基于模糊C均值聚类和统计特性的医学图象检索

本文提出了一种基于灰度、形状和纹理特征的医学图象检索方法.图象被模糊C均值聚类算法预先分割成互相不重叠的子图象,然后对这些子图象分别提取特征,从而获得整幅图象的特征向量.分割后的各子图象和均方差特征描述了原图象的灰度分布情况,二值化后的7个不变矩和7个纹理特征描述了图象的形状和纹理信息.实验结果表明,该算法能够比较有效地应用于基于内容的医学图象检索中,在查全率和查准率上都优于实验中其他两种方法.     

一种直方图局部均衡化的新方法

直方图均衡化(HE)是一种简便有效地增加灰度图象动态范围的方法,被广泛地应用于图象处理的各种领域,如医学照片,数字相片处理.它可以方便地增加图象的对比度,令图象的视觉信息量达到最大.但是这种方法存在很大的局限性,经直方图均衡化处理以后的图象和原图象在灰度上差别很大,在增加图象对比度的同时还将导致图象的亮度增加,并会产生噪声.本文对直方图的均衡化进行了一定的研究,将一些改进的方法,如自适应均衡化(AHE),双直方图均衡化(BBHE)等进行了比较,从而提出了一种根据图象直方图的局部形态对图象进行直方图局部均衡化的方法,这种方法一方面将像素的灰度值分散,可以分辨图象中比较细节的内容;另一方面,将图象的灰度变化控制在一定范围之内,抑制了噪声的产生,较大程度上地保留了原始图象的亮度.     

基于激发介质进行图像处理

基于一种典型激发介质——BZ反应介质的特性来进行图像处理，探讨了描述BZ反应的Tyson模型的动力学特性，结合单扰动理论构建了二维细胞自动机，并将其应用于图像处理．在实验中获得了边缘增强、灰度变换、正负模式翻转等多种图像处理结果，且所有这些结果在一次演化过程中即可全部获得。     

脑CT图象分形插值处理

由于插值方法常用于提高医学图象的质量或用于弥补在有损压缩中丢失的图象信息,因此图象插值在医学图象处理中具有特殊的地位,虽然如今已提出了许多插值方法,然而传统的插值方法（如线性插值、双线性插值等）在处理图象后,会丢失图象的纹理特征,即产生平滑效应。文献[1]通过对自然景物图象的灰度研究,证明了自然景物纹理图象的灰度满足各向同性随机分数布朗场（FBR）模型。在此基础上,为克服插值中易产生的平滑问题,提出了一种将分形插值应用于脑CT图象处理的相关参数计算和插值算法。另外,为评价插值图象的质量,同时还引进模糊数学中模糊度和模糊熵的概念,即用模糊度及模糊商来对插值图象质量进行评判。模拟实验结果表明：这种新方法比现有的同类算法（双线性插值）有更好的性能。     

一种基于数学形态学的遥感图象边缘检测算法

为有效提取边缘密度大的遥感图象中的边缘信息,该文提出了一种利用灰度形态变换原理进行检测的有效算法,首先利用开-闭形态滤波器降低输入图象的噪声,然后将二值图象的边缘提取算法推广到灰度图象中加以应用。实验结果证明,此方法优于灰度形态梯度法,同时也优于Canny算子。     

用混合弹性模型解决图象变形匹配问题

由于用传统的刚体匹配方法难以解决待匹配图象之间的结构差异 ,因此需要引入变形模型来进行图象的非刚体匹配 .为此提出了一种利用混合弹性模型 (HEM)来解决图象变形匹配问题的新方法 .该方法不需要预先提取图象的特征 ,而是直接利用匹配图象之间的灰度信息来实现图象之间的匹配 .匹配时 ,首先通过基于主轴的方法来实现两幅图象之间的全局仿射匹配 ;然后利用线性弹簧网模型来求取两幅图象之间的相关性 ,并进一步利用薄板样条模型来实现两幅图象的变形匹配 .该方法在匹配过程中还采取了多分辨率匹配策略 ,合成图象和医学脑图象的实验结果表明 ,该方法是有效的     

一种有效的文本图象识别方法

针对文本图象的识别,此文提出了一种新的方法.该方法中分别利用了图象的颜色及纹理信息,并将其结果进行融合得到了很好的效果.首先根据颜色直方图的特征,利用其分布特征及信息熵,对图象做识别;其次以图象的灰度共生矩阵用来表达纹理,并提取该矩阵的相关特征量用来对图象做识别.该方法充分考虑了文本图象的颜色及空间分布特性,提取了有效的表达参数,实验结果与性能比较表明,该方法是有效的.     

应用Snake模型提取彩色图象目标轮廓线的研究

为了更好地利用Snake模型来提取彩色图象中的物体轮廓，因而对Snake原型提出两点主要改进，即针对snake模型的手工初值设置问题，通过引入彩色聚类预处理过程来减少对人的依赖，首先，采用色彩聚类算法对原始图象进行分割，然后用改进的边缘追踪算法提取有意义区域的边缘，并用这一结果作为Snake模型的初值；然后针对Snake原型应用于彩色图象时出现的失真问题，通过对出错原因的分析，重新设计了Snake的外部能量函数，同时用像素在加权HSI颜色空间中的欧氏距离代替传统方法中常用的像素灰度的差分来近似图象梯度；最后，进行了对比实验，实验结果证明，改进后的算法，特别是在处理彩色图象时，大大优于原始方法．     

分形维数特征量对病变组织的超声定征

按照Ｍａｎｄｅｌｂｒｏｔ的分形理论,医学图象及许多自然图象的灰度表面的形成均符合分形布朗运动规律,而且可以用分形的维数来表征图象灰度表面的精细与粗糙程度。文中正是基于这种思想,采用图象的分形维数作为一个特征参量,对人体的肌肉组织进行超声定征。对６０ 多个样本三类病变图象提取分形维数,并采用基于Ｂａｙｅｓ法则的分类器分类,实验表明：用分形维数对组织进行定征,正确率达８８．３３％ 。这为医学的临床辅助诊断提供了一种新的参考量,对提高病变诊断的正确率有重大的意义     

基于知识的人脑三维医学图象自动分析显示系统

设计并实现了一个基于知识的人脑三维医学图象分析显示系统,完成了脑组织的自 动分割及显示.系统包含动态模块及静态模块两部分.静态模块即人脑知识库,存贮脑内各组 织形态、生理及图象灰度方面的知识.动态模块包含全局数据区、图象处理算子集和控制规则 集.在知识的指导下,运用"智能光线跟踪"方法提取、显示脑内主要解剖结构.