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。     

形状约束下活动轮廓模型冠脉血管图像多尺度分割

目的 由于计算机断层血管造影(CTA)图像的复杂性,临床诊断冠脉疾病往往需要经验丰富的医师对冠状动脉进行手动分割,快速、准确自动分割出冠状动脉对提高冠脉疾病诊断效率具有重要意义。针对双源CT图像特点以及传统单一基于区域或边界的活动轮廓模型的不足,研究了心脏冠脉3维分割算法,提出一种基于血管形状约束的活动轮廓模型分割方法。方法 首先,利用改进的FCM(fuzzy C-means)对心脏CT图像感兴趣区域初分割,其结果用于初始化C-V模型水平集演化曲线及控制参数,提取感兴趣区域轮廓。接着,由3维心脏图像数据获取多尺度梯度矢量信息构造边界型能量泛函,然后利用基于Hessian矩阵的多尺度血管函数对心脏感兴趣区域3维体数据增强滤波,获取血管先验形状信息用于约束能量泛函。最后融合边界、区域能量泛函并利用变分原理及水平集方法得到适合冠脉血管分割的水平集演化方程。结果 由于血管图像的灰度不均匀,血管末端区域更为细小,所以上述算法的实施是面向被划分多个子区域的血管,在缩小的范围内进行轮廓的演化。相比于传统的血管分割方法,该方法充分融合血管图像的先验信息及梯度场信息,能够从灰度及造影剂分布不均匀的冠脉血管图像中准确分割出冠状动脉,对于细小的血管结构亦能获得较好的分割效果。实验结果表明,该方法只需在给定初始轮廓前提下,有效提取3维冠脉血管。结论 对多组心脏CT图像进行分割,本文基于血管先验形状约束的活动轮廓模型可以准确分割出冠脉结构完整轮廓,并且人工交互简单。该方法在双源CT冠脉图像自动分割方面具有较好的正确率与优越性。     

应用球形算子层次聚类的3维冠脉跟踪提取

目的 计算机断层血管造影术（CTA）是冠脉疾病诊疗过程中最为常用的成像方法之一。然而造影图像中冠脉与其周边组织的灰度分布较为接近,冠脉整体结构的识别较为困难。为此提出一种基于方向聚类的冠脉结构跟踪提取方法。方法 该方法首先使用闭运算及灰度拉伸对影像进行预处理,然后在选定的种子点构造球形算子,该球形算子由多对方向相反且从球心指向球壳的射线组成,通过对多组数据进行分析得到血管在球形算子内部的灰度差异率特征,对灰度差异率特征曲线构造2维凸包可得到射线与血管壁的交点,以此获得血管段的分割结果以及指向血管走势的方向向量的集合,应用最小距离层次聚类法对向量集合进行分类得到跟踪方向,遍历整条血管完成对冠状动脉的分割。结果 实验结果表明,本文方法能够获得较为精确的冠脉提取结果,与近年流行算法相比在临床有效血管段的跟踪上具有一定优势。能够达到0.39 mm的跟踪精度。结论 本文方法的优势在于所提出的球形算子对不同形态的3维血管具有较好的适应性和鲁棒性。用于向量分类的层次聚类方法无需训练,算法自动化程度高,且分类较为准确。血管跟踪提取方法精度较高。     

基于融合的冠状动脉血管分割方法

针对现有冠脉血管分割方法对于小血管和低对比度血管分割效果差的问题,提出了一种基于融合的冠状动脉血管分割方法。首先分别采用形态学的头帽法和高斯滤波法对同一幅血管图像进行增强,得到两幅增强图像;然后采用基于局部熵的过渡区提取的分割方法提取血管,得到两幅含有冠脉血管的图像;最后将两幅图像通过区域连通性的分析进行融合,分割出最终的血管。实验结果表明,新算法在小血管的提取、连通性和有效性方面取得了更好的效果。另外,该方法对辅助医疗诊断具有一定价值。     

高斯曲率约束的MRG骨架提取优化算法

三维模型的骨架保持了模型的拓扑特性,并被广泛应用于模型相似性比较、计算机动画及压缩等领域.根据多分辨率Reeb图的原理,提出了一种基于离散高斯曲率约束的骨架提取优化算法.通过计算网格顶点的离散高斯曲牢判断曲面局部凸凹特性,以获取模型表面的双曲极值点作为约束点;并依据约束点及其邻域的μ函数值产生的分裂线进行区域细分,获得子连通区域、确定关节点、形成优化的骨架结构.实验结果表明,该算法有效地突出了模型的拓扑分支特征以及模型表面的细节,提高了骨架提取的精度和效率.     

基于L型结构中心线的SAR图像建筑物提取方法

针对在高分辨率SAR图像上具有明显L型结构高亮特征的建筑物目标,提出了一种提取高分辨率SAR图像建筑物L型结构中心线,并进而提取建筑物几何信息的方法.运用基于Gabor纹理特征和模糊C均值的方法对SAR图像进行分割,再结合骨架提取、骨架跟踪、最小外接矩形提取、最小二乘准则等技术实现了L型结构中心线的提取,最后利用中心线获取了建筑物的长度、宽度和方位角信息.基于机载SAR图像的实验表明,利用提出的方法从SAR图像提取的建筑物几何结构和方位信息具有较高的精度.     

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.     

复杂环境下的运动人体骨架提取算法*

针对复杂环境下运动人体难以检测及由人体运动自身的复杂性而引起的骨架提取难的问题,提出了一种复杂环境下视频序列中的运动人体骨架提取算法。算法首先利用区域背景建模获取复杂环境下的背景图像,利用最大色差分量结合自适应阈值分割运动人体;然后根据人体测量数据对人体骨架建模,最后利用Kalman滤波跟踪人体关节点,连接关节点生成运动人体骨架。实验结果表明,该算法能准确地提取复杂环境下视频序列中的运动人体骨架,具有低关节位置误差率。     

一种基于脊线跟踪的冠状动脉中心线提取方法

冠脉血管中心线的提取是血管造影图像定量分析中的关键步骤。基于脊线跟踪法，提出了一种血管中心线自动提取方法。通过交互式地指定一个起始点和一个终止点，该算法能够自动获取两点间的血管中心线。实验结果表明了该方法的鲁棒性和可重复性。     

基于MoM评价模型的冠脉血管直径的测量

在骨架化提取出血管中心线的基础上,提出一种基于MoM评价模型的冠脉血管直径的跟踪测量方法。该算法利用血管的两条边缘线相对于中心线的对称性和最优化评价思想,通过对实际造影图像的量化测量并将其与实际直径值进行对比,发现使用提出的算法能够准确地测量血管的直径,并且可以有效地解决血管分支和重叠处直径测量问题。     

强跟踪输入估计概率假设密度多机动目标跟踪算法

针对多机动目标跟踪中,目标数目未知及加速度不确定的问题,提出一种强跟踪输入估计（modifiedinputestimation,MIE）概率假设密度多机动目标跟踪算法．在详细分析算法的基础上,通过引入强跟踪多重渐消因子,以不同速率实时调节滤波器各个通道的预测协方差及相应的滤波器增益,从而实现MIE算法对加速度未知或发生人幅度突变的机动目标白适应跟踪能力;并将该算法与概率假设密度滤波算法有效结合,町以较好地跟踪未知数目的多机动目标．仿真结果表明,新算法比传统的多机动目标跟踪算法具有更岛的跟踪精度,且具有较好的实时性．     

一种运用势能理论的骨架特征提取方法

一种好的特征提取方法可以使模式识别和目标跟踪系统的性能得到较大的提高.二值图像势能理论和方法是一种利用像素所具有的势能来表现图像特征的新方法.运用图像势能的方法把目标图像骨架的特征提取出来在特征提取领域是一种创新.经仿真实验,图像骨架的势能方法可以较好的表现出图像的特征,计算速度快,占用存储空间小,准确性高.骨架势能的方法可以应用到目标分类,目标识别,特征提取等多个领域.     

面向量测的◢m-最优N◣扫描多假设跟踪方法

为解决联合概率数据互联只能跟踪已知数目目标和互联模糊,以及传统多假设跟踪算法生成假设数目随时间积累呈指数增长问题。提出一种面向量测m-最优假设N扫描MHT方法。首先,在每一假设下生成m-最优假设,在每帧产生既定数目最优及次优假设;然后,通过N宽度滑窗产生最优可行假设,完成数据互联,并分别使用两点差分线性法和全局最小二乘估计完成单个新目标和多个新目标航迹起始。仿真结果表明,该方法与MHT-DAM算法相比较,获得了跟踪性能和运算时间上的平衡。     

A fast seed detection using local geometrical feature for automatic tracking of coronary arteries in CTA

We propose a fast seed detection for automatic tracking of coronary arteries in coronary computed tomographic angiography (CCTA). To detect vessel regions, Hessian-based filtering is combined with a new local geometric feature that is based on the similarity of the consecutive cross-sections perpendicular to the vessel direction. It is in turn founded on the prior knowledge that a vessel segment is shaped like a cylinder in axial slices. To improve computational efficiency, an axial slice, which contains part of three main coronary arteries, is selected and regions of interest (ROIs) are extracted in the slice. Only for the voxels belonging to the ROIs, the proposed geometric feature is calculated. With the seed points, which are the centroids of the detected vessel regions, and their vessel directions, vessel tracking method can be used for artery extraction. Here a particle filtering-based tracking algorithm is tested. Using 19 clinical CCTA datasets, it is demonstrated that the proposed method detects seed points and can be used for full automatic coronary artery extraction. ROC (receiver operating characteristic) curve analysis shows the advantages of the proposed method.     

基于加权两向二维线性鉴别分析的SAR目标识别方法

为解决传统Fisher线性鉴别分析(LDA)在SAR图像目标识别中存在的“小样本”问题和“次优性”问题,提出一种基于加权的两向二维线性鉴别分析方法(W(2D)2LDA)。该方法对两向二维线性鉴别分析准则中散度矩阵的构造进行加入权值的改进,采用加权的两向二维鉴别准则函数进行特征提取,从理论上有效解决了 “次优性”问题,并缓解了“小样本”问题。对美国运动与静止目标获取与识别(MSTAR)计划录取的SAR图像数据进行的仿真实验结果表明,该算法增强了提取特征的可鉴别性,能够以较小的特征维数和运算量获得更高的识别率,验证了该算法的有效性。     

基于MMPHDF的多机动目标联合检测、跟踪与分类算法

针对场景中存在新目标出现、旧目标消失(即目标数目变化)和密集杂波的复杂情形,利用多模型概率假设密度滤波器(MMPHDF)在多机动目标联合检测与跟踪上的优势,加入类别辅助信息,提出了一种多机动目标联合检测、跟踪与分类算法.该算法的基本思想是在MMPHDF中用属性向量扩展单目标状态向量,用位置和属性的组合测量似然函数代替单目标位置及杂波位置测量似然函数,提高了不同类目标与杂波测量间的鉴别能力,从而改善了目标数目及状态的估计精度;在更新目标状态后,对目标属性信息进行更新,更为精确的目标数目及状态估计又保证了目标分类性能.本文给出了该算法的粒子实现方法.仿真结果验证了上述结论.     

基于高斯粒子CPHD滤波的多目标检测前跟踪算法

针对未知目标数条件下多弱小目标检测前跟踪(TBD)算法鲁棒性较低、运算量较大等问题,提出一种基于高斯粒子势概率假设密度(CPHD)滤波的多目标检测前跟踪算法.运用高斯函数近似目标状态的后验概率密度,采取粒子滤波的方法迭代更新CPHD中各高斯项的均值与协方差,无需重采样,避免了粒子退化和采样枯竭等问题;同时结合检测前跟踪算法的实际情况,得出粒子权值的更新表达式.仿真实验表明,与现有算法相比,所提出算法在降低复杂度的同时,可以更为可靠地传递目标势分布信息,从而提高多弱小目标数目和状态估计的准确性和稳定性.     

近邻传播观测聚类的多扩展目标跟踪算法

由于传感器分辨率高或目标存在多个反射源等原因,一个目标可以同时产生多个观测数据,对于解决这种扩展目标的跟踪问题,概率假设密度(PHD)滤波算法是一种有效的方法.针对扩展目标概率假设密度滤波算法中观测集合划分,提出一种利用近邻传播聚类方法进行观测集合划分的多扩展目标跟踪算法.实验结果表明,所提出的方法不但能够获得正确的划分观测集合,而且计算复杂度较已有划分方法有较大降低,同时在多目标跟踪效果方面优于已有算法.     

Generalized likelihood ratio test for voiced-unvoiced decision in noisy speech using the harmonic model

In this paper, a novel method for voiced-unvoiced decision within a pitch tracking algorithm is presented. Voiced-unvoiced decision is required for many applications, including modeling for analysis/synthesis, detection of model changes for segmentation purposes and signal characterization for indexing and recognition applications. The proposed method is based on the generalized likelihood ratio test (GLRT) and assumes colored Gaussian noise with unknown covariance. Under voiced hypothesis, a harmonic plus noise model is assumed. The derived method is combined with a maximum a-posteriori probability (MAP) scheme to obtain a pitch and voicing tracking algorithm. The performance of the proposed method is tested using several speech databases for different levels of additive noise and phone speech conditions. Results show that the GLRT is robust to speaker and environmental conditions and performs better than existing algorithms.