医学图像边缘检测算法的研究

边缘检测是医学图像处理中非常重要的一个环节,通过对几种经典边缘检测算法的分析,提出了一种基于Canny算子的改进算法.该算法以图像增强法代替原算法中的高斯滤波,以去除图像中的计算噪声,达到更好的边缘检测效果.仿真结果表明,该算法边缘检测定位精度得到较大的提高.     

改进的分水岭算法在医学图像分割中的应用

分水岭算法是一种常用的图像分割方法,由于分水岭算法是基于的图像灰度梯度,对噪声很敏感,直接运用分水岭算法分割图像,很容易产生过分割。为了去除过度分割,为此本文提出了一种改进的分水岭分割方法,首先利用中值滤波消除噪声,再用形态学基本运算得到梯度图像,然后利用形态学开、闭操作重建梯度图像,最后通过实验证明,基于数学形态学的分水岭算法分割医学图像效果优于传统的分水岭算法。     

中值滤波与各向异性扩散相结合的医学图像滤波方法

医学图像的滤波处理,须保留具有重要诊断意义的边缘细节信息。针对Perona-Malik(PM)各向异性扩散模型遇到强噪声则失效和扩散门限参数K依靠经验选取的不足,提出了一种改进的各向异性扩散算法。将PM算法与中值滤波结合,用经过中值滤波平滑后的梯度模代替原始图像的梯度模,以控制扩散的过程。应用自适应扩散门限(当前邻域内梯度的绝对偏差中值(MAD))和迭代终止准则,提高算法鲁棒性和效率。实验分别对超声心动图、CT图像和Lena图像进行去噪处理,用峰值信噪比(PSNR)和边缘保持能力EPI作为评价标准。实验结果表明,改进算法优于PM算法和Catte-PM方法,在提高信噪比的同时保留了图像的细节信息,可以更好地满足医学图像的使用要求。     

一种基于dwt域图像数字水印算法的设计与实现

基于dwt域图像数字水印算法,可以有效的对原始的数据载体进行保护。与传统的算法相比,它在鲁棒性、抗剪切方面的性能较强,因此在数据保护中显现出了独特的优势,通过对其原理与模型构建的分析,可以发现其优势所在,分析其优劣,可以更好的将基于dwt域图像数字水印算法应用到实践中去。在未来的算法发展中还要对基于dwt域图像数字水印算法进行不断的完善,使其在数据图像等信息的安全保护上发挥更重要的作用。     

中值滤波与各向异性扩散相结合的医学图像滤波方法

医学图像的滤波处理,须保留具有重要诊断意义的边缘细节信息。针对Perona-Malik(PM)各向异性扩散模型遇到强噪声则失效和扩散门限参数K依靠经验选取的不足,提出了一种改进的各向异性扩散算法。将PM算法与中值滤波结合,用经过中值滤波平滑后的梯度模代替原始图像的梯度模,以控制扩散的过程。应用自适应扩散门限(当前邻域内梯度的绝对偏差中值(MAD))和迭代终止准则,提高算法鲁棒性和效率。实验分别对超声心动图、CT图像和Lena图像进行去噪处理,用峰值信噪比(PSNR)和边缘保持能力EPI作为评价标准。实验结果表明,改进算法优于PM算法和Catte-PM方法,在提高信噪比的同时保留了图像的细节信息,可以更好地满足医学图像的使用要求。     

一种改进的医学图像配准插值算法研究

提出一种基于统计学的插值算法,依据所要进行插值点的方向性进行搜索插值,以确定该点是平滑区域还是边缘区域,根据预先设定的阈值进行插值处理.通过仿真实验,该算法很好地解决了边缘模糊和效果不佳的问题.     

改进的分水岭算法在医学图像的分割

分水岭算法由于其分割速度快、精确而受到很大的关注,但它存在过分割的问题。经过研究给出了改进算法,从两个方面来改进:(1)在算法执行前对输入图像进行滤波降噪处理;(2)在算法执行中结合动态合并准则直接对算法本身的形成的过分割区域进行抑制。实验结果表明,该方法能有效地处理过分割现象,是一种行之有效的方法。     

改进的分水岭算法在医学图像的分割

分水岭算法由于其分割速度快、精确而受到很大的关注．但它存在过分割的问题。经过研究给出了改进算法,从两个方面来改进：（1）在算法执行前对输入图像进行滤波降噪处理;（2）在算法执行中结合动态合并准则直接对算法本身的形成的过分割区域进行抑制。实验结果表明,该方法能有效地处理过分割现象,是一种行之有效的方法。     

图像的中值滤波算法及其FPGA实现

图像滤波是图像预处理过程中重要的组成部分,而基于FPGA的滤波算法相对软件算法而言具有高度的并行性,能满足实时图像处理的要求,同时也具有灵活的硬件可编程性;简要说明了中值滤波的原理,介绍并比较了标准中值滤波和多级中值滤波的特点和适用范围;针对滤波算法的邻域性特点,设计了基于FPGA的滤波器整体架构,并设计了标准中值滤波和多级中值滤波两种滤波算法的FPGA实现方案和功能仿真,同时通过实验结果对两种算法的滤波效果进行比较说明。     

基于ICP算法的医学图像几何配准技术

几何配准是医学图像领域研究的重要内容，医学图像几何配准的目标就是建立术前和术中两组点的变换关系。该文利用股骨为模型，讨论了基于轮廓特征的ICP医学图像几何配准算法，从技术上实现了术前建模和术中取点，并编制相应的ICP算法程序。     

基于方向滤波的指纹图像增强算法研究

论文在传统指纹图像增强算法的基础上,提出了一种改进的方向滤波指纹图像增强算法,算法速度得到提高,指纹图像增强效果显著。算法以方向滤波为基础,通过Sobel算子计算指纹图像的梯度和方向,根据指纹的特点设计方向滤波矩阵,由指纹局部方向选择相应方向滤波矩阵进行滤波,使指纹图像在纹线方向上得到增强,在垂直纹线方向上得到减弱,从而增加了前景和背景的对比度,消弱了噪声干扰,突出了指纹的有效信息,为后续的处理过程提供了良好的图像基础。     

医学X光成像中图像去噪算法研究

本文主要研究医学成像技术中经常采用的均值滤波、中值滤波和小波变换去噪算法。通过原理研究、实验仿真与去噪结果对比分析,了解其在图像细节复原和去噪方面的特点,并得到医学x光成像中去噪算法的应用区间。     

医学超声图像非均匀伪影校正研究磁

医学超声图像常受到非均匀性伪影的影响,使图像的局部统计特性发生变化,严重影响了超声图像的精确性。论文采用同态滤波方法消除非均匀性伪影,并通过仿真验证了该方法去除非均匀伪影的优势。     

Matlab在噪声滤除中的应用与实现

论文从介绍Matlab语言和滤除噪声常用的均值滤波和中值滤波方法出发,论述了Matlab在这两种方法中的具体应用和实现过程,体现了数字图像处理技术的广泛应用和Matlab的强大功能.目的在于给更多学习和研究数字图像处理技术的学者提供资源并推广Matlab的应用.     

几种基于内容图像检索匹配算法的比较研究

利用同一个图像检索系统,对比研究基于内容图像检索的几种匹配算法的检索效果。实验证明,基于HSV空间彩色距离和绝对值距离要优于其他方法,初步达到了令人满意的效果。     

用于图像分割的滤波EM算法

利用邻近像素类别上的相关性,在采用EM算法对模型参数求解的过程中,以滤波方法引入像素的空间位置信息,降低了EM对初始值选择的敏感性.该算法在引入了像素的位置信息的同时,保持了EM算法的简单性,并为混合分量个数的选择提供了一种新的实现途径.对实际图像的分割结果证实了算法的有效性.     

医学图像分割算法的评价方法

对医学图像分割算法的客观评价是推进算法在临床上得到应用的关键。针对目前对医学图像分割方法的研究较多,而对分割算法的评价方法的研究却很少的问题,提出了一种判断和比较医学图像分割算法优劣的评价方法。首先对现有的几种评价方法进行了综述,并总结出了一套评价系统。可靠性、精确性、区域统计特性和效率是评价一个分割方法的4个重要参数,结合医学图像分割分别对它们的定义进行了说明。这些参数互相影响,评价分割算法时必须权衡这些指标,根据不同的应用背景赋予它们不同的权重。此外,还介绍了如何建立医学图像分割金标准数据库的方法。最后,通过Insight Toolkit（ITK)软件包中的两个算法例子,结合脑白质分割的医学背景,演示了如何利用本文评价系统来对这两种分割算法做出比较。实验结果表明,该评价方法可行,比较结果具有合理性。该研究为医学图像分割算法的评价提供了科学合理的方法,同时也指出了推动医学图像分割算法在临床上应用所应解决的问题。     

基于稀疏表达的图像超分辨率算法实现*

基于学习的超分辨率算法利用样本先验信息重建高分辨率图像,在遥感、刑侦和医学图像领域有着广泛应用。论文分析了前沿的基于稀疏表达的图像超分辨率算法,实现了该算法功能,为了便于基于稀疏表达超分辨率算法的应用,论文设计并实现了基于对话框和参数调节控件的图像超分辨率算法框架,实验结果表明论文实现的算法框架具有良好的可用性和拓展性。     

卡尔曼滤波与维纳滤波在运动模糊图像恢复中的应用

通过对运动目标在运动方向上运动的分析,建立运动模糊图像退化模型,结合卡尔曼滤波与维纳滤波在应用方面的特点进行图像恢复。研究了卡尔曼滤液与维纳滤波在图像恢复方面特点与区别,说明卡尔曼滤液更适合机动目标模糊图像的恢复.     

基于矢量尺度的图像滤波

对于医学图像滤波来说,很重要的一点就是滤波后的图像应该尽可能地保留图像中的边缘和细节特征.但通常在滤波过程中,在消除噪声的同时会模糊图像中一些重要的结构信息.在最近几年中,基于尺度的滤波方法已经有效地应用在灰度图像的滤波中.现把基于尺度的方法推广到矢量(彩色)图像的滤波中.在传统滤波方法(矢量中值滤波、基本矢量方向滤波和方向距离滤波)基础上,相应地提出了3种基于球尺度的矢量滤波器.新的滤波方法能根据图像中像素的尺度信息,在图像边缘和细节附近,即区域边界执行较小的平滑,而在区域内部进行较大的平滑,从而能够自适应地控制滤波过程.实验结果表明,所提出的滤波方法与传统滤波方法相比,在消除噪声的同时更能够保留图像中的边缘和细节特征.