基于ICA的全色影像和多光谱影像融合算法

提出了一种新的基于独立成分分析的全色图像和多光谱图像的融合算法。对于两幅图像的重叠区域，使用独立成分分析去除遥感影像中高阶数据冗余问题，然后对通过独立成分分析所分离的各个分量进行叠加从而得到最终的融合结果。该方法的优点在于去除了原始图像上的数据冗余，提高了融合后图像的信息量和信噪比。     

基于树型稀疏模型的重构算法在人脸图像中的研究

人脸图像的识别率一直以来都是研究的热点。提出一种基于树状稀疏模型的算法。首先通过在小波域稀疏特性基础上构建一种图像数据的树状稀疏模型,进而针对此模型设计一种新的人脸图像重构算法。在人脸图像中使用消除人脸部的冗余信息,通过与传统重构算法的比较以及采用3个标准人脸数据集对该算法进行测试。仿真实验表明,该算法相对于参比算法,提高了人脸图像识别精度,具有很好的鲁棒性。     

利用稀疏编码的遥感影像超分辨率重建

针对现有的超分辨率重建算法存在重建效果不够理想以及算法效率低下的问题,提出了一种利用稀疏编码的超分辨率重建算法,利用遥感图像在特定字典下具有稀疏性,通过学习遥感图像集获取的字典,在已有遥感影像的基础上获取更高分辨率的影像,从而便于影像视觉解译和信息提取。所提出方法建立了高低分辨率影像块稀疏系数间的非线性映射关系,极大地减少了字典模型的冗余和误差,提高了重建的效率。实验表明,该算法不仅在信噪比值和结构相似性值优于其他算法,还提高了算法效率。     

基于MIMICS软件的脊柱三维重建算法研究

探讨基于MIMICS图像处理软件的脊柱三维重建算法。采集真实患者脊柱部位的CT影像数据,应用比利时医学交互式影像控制系统软件(Materialise's Interative Medical Image Control System, MIMICS)对影像数据进行图像处理、三维重建。采用基于灰度值的阈值分割、蒙版编辑、区域增长等算法编辑图像,最后计算三维蒙版获得脊柱的三维模型。结果:获得可编辑的stl格式的脊柱三维模型。应用MIMICS软件可基于脊柱CT影像数据高精度、准确的、快速建立三维模型,以用于临床的测量、手术规划、3D打印和数字骨科的有限元仿真。     

医学影像云存储模型的研究与设计

为解决早期云计算模型对医学小文件存储出现的单节点问题,数据高冗余造成数据的不一致性以及检索效率低等方面的问题,提出一种新型云存储模式。模型中,引入BWFS算法实现优化海量医学小文件序列化合并,优化纠删码算法实现数据块编码,减少数据块的冗余存储,而且引入位图索引技术与HBase索引结合形成新型并行索引策略,优化HBase主索引的缺点。实验表明,新型存储模型通过使用BWFS算法和纠删码技术减少了集群主控节点的内存消耗,在保证数据快速恢复的情况下,减少了集群数据的冗余存储,并行索引技术提高了医学数据影像的检索效率。     

肺部影像解剖结构分割数据集及应用

目的 从影像中快速精准地分割出肺部解剖结构可以清晰直观地分辨各解剖结构间的关系,提供有效、客观的辅助诊断信息,大大提高医生的阅片效率并降低医生的工作量。随着影像分割算法的发展,越来越多的方法应用于分割肺部影像中感兴趣的解剖结构区域,但目前尚缺乏包含多种肺部精细解剖结构的影像数据集。本文创建了一个带标签的肺部CT/CTA （computer tomography/computer tomography angiography）影像数据集,以促进肺部解剖结构分割算法的发展。方法 该数据集共标记了67组肺部CT/CTA影像,包括CT影像24组、CTA影像43组,共计切片图像26 157幅。每组CT/CTA有4个不同的目标区域类别,标记对应支气管、肺实质、肺叶、肺动脉和肺静脉。结果 本文利用该数据集,用于肺部CT解剖结构分割医学影像挑战赛——2020年第四届国际图像计算与数字医学研讨会,该挑战赛提供了一个肺血管、支气管和肺实质的评估平台,通过Dice系数、过分割率、欠分割率、医学和算法行业专家对分割和3维重建效果进行了评估,目的是比较各种算法分割肺部解剖结构的性能。结论 本文详细描述了包括支气管、肺实质、肺叶、肺动脉和肺静脉等解剖结构标签的肺部影像数据集和应用结果,为相关研究人员利用本数据集进行更深入的研究提供参考。     

基于三维整数小波与自适应预测的高光谱图像压缩研究

高光谱图像作为一种三维图像,其海量数据给存储和传输带来极大困难,必须对其进行有效压缩。根据高光谱图像的特点,本文提出了一种基于三维整数小波与自适应预测的无损压缩算法。首先利用三维整数小波变换充分消除高光谱图像的谱间冗余和空间冗余,自适应预测编码可以进一步消除变换后低频子带之间的冗余,从而进一步提高压缩性能;最后利用JPEG-LS标准和SPIHT算法分别对数据进行无损压缩。通过改变小波基,也可实现有损压缩。实验结果表明,该算法可以取得较好的无损和有损压缩效果。     

基于冗余第二代小波的多传感器图像融合算法

为了增强来自不同传感器的图像信息,改善图像的提取能力,本文采用了一种基于冗余提升小波变换的图像融合算法,算法针对变换后的低频分量和高频分量的不同特点,选用了不同的融合规则进行融合,然后通过冗余提升小波逆变换得到融合图像。实验结果表明,本文算法实现的数据融合图像内容清晰,明显地保存了边缘细节,提高了运算速度,取到了较好的融合效果。     

基于NSCT-GLCM的CT图像特征提取算法

针对海量CT图像分割中特征提取的难题,提出一种非下采样轮廓变换(NSCT)和灰度共生矩阵(GLCM)相融合的CT图像特征提取算法。首先采用NSCT对CT图像进行多尺度、多方向分解,并采用GLCM提取子带图像的共生特征量,然后对共生特征量进行主成分分析,消除冗余特征量,构成多特征矢量,最后利用支持向量机完成多特征矢量空间的划分,实现CT图像分割。实验结果表明,NSCT-GLCM能够较好地提取CT图像特征,提高了CT图像分割准确率,可以为医生诊断提供辅助信息。     

定步长压缩感知锥束CT重建算法

针对锥束CT成像系统中投影数据不完全的图像重建问题,提出了一种定步长压缩感知锥束CT重建算法。首先将锥束CT重建问题归结为投影数据均方误差作为数据保真项、全变分作为正则项的无约束优化问题,分析目标函数的Lipschitz连续性;然后近似计算Lipschitz常数,求出梯度下降步长,利用梯度下降法进行重建;最后对CT投影数据采用联合代数重建算法更新重建图像。在每次迭代过程中调整梯度下降步长,提高重建算法的收敛速度。Shepp-Logan模型的无噪声实验结果表明,该算法的重建图像信噪比分别比联合代数重建算法、自适应最速下降-凸集投影算法、BB梯度投影算法的重建图像信噪比高出13.7728dB、12.8205dB、7.3580dB。仿真试验表明该重建算法提高了收敛速度,同时减少了重建图像的相对误差,极大提高了用少量投影数据重建的图像质量。     

面向图象压缩的图象分类及压缩结果预测

图象数据存在冗余使图象压缩成为可能 ,而不同图象的数据冗余度特别是空间冗余度相差很大 .对被压缩图象的空间冗余度这一图象的本质属性进行研究、减少图象压缩及方法选择时的盲目性是非常必要的 .为此提出了面向图象压缩的图象分类这一新概念以及具体分类算法 .该算法利用图象小波高频系数的分布特点 ,采用图象边缘度作为图象空间冗余度的度量 ,将不同内容的图象按边缘度大小分类 .分类的结果可对不同图象的压缩结果进行预测 .实验结果表明 ,图象分类结果和对压缩结果的预测是有意义的 ,并与人的视觉相吻合 .该分类思想对其他图象处理算法的选择和优化也有参考价值 .     

基于Legendre矩的CT及MR医学图象融合方法

为了提高CT、MR多模态医学图象配准、融合的精度和速度,提出了基于Legendre矩的CT和MR多模态医学图象配准、融合方法,并运用二维9数据图象的Legendre矩正交性和无冗余性的特点,通过找出CT及MR两种模态医学图象的质心,计算出两图象的比例因子,从而完成了两图象的平移和旋转,并精确地实现了CT和MR两模态图象的配信、融合,还优化了Legendre矩的快速算法和提高了应用Legendre矩配准CT和MR图象的速度。实验表明,利用Legendre矩对CT和MR等多模态图象配准、融合,不失为一种比较直接、简洁的方法;同时,Legendre矩在医学影象诊断、放疗计划系统等方面也具有重要的应用价值。     

多层次快速聚类的遥感图象无损压缩

由于K—means聚类要求每个像素要和所有聚类中心求欧氏距离，因此当聚类数很多时，这是一个相当耗时的工作。改进后的K—means聚类算法使类内像素只通过和相邻的聚类中心进行距离计算来聚类，由于随着算法的迭代进行，大量类的状态基本固定，因此使得聚类速度不断加快。多层次聚类无损压缩就是利用改进的K—means聚类算法具有快速收敛的特点，和利用分层次去冗余的方法来聚类，因此可最大限度消除残差冗余。基于SP整数小波变换的多层次聚类由于其不仅能消除空间冗余、结构冗余，还能进一步对残差数据去冗余，因而实现了多光谱遥感图象无损压缩的突破。最后通过不同算法对TM图象进行压缩的比较和参数分析，论证了多层次聚类无损压缩的高效及合理性。     

基于JPEG2000和自适应预测的高光谱图像压缩方法

随着遥感技术的发展,其应用领域大大拓展,随之也带来了遥感数据的海量增长,给传输和存储带来了极大困难,因此必须对遥感数据进行压缩。遥感图像具有不同于自然图像的特性,针对遥感图像的特点,介绍了一种自适应预测和JPEG2000相结合的无损压缩编码算法,即首先采用基于图像灰度分布局部相关特性的谱问预测器去除谱问冗余,再利用静止图像压缩新标准（JPEG2000）对预测得到的差值图像进行编码压缩。仿真实验取得了令人满意的结果,证明了该算法的有效性。     

SVD lossy adaptive encoding of 3D digital images for ROI progressive transmission

In this paper, we propose an algorithm for lossy adaptive encoding of digital three-dimensional (3D) images based on singular value decomposition (SVD). This encoding allows us to design algorithms for progressive transmission and reconstruction of the 3D image, for one or several selected regions of interest (ROI) avoiding redundancy in data transmission. The main characteristic of the proposed algorithms is that the ROIs can be selected during the transmission process and it is not necessary to re-encode the image again to transmit the data corresponding to the selected ROI. An example with a data set of a CT scan consisting of 93 parallel slices where we added an implanted tumor (the ROI in this example) and a comparative with JPEG2000 are given.     

一种基于SVM的CT与SPECT图像融合算法

将SPECT和CT图像进行融合,可以使功能和解剖影像相互取长补短,有利于临床医生的有效诊断.而CT图像是灰度图像,SPECT图像是伪彩图像,二者的融合处理具有一定难度.文章首先将SPECT图像变换成HSV彩色格式,然后再提取其中的V分量与CT图像做融合处理,利用训练好的支持向量决定融合图像对于源图像信息选取的多少来取得理想的融合效果.     

CT序列图像中肝脏及其管道的分割

把肝脏及其内部各种管道从CT序列图像中分割出来,为后续肝脏及其管道的三维重建及最终的虚拟手术模拟提供正确的数据。在结合CT序列图像之间的相似性基础之上,提出一种动态自适应的区域生长算法。首先对原始CT数据进行中值滤波,去除部分噪声,然后采用相应的序列化区域生长分割模型,对CT序列图像中肝脏及其内部管道分别进行提取。实验结果表明,应用该方法能得到准确的肝脏及管道分割结果。     

一种分离结构与像素的二值图像压缩算法

文章提出了针对二值图像压缩的基于四叉树的分离结构与像素的算法,该算法通过一个阈值来决定对图像像素的合并,在合并过程中生成图像的四叉树结构,并根据结构中节点的取值来决定像素数据的存储,最后形成分离的结构数据与像素线性表。因为在数据分离过程中采用了去冗余处理,该算法对复杂图像的压缩比高于采用JBIG标准所产生的结果;又因为采用了由底至上的合并方案,使该算法有良好的时间和空间复杂性O(N)。由于压缩后的图像含有结构特征,算法可用于建立不同图像之间的联系,同时还适用于对气象、地貌等复杂图像的压缩。     

基于改进卷积神经网络的肺炎影像判别

目前肺炎类型判别主要依靠医生的经验,但一些肺炎的CT影像极为近似,即使有经验的医生,也容易判别错误,造成误诊。为此提出卷积神经网络分类算法,该算法由3个卷积层、3个亚采样层及1个完全连接层组成,并且对卷积层进行了特殊结构处理,由反向传播算法调整网络参数,并对反向传播过程提出了改进。临床实验证明,该方案较现在普遍研究的分类算法,如adaboost算法和svm算法具有更高的识别率和准确度,并且改进的卷积神经网络防止了训练数据时过拟合现象的产生。     

正则化算法在CT图像重建上的应用

由于受数据采集时间、照射剂量、成像系统扫描的几何位置等因素的约束,计算机断层成像（Computed tomography,CT）技术目前只能在有限角度范围或在较少的投影角度得到数据,这些都属于不完全角度重建问题. 因此,图像重建的算法应用变得尤为重要,本文将现有的几种正则化超分辨率重建算法应用到CT图像重建上并做了一系列的对比分析,分析不同算法下不同的图像重建效果. 首先对低分辨率CT图像进行图像配准,然后再进行样条插值放大,最后运用相关正则化算法进行超分辨率图像重建. 实验结果表明正则化算法的应用一定程度上提高了图像分辨率,其中双边正则化下的重建效果最好,基于L2范数全变分正则化效果较差.