基于活动轮廓模型和统计特征的血管内超声图像的边缘提取

血管内超声(IVUS)图像边缘的提取对冠状动脉疾病的诊断和治疗有着重要的意义。为此,提出了一种用于自动提取血管内超声图像内、外膜边缘的方法。这种方法基于活动轮廓模型和超声图像的对比度特征量以及Rayle igh分布统计特性,有效利用动态规划和启发式图搜索方法,分别在不同的代价函数形式下,对血管内超声图像内、外膜边缘进行自动提取。实验结果表明,和以往的提取方法相比,该方法算法简单,准确性较高,对序列图像处理的可重复性和鲁棒性较强,是一种较好的全局最优化算法。     

一种血管内超声图像边缘提取的新方法

血管内超声图像的血管壁内外膜边缘检测是IVUS图像处理中必不可少的步骤与重要环节, 基于主动轮廓模型的血管壁边缘提取的效果好坏很大程度上依赖于初始轮廓能否较为精确的选取. 提出了一种提取血管壁边缘的新方法, 以自适应阈值分割的方式降低目标图像的复杂度, 结合marr边缘检测算子找到血管壁内外膜边缘的初始轮廓, 在此基础之上, 采用改进的GVF-snake算法使初始轮廓线精确收敛于真实的血管壁边缘, 实验结果验证了此方法的有效性.     

基于snake模型的IVUS图像序列三维分割方法

针对血管内超声（Intravascular Ultrasound,IVUS）图像序列中血管壁内外膜轮廓的提取问题,提出一种基于snake模型的三维并行分割方法。首先,对原始图像进行滤除噪声和抑制环晕伪像等预处理。然后,获取IVUS图像序列的四个纵向视图,并从中提取出内腔边界和中-外膜边界。通过将这些边界曲线映射到各帧IVUS图像中,得到横向视图中的初始轮廓。最后,将该初始轮廓作为snake模型的初始形状,通过使snake能量函数最小,模型不断变形,最终得到各帧IVUS图像中的内腔和中-外膜边界。该方法可实现对IVUS图像序列的并行分割,与二维串行分割方法相比,可大大提高处理效率。采用大量临床图像数据的实验结果证明该方法可自动、快速、可靠的完成IVUS图像序列的分割。     

血管内超声图像序列的边缘自动检测方法

针对具有强背景噪声及伪影干扰的血管内超声图像,提出一种自动提取血管壁内外膜边缘的新方法.利用图像序列的空间和时间相关性对噪声进行抑制,在GVF-Snake模型中引入调节因子和自适应法向外力,扩大边缘的捕捉范围,以提高活动轮廓对噪声的鲁棒性和提高图像提取精度,同时利用三次B样条增强边缘平滑性,加快收敛速度.实验结果表明,该方法的检测准确性较高,运行时间较短.     

量子衍生PDE医学超声图像去斑

目的 医学超声图像常常受到斑点噪声的污染而导致质量降低,影响后续诊疗.为了解决医学超声图像在滤波去斑的同时保持图像边缘细节和结构特征的问题,借鉴量子力学的基础理论,提出一种量子衍生偏微分方程(PDE)医学超声图像去斑方法.方法 针对传统P-M方程各向异性扩散的自适应去斑能力有限的问题,引入量子理论改进扩散系数增强去斑算法的自适应能力.同时构造出各向异性扩散模型,提出一种量子衍生的偏微分方程医学超声图像去斑方法.结果 通过对模拟斑点噪声污染的图像和真实医学超声图像实验,比较信噪比(SNR)、边缘保持度、结构相似度(SSIM)等客观评价指标,本文方法较其他图像去斑方法更能有效去除斑点噪声,同时又能较好地保持图像边缘细节与结构特征.结论 本文方法能够有效地解决医学超声图像去斑中保持图像细节特征的问题,同时,量子理论的引入也为后续医学超声图像的研究提供了新思路.     

一种抑制IVUS 图像序列中运动伪像的方法

针对连续回撤超声导管采集的冠状动脉血管内超声（intravascular ultrasound,IVUS）图像序列中存在由周期性心脏运动所致运动伪像的问题,提出一种抑制 方法,以改善IVUS 纵向视图的视觉效果。首先,在综合分析运动伪像产生机制和表现形式 的基础上,对相邻帧之间血管壁的刚性运动进行定量估计;然后,采用谱分析方法完成刚性 运动参数中运动分量和几何分量的分离;最后,通过对各帧图像中血管壁的运动分量进行补 偿,完成对运动伪像的抑制。该方法既不需要专门的ECG 门控图像采集装置,也无需记录 ECG 信号,同时不需要抛弃有用帧,在抑制运动伪像的同时保证图像数据集合的完整性。 对模拟图像和临床图像的实验验证了方法的可行性。     

应用ROF模型的医学超声图像去噪方法

由于超声成像机制使医学超声图像中存在着大量的斑点噪声,这些斑点噪声大大降低了图像的清晰度和质量,给超声诊断带来很大的困难。针对医学超声图像的斑点噪声去噪问题,提出了一种基于帧相关处理、ROF分解和自适应小波阈值的去噪方法,能够在抑制超声图像斑点噪声的同时,尽可能地保留甚至增强图像的细节信息,大大提高图像质量,取得了很好的效果。     

结合图像增强的心血管内超声中-外膜边缘检测

针对心血管内超声(IVUS)图像中-外膜边缘检测中,伪影、斑块及血管分支等造成边缘难以准确检测的问题,提出一种基于空频域图像增强的中-外膜边缘检测算法。首先,采用一种空频域相结合的增强算法对图像进行增强处理,该增强算法结合了基于方向滤波器组的频率域增强算法与基于邻域、直方图均衡化的空间域增强算法的优点,同时克服了前者导致的对比度降低的缺陷及后者带来的图像细节模糊的缺陷。然后,将增强后的图像数据矩阵作为代价矩阵,利用启发式图搜索法对代价矩阵进行图搜索,从而获取中-外膜边缘。实验结果表明,本文增强算法在增强中-外膜边缘特征的同时改善了图像的对比度和清晰度,使基于其增强结果的图搜索能准确地检测到中-外膜边缘,其检测正确率达到92.76%,提高了IVUS图像中-外膜边缘检测的准确性。     

一种新的边缘保留各向异性扩散方法

由于超声图像中的斑点严重影响了图像质量,也增加了临床诊断与治疗的困难,因此对于噪声图像,往往要先用高斯卷积对图像进行一定的平滑,再通过求微分来检测边缘。为了更好地滤除超声图像中的斑点,通过构造基于高斯卷积的结构张量,并将其引入到各向异性扩散方法中,实验结果表明,这种新的各向异性扩散方法不仅能有效地抑制斑点噪声,而且能检测并保留图像边缘与细节特征。     

血管内超声图像初始轮廓提取算法的研究

Snake模型在医学图像分割中的应用已经越来越广泛,但在应用该模型时,如何选取合适的初始轮廓是一个难题;在对血管内超声医学图像的研究基础上,提出了一种基于灰度信息与ROI区域的初始轮廓获取方法,根据IVUS图像的灰度特征对其进行自适应阈值分割以及面积滤波,然后获得分割轮廓点集进而得到snake初始轮廓点集;在matlab7.0环境分别对不同类别的2种IVUS图像的中外膜边缘提取进行仿真实验,实验证明该方法获得的初始snake轮廓较为逼近目标真实轮廓且适合于snake模型进行迭代收敛,由于其初始轮廓已较为接近目标真实轮廓,因此节省了snake模型的迭代次数,算法运行效率也优于手工提取初始轮廓的snake方法,可以较为方便的应用于实际领域。     

Edge Detection of Ultrasonic Medical Image Based on Mathematical Morphology

During the ultrasonic medical image edge detection, one of the difficult problems is that there am some speckles that show strongly variance of image gray level, the speckles reduce the space difference and remain the detailed structure under cover.Edge detection algorithms have had fairly limited application in ultrasound imaging. High levels of speckling present in ultrasound images make accurate edge detections difficult. In this paper, a novel edge detection method based on mathematical morphology is presented. Firstly, according to the statistical characteristic of the speckle, the speckle filtering method based on multidirectional morphological structure is presented. The experiment shows that the speckle noise has been filtered and image details have been preserved by the method based on local statistical property of the image, the edge detection result shows that this method is reliable and effective. Certainly the speckle filtering and the edge detection are not the final objective and would like to be proved and perfected in the further research of ultrasonic image analyzing.     

基于偏微分方程的医学超声图像去噪方法

研究了各向异性扩散方程在医学超声图像去噪中的应用。在理论上对去噪原理进行了分析,并在此基础上采用改进的针对乘性噪声的各向异性扩散算法对医学超声图像去噪,实验结果表明,该方法在有效去除噪声的同时较好地保留了医学超声图像中的重要细节信息,使图像的细节部分清晰。该方法可以有效地去除超声图像斑纹噪声,提高图像的质量。     

一种基于小波域隐马尔可夫模型的SAR相干斑抑制算法

相干斑噪声是SAR图像的固有特点。对相干斑抑制的要求是在平滑噪声的同时，尽量保持原始图像的结构信息。现有的许多相干斑抑制方法各有优点和不足，没有普遍的适用性。基于图像在小波域的隐马尔可夫模型(HMMs)结构，结合SAR图像中相干斑噪声的统计特性，本文提出了一种新的小波域相干斑抑制方法。仿真及实测数据处理结果表明，该方法在有效抑制相干斑的同时，更好地保持了边缘结构。与小波域软阈值去噪方法和Lee滤波器相比较，该方法在噪声平滑及边缘保持上都取得了较大的改进，并得到了较好的视觉效果。     

基于卡尔曼滤波的SAR图像边缘检测方法

针对传统 Canny 边缘检测算法对合成孔径雷达(SAR)图像的相干斑噪声抑制程度 太高,导致大量边缘的真实信息丢失问题,提出一种新型 Canny 算子边缘检测算法。首先建立 合适的非对称半平面区域(NSHP)图像模型,将空间模型转换成卡尔曼滤波可适用的系统状态方 程;然后用“预测+反馈”的方式对图像去噪;最后通过双阈值算法提取图像的边缘。仿真实验表 明,该方法可以有效地抑制 SAR 图像中的相干斑噪声,同时能较好地保留图像的边缘信息,相 对于传统的 Canny 算法有较好的检测效果。     

A novel method for speckle noise reduction and ship target detection in SAR images

It is very difficult to detect small targets when the scattering intensity of background clutter is as strong as the targets and the speckle noise is serious in synthetic aperture radar (SAR) images. Because the scattering of man-made objects lasts for a longer time than that of background clutter in azimuth matching scope, it is much easier for man-made objects to produce strong coherence than ground objects. As the essence of SAR imaging is coherent imaging, the contrast between targets and background clutter can be enhanced via coherent processing of SAR images. This paper proposes a novel method to reduce speckle noise for SAR images and to improve the detected ratio for SAR ship targets from the SAR imaging mechanism. This new method includes the coherence reduction speckle noise (CRSN) algorithm and the coherence constant false-alarm ratio (CCFAR) detection algorithm. Real SAR image data is used to test the presented algorithms and the experimental results verify that they are feasible and effective.     

基于模糊连接度的高分辨率SAR图像道路自动提取

针对高分辨率合成孔径雷达(SAR)图像受到乘性斑点噪声的影响,且道路环境复杂多变的问题,提出一种基于模糊连接度的高分辨率SAR图像道路自动提取方法。首先,对SAR图像进行斑点滤波,以降低斑点噪声的影响;其次,结合指数加权均值比(ROEWA)算子检测结果和模糊C均值(FCM)分割结果自动提取种子点,从而提高自动化程度;最后,利用以图像灰度和ROEWA检测算子边缘强度为特征的模糊连接度算法对种子点进行扩展提取道路,经形态学处理后得到最终结果。对两幅SAR图像进行实验,并与FCM方法分割出的道路结果进行比较,所提出的方法在提取完整率、正确率及检测质量上均优于模糊C均值方法。实验结果表明,所提出的方法能较有效地从高分辨率SAR图像中提取不同宽度和弯曲程度的道路,且无需人工输入种子点。     

超声图象的自适应线边界检测方法

针对超声图象存在一种特殊的斑点噪声 ,使图象边界与细节变得模糊 ,而严重影响图象质量的问题 ,提出了一种自适应线边界检测方法 ,即以不同方向与不同大小的“窄条”来近似组织边界 ,这种“窄条”是指具有不同长度、方向各异的线段 .该方法首先将经过每一像素点的“窄条”的最大投影作为该点的灰度值 ;然后应用假设试验优化方法确定“窄条”方向 ,而“窄条”的长度由基于区域增长的局部统计特性决定 .通过引入噪声抑制与边缘保留量化参数 ,进行了仿真斑点图与组织超声图的处理实验 ,并与自适应斑点抑制滤波、直接线边界检测方法进行了比较 ,结果证明 ,该方法不但能有效地抑制斑点噪声、而且能很好地保留与增强图中的组织边界与局部细节 .     

一种改进的相干斑噪声抑制算法

研究了一种新的合成孔径雷达相干斑噪声抑制的算法.传统的噪声抑制和近年来的小波变换方法都有其不足之处,难以在高效降低斑点噪声的同时保持图像细节.结合增强Lee算法中的思想与小波算法用于抑制SAR图像中相干斑噪声,能够获得良好的效果,通过和现有的几种抑制斑点噪声的滤波算法进行定量的实验比较,主要的评价指标有斑点噪声指数,等效视数、平滑指数和边缘保持指数,由仿真结果可以看出算法具有较好的相干斑噪声抑制能力和边缘保持能力.     

改进极化白化滤波的边缘检测

针对SAR影像边缘检测受斑点噪声影响严重和极化信息利用不充分的问题,用滑动模板边缘两侧目标的协方差矩阵代替了极化白化滤波中杂波背景与窗口中心的协方差矩阵,提出一种基于改进极化白化滤波的边缘检测新方法,充分利用了极化通道间的相关性,在有效抑制斑点噪声的同时,提高了极化信息的利用率。模拟和真实极化影像的实验验证了新方法的有效性。