低码率下任意形状感兴趣区域编码

针对任意形状感兴趣区域(ROI)编码算法在低码率下ROI重建质量差、编码时间长等问题,在优化的集合分裂树算法(SPIHT)基础上提出了一种适用于低码率的任意形状ROI编码方法.利用小波系数之间的空间位置相似性和所用小波滤波器的特征,以极少的码率实现了任意形状ROI掩模的描述,为提高算法效率奠定了基础;利用改进后的空间方向树结构以集合的形式测试ROI区域中更多的节点,提高了SPIHT中分类排序的扫描效率;以小波子带为单位的量化方法通过为每个小波子带选择合适的量化阈值优化了码流的输出,提高了低码率下ROI的重建质量.实验表明,提出的方法支持对多个任意形状ROI的编码;在不到0.04 bit/pixel的码率下描述出了整幅图像中任意形状ROI的掩模信息;在码率小于0.5 bit/pixel时,ROI的峰值信噪比(PSNR)比基于JPEG2000的多子带位平面平移(MSBShift)方法提高了2～7 dB,编码时间缩短了30％以上.该方法具有ROI的重建质量高、编码速度快等特点,适于在低码率下应用.     

基于首1游程的图像位面并行编码算法

针对宇航应用领域对图像压缩算法计算复杂度的要求,提出一种全新的"首1游程"位面编码算法。该算法将离散小波系数首1比特及以上位面用本文提出带符号自适应二进制游程算法编码,其下位面则不编码,直接输出比特值。为兼容无损压缩,算法采用了空间数据系统咨询委员会(CCSDS)推荐的整数97小波变换。由于考虑了像素间、位面间的数据依赖性,该算法的数据访问次数、编码复杂度等远远低于目前算法。该算法是一种内嵌式编码算法,可通过截断码流来精确控制压缩比,支持码流的渐进性传输。试验数据显示,与CCSDS推荐的图像压缩算法比较,本算法计算复杂度显著降低,而压缩性能却略高,同时还支持位平面间独立并行编码,提高了压缩速度。该算法可以满足宇航应用中高速、高性能、低复杂、低功耗的要求。     

基于自适应感兴趣区域的视频心率测量

基于视频的非接触光电容积脉搏波(Photoplethysmography,PPG)可以实现非接触式心率监测.为改善非接触PPG信号质量和提高非接触PPG技术检测心率的准确性,提出一种自适应感兴趣区域(Region of Interest,ROI)的方法.使用独立向量分析对人脸分区域处理,然后使用归一化分割选取信噪比和相...     

基于改进GVF snake模型的感兴趣区域轮廓提取方法

针对传统模型图像边缘保持能力较差、计算量大且对弱边缘和角点的捕获能力不足等缺点,提出了一种改进的GVF snake模型.增加各向异性扩散机制,抑制传统GVF中各向同性扩散对图像边缘的模糊,并利用部分扩散、部分插值的方法进行GVF场求解,采用基于canny算子的初始轮廓线设置方法,极大地提高了图像感兴趣区域轮廓的提取效果...     

医学图像感兴趣区域近无损压缩

提出了一种基于剪切波的医学图像感兴趣区域(ROI)近无损压缩算法,用于解决因小波对高维数据表示的局限性使其重构图像与原图像平均结构相似度(MSSIM)较低的问题.首先,指定感兴趣区域并把其余部分视为背景区域(BG);对两个区域分别进行剪切波变换,并选取出能够近似逼近原区域的重要系数进行去噪和初步压缩.然后,对ROI区域所选取的重要系数进行无损Huff man编码,对BG区域所选取的重要系数量化并进行Huff man编码实现压缩.最后,通过Huff man解码和剪切波逆变换实现解压从而获得重构图像.实验结果表明,与改进多级树集合分裂算法(SPIHT)相比,在相同压缩比下,提出的算法所获取的ROI重构图像与原图像ROI的MSSIM提高了4％,峰值信噪比(PSNR)是改进SPIHT算法的2.35倍;而整幅重构图像与原图像的MSSIM提高了3％,PSNR提高了28％.该算法可实现ROI和BG的相对质量可调,适用于图像存档和通信系统(PACS)中的医学图像压缩.     

基于动态划分感兴趣区域的车道线检测算法

车道线检测一直是无人驾驶系统的研究热点之一。随着路况复杂程度的增加,对车道线检测效率和检测精度也不断提出更高的要求。提出一种基于动态划分感兴趣区域的车道线隔行检测算法。通过动态划分感兴趣区域将天空、当前车道两旁干扰因素等有效去除,减少了80%左右的检测量,同时也很大程度上避免了误检。在边缘点提取算法中,将检测区域划分成几个小区域,分别提取其边缘点,并采用隔行方法对其检测,最后再将提取到的这些边缘点运用最小二乘法和三次样条曲线拟合出车道线,有效提升了车道线检测算法的实时性和准确性,并且适用于多种试验环境(如雾天、雨天和夜间)。     

基于LightGlue匹配算法的体表感兴趣区域识别方法

目的 探讨基于LightGlue匹配算法的体表感兴趣区域识别方法,在实时体表图像中快速精准识别三维ROI是临床实践中的应用效果。方法 本文提出了一种基于LightGlue图像匹配的三维体表轮廓ROI的自动识别方法。该方法通过在CT扫描室和加速器治疗室分别采集患者的二维图像和三维体表轮廓,通过构建LightGlue图像匹配模型,建立二维图像ROI的映射关系,从而实现从CT扫描室到加速器治疗室的三维体表轮廓ROI的精准映射和识别。对于基于LightGlue匹配、基于ICP配准和基于SIFT匹配三种ROI识别方法,在100例志愿者上进行测试。结果 在三种识别方法中,基于LightGlue识别方法的平均位置误差最小(3.1±0.6)mm,平均耗时最少(232±41)ms,具有更优的准确性和计算效率。结论 LightGlue匹配算法的体表感兴趣区域识别方法具有较好的识别性能,在精准识别体表ROI方面提供了有力的技术支持。     

遥感图像感兴趣区域压缩算法的研究

遥感图像在人类生活和军事领域的应用日益广泛,适合各种要求的遥感图像编码技术具有重要的现实意义。本文针对遥感图像的特点,提出将分层数的集划分算法与JPEG2000提出的感兴趣提升算法相结合,用于遥感图像行感兴趣区域压缩。根据MAXSPIHT的不足,提出了GPBSHIFT感兴趣平面提升方法。实验表明．改进的方法与无ROI和MAXSPIHT比特面提升方法相比,在码率相同时,感兴趣区域和背景的PSNR有着明显的改善。     

适于硬件实现的低复杂度图像压缩

对于高速图像压缩应用,普通压缩算法和基于DSP或PC机的实现已不能满足高速和小体积的要求。能否获得一种专为硬件实现设计,并具有较高性能的图像压缩算法,成为用VLSI或FPGA硬件实现高速图像压缩的关键。为此,本文提出一种基于5/3小波变换的低复杂度图像压缩算法。该算法首先采用3级二维小波变换去除图像相关冗余,并根据小波子带的变换增益对其进行最佳量化,再对量化后的LL子带进行二维预测,最后针对小波系数概率分布特点采用自适应零游程编码联合指数哥伦布编码实现图像压缩。该方法在保证较高压缩质量的同时,具有低复杂度和硬件易实现的特点,若通过FPGA最快可实现高达175Mpixel/s的超高速图像压缩。     

基于三维整数小波变换的高光谱图像编码方法

高光谱图像是一种数据量很大的三维图像,在存储和传输之前必须对其进行有效的压缩。本文提出了一种基于三维整数小波变换的高光谱图像压缩编码方法,首先利用三维整数小波包变换去除高光谱图像的空间和谱间冗余,然后对变换后的每个子带的小波系数构造子带重要性树,通过子带重要性树的分裂对小波系数进行三维嵌入零块编码,最后为了进一步提高编码性能,把编码输出的二进制符号送入算术编码器并结合高效的上下文模型进行熵编码。对4组场景的AVIRIS高光谱图像进行测试,结果表明该方法的编码性能略优于3DSPIHT和3DSPECK算法,同时该方法还支持高光谱图像从有损到无损的渐进传输。     

无人机侦察图像压缩

为了减少图像数据的存储空间并高质量恢复侦察目标区域,提出了一种基于感兴趣区域分割压缩重构的新方法。首先,利用侦察目标具有规则性的特点,识别提取出感兴趣区域。然后,采用基于区域的分割算法将原图像分割成感兴趣区域(ROI)和背景区域(BG)。最后,选用基于小波变换的压缩方法,采用多级树集合分裂算法(SPIHT)嵌入式编码对分割开的ROI和BG用不同的编码比特率进行编码压缩。仿真试验证明,在同样环境下,采用本文提出的算法,感兴趣区的压缩效果比较好,恢复后图像更符合人眼视觉特性。和其他算法的处理结果比较,本文算法的图像峰值信噪比有所提高,很好地解决了高压缩比和目标图像质量之间的矛盾。     

结合成像几何特征的立体元图像阵列编码

为了解决集成成像系统中立体元图像阵列存储和传输的问题,本文提出了一种结合成像几何特征的立体元图像阵列编解码算法。首先,根据立体元图像阵列采集过程中的相关物理参数确定不同立体元图像中同名像点的偏移量,对立体元图像阵列中每行相邻立体元图像进行分组并确定编码顺序。然后,确定待编码立体元图像的预测图并计算待编码立体元图像与其预测图的残差。最后,对残差进行HEVC编码。实验结果表明,与传统的HEVC帧内预测编码算法,以及与将立体元图像阵列中的所有立体元图像组成一个视频序列进行HEVC编码的算法相比,在相同比特率的情况下,本算法解码图像的质量提高了10~25dB,说明本文提出的算法具有更高效的编码性能。     

彩色图像三维六边形离散余弦变换编码

为了适应人眼视网膜细胞的正六边形结构的排列方式并充分利用彩色图像各颜色分量间的相关性,提出了一种基于六边形采样的三维离散余弦变换方法。该方法根据传统的矩形采样和正六边形采样之间的关系来完成两者的转换; 然后在已有的六边形离散余弦变换的基础上提出三维六边形采样的离散余弦变换,并验证它的能量集中性。最后,在同一个模型下建立彩色图像的空间位置和颜色分量,并利用提出的方法分别以不同的子图大小对不同的图像进行整体变换。实验结果表明：相对于传统的矩形采样,提出方法的压缩比提高了约51.1%,峰值信噪比提高了约16.3%,从而有效地降低了彩色图像各颜色分量间的相关性。得到的结果表明,利用六边形采样技术可以提高采样率,降低编码速率。     

适于高速CCD图像数据光纤传输的纠错技术

提出了一种适于高速CCD图像数据光纤传输的纠错算法用于提高大视场时间积分延迟(TDI)CCD相机中图像数据传输的可靠性。首先,分析了大视场空间相机图像数据光纤传输特点和光纤信道加性高斯白噪声(AWGN)模型下的数据传输差错,在此基础上提出了(16,8)纠错编码算法。阐述了(16,8)纠错编码算法思想以及纠错原理,说明了(16,8)纠错编码器的超大规模集成电路(VLSI)实现方法和编码器电路。然后,从不同角度分析了(16,8)纠错编码算法在大视场空间相机中应用的可行性。最后,在一空间多光谱相机样机的传输系统上进行了试验验证。结果表明:(16,8)纠错编码算法纠错能力强、易于硬件实现、占用资源少,在3 043Byte内可以纠正191bit错误,编码器资源占用率小于5%。提出的算法提高了空间相机中图像数据光纤传输的可靠性。     

基于预分割轮廓的CT图像亚体素表面检测方法

针对基于CT(computed tomography)图像检测分析中的点云提取精度与完整性问题,提出一种基于预分割轮廓的高精度、高完整性的亚体素表面检测方法。首先采用Otsu分割算法提取CT图像的体素级轮廓点集,并以此作为粗定位轮廓自适应地生成用于亚体素表面检测的完备感兴趣区域(region of interest,ROI);然后提出一种基于梯度非极大值抑制的表面体素判定方法,避免了梯度阈值选择难题;最后基于3D Facet模型定位亚体素级表面点位置。实验结果表明,该方法能有效改善传统亚体素检测方法的轮廓丢失、伪边严重等问题,轮廓定位误差小于0.2个体素,同时能够取得3倍以上的计算加速比。     

基于牙科X光片的多种直方图均衡化图像增强对比

牙科X光片在牙科疾病的诊断治疗中越来越重要。牙齿X光片机不像光学相机可以聚焦,常受低对比度和噪声的影响,很难直接借此识别疾病特征,常常需要对图片进行增强处理,故主要探讨一些适用于电子病例的牙科X光图像增强算法。算法主要有直方图均衡化、限制对比度自适应直方图均衡化、锐化中值滤波自适应直方图均衡化和改进的对比度自适应直方图均衡化方法。通过对这些算法处理后的牙科X光片图像的均方根误差(RMSE)、图像信噪比(SNR)和改善对比度指数(CII)以及视觉效果进行比较,发现用改进的对比度自适应直方图均衡化方法处理所得图像的均方根误差、改善对比度指数最小,图像信噪比最大,图像视觉效果清晰。     

结合先验稀疏字典和空洞填充的CT图像肝脏分割

针对复杂多变的肝脏图像,提出了一种基于先验稀疏字典和空洞填充的三维肝脏图像分割方法。对腹部CT图像进行Gabor特征提取,并分别在Gabor图像和灰度图像的肝脏金标准边界上选择大小相同的图像块作为两组训练集,利用训练集得到两种查询字典及稀疏编码。将金标准图像与待分割图像配准,并将配准后的肝脏边界作为待分割图像的肝脏初始边界;在初始边界点上的十邻域内选择大小相同的两组图像块作为测试样本,利用测试样本与查询字典计算稀疏编码及重构误差,并选择重构误差最小的图像块的中心作为待分割肝脏的边界点;最后,设计一种空洞填充方法对肝脏边界进行补全和平滑处理,得到最终分割结果。利用医学图像计算和计算机辅助介入国际会议中提供的肝脏数据进行了实验验证。结果表明,该方法对肝脏分割图像具有较好的适用性和鲁棒性,并获得了较高的分割精度。其中,平均体积重叠率误差为(5.21±0.45)%,平均相对体积误差为(0.72±0.12)%,平均对称表面距离误差为(0.93±0.14)mm。     

采用显著性分析与改进边缘方向直方图特征的红外与可见光图像配准

为了实现红外图像与可见光图像的信息融合,弥补单一模态图像的不足,提出了一种基于显著性分析与改进的边缘方向直方图EOH(Edge Orientation Histogram)特征的红外与可见光图像配准算法。该算法首先利用显著性分析技术找到可见光图像中的重要信息,得到显著性图;将其与可见光图像融合,实现可见光图像中重要信息的划分。然后,利用自适应FAST(Features from Accelerated Segment Test)算法,探测可见光与红外图像上的特征点;利用改进的EOH,描述特征点。最后,根据描述计算特征点的相似性,在可见光与红外图像上找出对应的特征点,实现红外与可见光图像的匹配。在3种不同情况下对红外与可见光图像数据进行了配准实验。结果表明:在红外图像与可见光图像采集条件相似情况下,特征点正确匹配率为96.55%,而在图像采集条件差异较大的情况下,特征点正确匹配率可达74.21%。该算法可实现红外与可见光图像的精确快速匹配,即使红外图像与可见光图像采集的角度与位置均存在较大差异的情况下,仍可以满足红外与可见光图像匹配对精度和稳定性的要求。