与高斯牛顿迭代、贝叶斯迭代重建算法相比较。结果表明,所提算法重建速度有很大提高,并能较好反映被测介质的相对位置。     

基于分区域处理的低剂量CT重建算法

为解决由于过度的量子噪声使低剂量CT重建图像质量产生退化的问题,提出一种基于分区域处理的联合先验低剂量CT统计迭代重建算法.对重建过程中的图像进行区域划分,对图像进行中值滤波并计算滤波图像的梯度,根据梯度划分出图像的边缘区域和平坦区域,分别利用全变分正则化(TV)和高斯马尔可夫随机场(MRF)正则化对不同的区域进行惩罚...     

传输方程下基于模型的光学层析图像重建

为克服光学层析图像重建的病态性,采用一种基于模型的重建方法来进行图像重建。由于广义高斯马尔可夫随机场模型具有全局平滑、边缘保留等特性,因此将其引入到服从辐射传输方程的光学层析图像重建中,并将其作为图像先验信息,同时通过最大后验概率理论,利用基于梯度的迭代优化算法来对目标函数进行优化求解。鉴于目标函数关于光学参数的梯度计算是算法中的难点,对此,提出了一种基于梯度树的梯度计算方法。实验证明:该方法与不带有先验模型的重建方法相比,不仅可进一步提高图像的重建质量,而且可降低重建病态性。     

Chan-Vese模型下的脑肿瘤图像分割方法

提出了一种基于Chan-Vese模型的脑肿瘤图像分割与三维重构方法。该方法首先通过对脑肿瘤图片的迭代腐蚀操作提取脑肿瘤轮廓,然后利用Chan-Vese模型对脑肿瘤进行分割,最后对图像进行迭代膨胀操作复原图像。另外对所有分割后的脑肿瘤图片进行了三维重构与定位。实验结果表明,基于Chan-Vese模型的图像分割方法很好地解决了脑肿瘤分割过程中容易出现的不完全分割问题,同时对脑肿瘤的三维重构与定位也具有较大的临床实用价值。     

基于图像分割的三维重构

三维重构方法是医学图像可视化系统、治疗计划系统的重要技术。基于图像分割的三维重构方法结合了图像分割、等值面抽取、网格简化三种技术,是不同于传统Marching Cubes算法的一种三维重构方法。它首先将医学图像分割为二值图,然后利用Marching Cubes方法进行等值面抽取,最后对得到的网格模型进行简化。实验结果表明,基于图像分割的三维重构方法加快了Marching Cubes的运算速度,改善了重构的效果,有利于实现对基于三维重构的大型几何模型的实时绘制和交互。     

基于互信息约束聚类的图像语义标注

提出一种基于互信息约束聚类的图像标注算法。采用语义约束对信息瓶颈算法进行改进,并用改进的信息瓶颈算法对分割后的图像区域进行聚类,建立图像语义概念和聚类区域之间的相互关系;对未标注的图像,提出一种计算语义概念的条件概率的方法,同时考虑训练图像的先验知识和区域的低层特征,最后使用条件概率最大的语义关键字对图像区域语义自动标注。对一个包含500幅图像的图像库进行实验,结果表明,该方法比其他方法更有效。     

基于人工蜂群与模糊C均值的自适应小波变换的噪声图像分割

针对传统模糊C均值（FCM）聚类算法在处理噪声图像时易受到噪声影响的问题,提出了基于FCM的小波域特征增强的噪声图像分割方法。首先,将噪声图像进行二维小波分解;其次,对近似系数进行边缘增强,同时利用人工蜂群（ABC）优化算法对细节系数进行阈值处理,并将处理后的系数进行小波重构;最后,对重构后的图片使用FCM算法来进行图像分割。选取5幅典型的灰度图像,分别添加高斯噪声和椒盐噪声,使用多种方法进行分割,以分割后图像的峰值信噪比（PSNR）和误分率（ME）作为性能指标,实验结果表明,所提方法分割后的图片相较于传统FCM聚类算法分割方法和粒子群优化（PSO）分割方法分割后的图片在PSNR上最多分别有281%和54%的提升,在ME上最多分别有55%和41%的降低。可见所提出的分割方法较好地保留了图像边缘纹理信息,其抗噪性能与分割性能得到了提升。     

基于R-滤子的多帧图像重建算法

针对图像重建中低分辨率图像信息的利用和先验项（正则化项）的估计问题,提出一种新颖的算法--R-滤子方法,通过计算输入图像的高阶信息来构建先验项,同时采用广义交叉验证（Generalized Cross Validation,GCV）方法自适应求解先验项参数（正则化参数）,加强算法的自适应性。实验结果表明：重建图像的峰值信噪比值（Peak Signal-to-Noise Ratio,PSNR）比目前主要先验项方法（BTV、Sparse、Huber）的重建图像的值更高,从重建图像的局部细节和纹理也看出该方法的重建图像具有更丰富的信息,同时,从构造方法上说明R-滤子方法在计算上要优于其他方法。     

基于HMRF先验模型的超分辨率重建

针对基于最大后验概率(MAP)的超分辨率重建算法在重建图像过程中存在的问题,提出一种基于Huber-马尔可夫随机场(HMRF)先验模型的超分辨率重建方法,采用HMRF作为图像先验模型,对图像进行分段超分辨率重建。仿真实验结果表明,与传统的MAP算法相比,该方法能更好地保存重建图像的边缘细节,有效提高重建图像的质量。     

Using Prior Shapes in Geometric Active Contours in a Variational Framework

In this paper, we report an active contour algorithm that is capable of using prior shapes. The energy functional of the contour is modified so that the energy depends on the image gradient as well as the prior shape. The model provides the segmentation and the transformation that maps the segmented contour to the prior shape. The active contour is able to find boundaries that are similar in shape to the prior, even when the entire boundary is not visible in the image (i.e., when the boundary has gaps). A level set formulation of the active contour is presented. The existence of the solution to the energy minimization is also established.We also report experimental results of the use of this contour on 2d synthetic images, ultrasound images and fMRI images. Classical active contours cannot be used in many of these images.     

融合似物性前景对象与背景先验的图像显著性检测

为了在复杂背景图像中准确地提取出图像的显著区域,提出一种结合似物性前景对象与背景先验知识的图像显著性检测方法（OFOBP）。该方法首先对图像进行超像素分割,计算超像素颜色空间分布,得到初始显著图;利用似物性检测方法获取多个目标窗口,由窗口建立搜索区域,结合二值化的初始显著图优化目标窗口;再利用多窗口特征对超像素做前景对象预测,获取前景显著图;其次建立背景模板,计算稀疏重构误差获取背景先验图;最后融合两种显著图,得到最终显著检测结果。在公开数据集上与11种算法进行比较,本文算法能够较为准确地检测出显著区域,尤其是在复杂背景下对多个显著目标的检测,存在明显的优势。     

基于先验阈值面的夜空云图分割算法

夜空背景易受到大气污染、月光及黄道带光等影响,导致云图变化较大。传统阈值法仅利用像素点灰度值及相应的邻域信息,难以准确分割背景变化较大且灰度不均匀的云图。文中对大量云图统计分析,发现夜空云图的两个先验特征,提出一种基于先验阈值面的云分割算法。首先根据先验特征分割出可信的背景区域,再根据背景区域进行多项式拟合得到一个随图像区域信息变化的阈值面,阈值面上的各个值介于目标和背景之间,从而可将云从背景分割出来。实验证明,相对于传统的单阈值算法,本文算法分割精确度更高,应用范围更广,尤其对受干扰的云图有更好的分割效果。     

自适应梯度重建分水岭分割算法

目的 针对灰度分水岭算法存在过分割且难以直接应用到彩色图像分割的问题,提出一种自适应梯度重建分水岭分割算法。方法 该方法首先利用PCA技术对彩色图像降维,然后计算降维后的梯度图像,并采用自适应重建算法修正梯度图像,最后对优化后的梯度图像应用分水岭变换实现对彩色图像的正确分割。结果 采用融合了颜色距离、均方差和区域信息的性能指标和分割区域数对分割效果进行评估,对不同类型的彩色图像进行分割实验,本文算法在正确分割图像的同时获得了较高的性能指标。与现有的分水岭分割算法相比,提出的方法能有效剔除图像中的伪极小值,减少图像中的极小值数目,从而解决了过分割问题,有效提升了分割效果。结论 本文算法具有较好的适用性和较高的鲁棒性。