广义模糊Gibbs随机场与MR图像分割算法研究

为了对图像进行准确、可靠的分割,提出了一种基于广义模糊集的软分割算法,并将广义模糊集和G ibbs场结合起来,提出了广义模糊G ibbs随机场模型,同时建立了广义模糊G ibbs分割(GFGS)算法。该算法是首先把每一个分割类看作是广义模糊类,并以最大后验概率(MAP)为判别准则来决定每一个像素值的归类以及它属于该类的隶属度;然后用广义隶属度函数中负的部分来刻划数据中的异常值,使得该算法能有效地处理异常值;最后用该模糊类的质心来更新类的中心,并以人脑的仿真图像和临床MR图像进行了实验。实验结果表明,该算法能有效地滤除噪声和处理部分容积效应,是一个分割能力强、稳健性好的算法。     

基于B样条的弹性点配准方法

为了更好地进行图像弹性点的配准,提出了一种利用Hausdorff距离测度的弹性点配准方法。该方法以B样条为弹性形变模型,并具有较强的抵御杂点影响的能力。在此基础上又提出了序贯更新策略,即通过将源图像和控制点网格进行分块的方法来序贯更新弹性配准参数,从而进一步提高了算法的运算速度。为验证该方法的配准效果,采用该方法进行了合成图像、手写字体和脑部MRI图像的弹性配准实验。实验结果表明,该方法在基于特征的弹性配准应用中具有较好的使用效果。     

DVB-S2标准 LDPC码的算法研究和仿真

阐述了LDPC（Low Density Parity Check）码的基本原理，基于DVB—S2中LDPC码分析了该类码的构造、编码及译码原理，同时给出DVB—S2中LDPC码在码率为2／3、码长为16200bits时的仿真结果。仿真结果表明，在低信噪比情况下，该LDPC码仍然获得了令人满意的纠错效果，且在性能上的确优于其他码。随着技术的进步，相信LDPC编译码技术将在更多的领域得到应用。     

一种基于广义模糊性质集的图像分割方法

本文提出了一种基于广义模糊性质集的图像分割方法，它利用图像的广义隶属函数，把图像灰度转换成广义的模糊集合，通过对图像作多次增强而实现图像分割。实验结果表明，本文提出的方法与Ｏｔｓｕ法、熵函数法和ＦＣＭ２Ｄ法相比，在分割速度和分割质量上，都有下同程度的提高。     

模式识别.自动分割图像新方法研究*

提出一种采用非参数Dirichlet过程混合模型实现图像自动分割的算法。该方法在图像分割时不需要对分类数进行初始化,具有在分割过程中自动获得图像分类数的特点。模型中使用有控制参数的随机变量来代替聚类数,通过调整参数来指定聚类数的范围。使用该算法对具有高噪声的自然图像和临床磁共振图像进行分割实验,并与其他分割算法进行比较。实验结果显示本算法抗噪声性能强,且可以抑制磁共振图像分割过程中的偏场效应。准确度分析显示,图像分割结果的Dice相似性系数均高于90%,表明提出的新算法具有很高的精确性和鲁棒性。     

低剂量CT重建中的双边滤波权值优化新方法

为了提升低剂量CT重建图像质量,本文提出了一种基于投影数据恢复导引的双边滤波权值优化方法.新方法有效地将CT投影数据恢复和图像数据恢复的两种低剂量成像策略进行结合,实现优质的低剂量CT重建.具体而言,本文中投影数据恢复采用三维块匹配滤波进行,图像数据恢复采用双边滤波进行,其中双边滤波权值进行优化设计.在双边滤波权值设计...     

人脑黑质神经核团的精确三维自动分割

随着MRI技术的发展,人脑黑质核团的MRI定量分析在帕金森病诊断中的应用价值越来越高。提出一种解剖先验知识为约束基于动态曲面模型和自适应区域增长的自动3D分割方法,来完成黑质形状结构的精确三维分割和提取。由此获得黑质的位置、形状和体积,以期辅助临床上对早期帕金森病的诊断和评价治疗效果。分割实验表明该方法精确性高,具有较强的自适应性。     

基于CUDA的双三次B样条缩放方法

Nvidia在GeForce 8系列显卡上推出的CUDA（统一计算设备架构）技术使GPU通用计算（GPGPU）从图形硬件流水线和高级绘制语言中解放出来,开发人员无须掌握图形学编程方法即可在单任务多数据模式（SIMD）下完成高性能并行计算。研究了CUDA的设计思想和编程方式,改进了基于双三次B样条曲面的图像缩放算法,使用多个线程将计算中耗时的B样条重采样部分改造成SIMD模式,并分别采用CUDA中全局存储器和共享存储器策略在CUDA上完成图像缩放的全过程。实验结果表明,基于CUDA的B样条曲面并行插值方法成功实现了硬件加速,相对于CPU上运行的B样条缩放算法,其执行效率明显提高,易于扩展,对于大规模数据处理呈现出良好的实时处理能力。     

M估计在医学图像配准中的应用

图像的刚性配准或者匹配是图像处理中的热点和难点问题。由于图像的不连续性和成像设置中噪声的影响,传统的最小二乘方法（Least Squares Method）不能很好地解决这一难题。采用M估计算子（M-estimation operator）代替最小二乘算子,并结合由粗到精的多分辨率策略,提出了一种新的基于M估计的医学图像多分辨率配准算法,实验结果表明该方法对配准的速度、精度及鲁棒性都有很大的提高。     

基于概率跟踪的冠状动脉造影图像的血管树提取

采用传统的基于跟踪的方法分割冠状动脉X射线造影图像的血管时,易受血管节点和曲率的影响.对此,本文提出了基于多特征测度的概率跟踪模型和中心线优化算子,该方法能够准确地分割出血管树的骨架并进行中心线优化.实验中,该方法不仅避免了传统方法的弊端,而且具有较低的计算耗时、较高的鲁棒性、全自动性:一次选定跟踪的起点,可以自动提取出80%以上冠状动脉树.