一种适用于脑部CT图像的模糊边缘检测新算法

边缘检测是医学CT图像处理中最重要的内容之一,系统地分析了Pal.King模糊边缘检测算法的不足,提出一种适用于脑部CT图像的新型模糊边缘检测算法。该算法首先确定模糊增强变换中的最佳阈值参数,对待测图像所对应的模糊特征平面通过基于此阈值定义的隶属函数来提取,并且对图像进行分区模糊增强和平滑处理以达到更好的边缘检测效果。仿真结果表明,针对所要处理的脑部CT图像,与几种经典的处理方法相比,本算法能够提取出更加真实和完整的边缘信息。     

基于阈值优化的图像模糊边缘检测算法

边缘检测是图像预处理中最重要的内容之一,本文使用遗传算法对阈值优化得到最佳阈值参数,对模糊边缘检测算法进行改进,根据此最佳阈值来定义一个新的简单隶属度函数,简化了Pal.King算法中复杂的G和G-1运算。不仅使复杂计算简单化,还减少了迭代次数。仿真结果表明:该算法具有较强的检测模糊边缘能力,是一种实用、高效的边缘提取算法,同时此方法很容易扩展到多阈值图像边缘处理。     

基于小波和快速模糊算法的医学图像边缘检测

在医学图像中,常常需要得到图像的边缘轮廓线,以便诊断病变情况.为适应这种需求,文中提出了基于小波分解和快速模糊算法的医学图像边缘检测方法.针对用模糊算法构造相应隶属函数进行图像边缘检测中存在的低频信号得不到有效利用、边缘检测速度较慢等问题,利用小波分解和快速模糊算法的优点构造边缘检测算法.这种方法使得小波分解后的低频信号中所包含的有用信息得到了利用,简化了算法并提高了算法的效率,增强了算法的适应性.文中算法检测出的图像边缘与经典边缘算子提取的图像边缘相比较,结果更加清晰完整.     

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.     

改进的模糊形态学边缘检测算法

提出了一种新的基于模糊形态学的边缘检测算法。算法结合模糊增强方法和模糊形态学边缘检测方法,使用简单隶属度函数将图像映射到模糊特征平面,利用滑动窗口技术进行模糊增强,增大边缘的灰度差,将增强后的模糊图像调整回原始区域,采用多方向模糊形态学进行边缘提取。实验结果表明该算法优于传统的边缘提取算法。     

遥感图像的模糊边缘检测技术

本文结合遥感图像的实际背景，给出了可用于操作实施的模糊边缘检测数学模型和算法。     

医学图像的快速最优化边缘检测

在医学图像的目标识别和三维显示过程中，边缘检测是十分重要的一环，检测的准确性将直接影响以后续的治疗，虽然现在已有许多边缘提取算法，但这些方法用于医学图像分割时委能同时满足速度快、最优化以及所检测边缘连接甚至封闭等要求，本文提出一种基于动态规划的边缘检测的快速算法，在算法中采用局域窗技术加快搜索速度，由分段搜索自适应地实现快速最优化且连续的目标边缘检测，算法在模型图像及医学图像中实施，取得了满意的效     

医学图像分割算法研究

医学图像分割是医学领域不可或缺的组成部分,对于诊断和治疗具有重要意义。在MATLAB软件环境中设计了医学图像分割算法。从医学影像库中选取2张不同诊断图像,采用图像处理算法进行分割,并对处理结果进行研究和探讨。分割算法以阈值分割法和边缘检测法为主要研究对象,其中阈值分割法以大津（Otsu）算法分割为主,边缘检测法采用索贝尔（Sobel）算子、高斯拉普拉斯算子（Laplacian of Gaussian,LoG）算子、Canny算子3种算子进行对比分析。选出一种更普适的分割算法,有效提高医学图像的分割精度和效率。     

基于局部图像锐化的自适应模糊边缘检测算法

为了准确检测出模糊边缘的位置 ,对用小尺度滤波器检测模糊边缘时噪声影响检测效果的原因进行了分析 ,依据这些噪声点在模糊边缘附近的统计分布规律 ,提出了一种用于图像锐化的阈值计算方法 ,算法自适应地计算图像不同区域对应的图像锐化阈值 ,并用这个值来锐化模糊边缘图像 ,实现对模糊边缘的准确提取。实验结果证明该算法能有效去除模糊边界处的干扰点 ,明显改进了小尺度滤波器提取模糊边缘的性能     

一种快速模糊图像边缘检测算法

针对传统模糊方法处理速度慢的弱点,该文建立了一种新的快速图像处理算法,包括模糊图像增强、模糊平滑和模糊边缘检测,该方法利用相应算法建立快速查找表,通过简单的查表运算,大大提高了图像处理速度。所提方法的快速性和有效性在B-超图像应用后得以证明,并取得了比其他处理方法好的效果,为这种新的快速模糊图像边缘检测算法在B-超临床应用打下基础。     

改进的模糊推理规则图像边缘检测算法

图像边缘检测是数字图像处理领域的关键技术,边缘检测的结果决定了图像后续处理的质量。模糊推理规则边缘检测算法具有较强的边缘检测能力,并且具备一定的抗噪效果。但是,这种算法只在高斯噪声较小时有效,当高斯噪声较大时它的边缘检测效果甚至比Canny等算子的效果还差。针对模糊推理规则算法在强高斯噪声时效果较差的问题,提出一种改进的模糊边缘检测算法。该算法能够根据图像含噪情况调整边缘检测方案：当噪声较弱时,使用模糊推理规则边缘检测算法;当噪声较强时,为提高算法抑制噪声的能力,使用改进的模糊推理规则边缘检测算法。实验结果表明,该方法具有更好的抗噪性能和边缘检测能力。     

医学图像边缘检测的Levy-DNA-ACO算法研究

以带Levy飞行特性的新型DNA-蚁群算法为手段,提出了一种新的医学图像边缘检测优化智能算法。带Levy飞行特性的新型DNA-蚁群算法通过利用Levy飞行特性的扰动性避免基本算法陷入局部最优,利用DNA交叉与变异操作来调控算法参数,从而缩短搜索时间,提高搜索精度。利用新的改进蚁群算法解决医学图像边缘检测,实验仿真效果表明改进蚁群算法在解决医学图像边缘检测问题上更加精细,效果更好。     

A rank ordered filter for medical image edge enhancement and detection using intuitionistic fuzzy set

This paper gives a novel scheme using intuitionistic fuzzy set theory to enhance the edges of medical images. Medical images contain lots of uncertainties, as they are poorly illuminated and fuzzy/vague in nature. So, direct segmentation techniques will not produce better results. There are lots of researches on edge enhancement starting from non-fuzzy to fuzzy set, but proper enhancement (highlighting important structures) is not obtained. Enhancement of edges helps in recovering the important structures that are not visible properly. Even minute pathological blood vessels/cells are not visible properly and in that case edge enhancement will enhance these blood vessels/cells. Intuitionistic fuzzy set theory is found suitable in medical image processing as it considers more (two) uncertainties as compared to fuzzy set theory. In the processing phase, image is initially converted to intuitionistic fuzzy image and intuitionistic fuzzy entropy is used to obtain the optimum value of the parameter in the membership and non-membership functions. Then it computes the total variation of the pixels with respect to the median value of the image window (rank order filtering). This enhances the borders or the edges of the image. The resulting image is then segmented (edge detected) using standard Canny's edge detector, when simply using Canny's edge detector does not give better result. From the result it is observed that on comparing with non-fuzzy and fuzzy methods, the proposed method gives better information about the images, which is helpful to the pathologists in accurate diagnosing of diseases.     

基于边缘扩散的医学图像非线性去噪算法*

在对医学图像去噪的同时保留边缘信息,对于后期的诊断具有重要的意义。分析了ＰＭ和Ｃａｔｔｅ算法 以及它们的不足,提出了一种基于边缘扩散的非线性去噪方法,通过边缘检测把图像分为边缘和非边缘两部分, 非边缘区域通过各向同性算法去噪;边缘区域通过各向异性算法去噪,改进扩散形式,只沿边缘方向扩散去噪。 实验表明方法非常有效,带噪声的医学图像经过改进后的算法去噪处理,图像质量得到明显的改善。     

改进的模糊C-均值聚类医学图像分割算法

针对模糊C-均值聚类算法分割图像时容易产生模糊边缘的缺点,提出了一种结合图像梯度和模糊C-均值聚类的图像分割方法.该方法利用图像梯度反映出来的目标边界,对由模糊C-均值聚类所获得的聚类区域进行分割,把因模糊性而划分到目标区域的像素点与目标区域进行分离,同时利用区域增长方法找出干扰区域并删除.将该算法应用到胰腺ERCP图像分割,实验表明,改进算法能够比较准确地分割出图像中的目标,减少因模糊聚类产生的模糊边缘.     

改进的多层次模糊增强算法应用研究

在工业上由CCD相机拍摄的图像,因一些不利的因素,会产生斑点噪声且使待检测的目标间强度对比比较明显。对这一问题,目前常用的传统边缘检测和基于模糊理论的边缘检测方法存在着各种缺陷,由此提出了一种多层次模糊增强边缘检测算法。该算法首先使用Valley-emphasis算法来计算阈值参数,根据阈值定义的凸非线性隶属函数对待测灰度图进行模糊特征平面映射,再对模糊域进行平滑处理和模糊增强。在此基础上,提出了基于模糊熵的边缘检测方法。实验结果表明该算法有效,检测结果为工业上质量控制提供了重要依据。     

基于模糊推理的边缘检测新算法

研究了原有的基于模糊推理的边缘检测算法。在分析原有算法存在问题的基础上,提出了一种新的模糊化规则,利用方向灰度对比度去确定边缘隶属度值,增加了去除伪边缘的规则,使得边缘细化。对原有算法和新算法进行了品质因素和平均运行时间的算法性能的对比、分析。     

一种基于PCNN的医学图像边缘提取方法*

边缘提取是图像处理的基础工作,如何精确、有效地提取边缘是图像处理领域相关学者讨论的热点问题,由此产生的各种边缘检测方法层出不穷并且得到了很好的应用,但这些方法都无法达到人眼识别物体边缘的精确程度。目前脉冲耦合神经网络（pulse coupled neural network, PCNN）是图像处理领域较为接近生物视觉进行图像处理的有力工具。改进基本的PCNN模型,提出了一种新的模拟生物视觉提取图像边缘的方法,该改进方法有效地利用了PCNN的特性。将该方法应用于医学图像的边缘提取,并与几种经典边缘检测算法、     

区间二型模糊集彩色遥感图像边缘检测方法

针对一型模糊集其隶属度函数是确定的,不具有柔性,很难满足图像的多方面边缘检测要求,及传统PalKing算法采用单一阈值对图像进行增强难以满足灰度变化丰富且含大量信息的彩色遥感图像处理的要求。提出了一种新的基于区间二型模糊集的彩色遥感图像边缘检测方法。实验结果表明,它能较好地检测出彩色遥感图像边缘,因此是一种实用有效的彩色遥感图像边缘检测方法。