基于广义模糊吉伯斯随机场图像分割新算法

吉伯斯分布作为一种引入图像空间信息的先验模型已广泛运用于贝叶斯图像分割中．然而，由于传统该模型只在确定类上有定义，而在模糊类上未曾涉及，使得在运用该模型对一些模糊图像或退化图像进行处理时，分割效果不理想，甚至无能为力．该文针对这些不足，从模型本身出发，在传统的吉伯斯随机场模型中引入模糊概念，并针对实际多值分割特点，提出一种高效、无监督的广义模糊算法，从而实现对多值图像的精确分割．文中首先介绍一种二值的广义模糊吉伯斯随机场模型；然后将这种二值模型进行多值扩展，提出分段模糊与广义模糊吉伯斯两种实用的多值分割算法；最后将其运用于一系列医学图像分割．实验表明，文中提出的广义模糊分割算法比基于传统随机场的算法有更好的图像分割能力．     

基于投影梯度的NMF相关反馈医学图像检索算法

相关反馈技术是近年来在图像检索中较为重要的研究方法,由于有人的参与,它能在一定程度上弥补图像的底层特征难以表达图像语义内容的不足.由于NMF在一定程度上勾勒出了相关图像在基矩阵所代表的空间中的分布,因而对整个图像库进行检索时可以查找到更多的相关图像.提出了一种基于投影梯度的非负矩阵分解(NMF)相关反馈方法,与常用的基...     

基于投影数据非单调性全变分恢复的低剂量CT重建

为获取低剂量CT图像的优质重建,本文提出一种基于投影数据非单调性全变分恢复的低剂量CT重建方法.新方法首先通过非线性Anscombe变换将满足Poisson分布的投影数据转化为近似Gaussian分布,其后对变换后的Gaussian型数据进行非单调性全变分最小化算法（Nonmonotone Total Variatio...     

乳腺DCE-MRI增强场时间序列和组织形变场的联合估计

乳腺DCE-MRI扫描过程中,病人运动等会使图像序列产生运动伪影,需要对DCE-MRI时间序列图像进行运动补偿,消除运动伪影的影响.为充分利用数据信息和增强在空间和时间上的先验信息,本文提出了联合估计增强场时间序列和组织形变场的贝叶斯框架.采用离散马尔科夫随机场模型分别对增强场时间序列和组织形变场进行建模和添加平滑约束,并通过分步迭代方式进行估计.利用估计的增强场对DCE-MRI时间序列图像进行“去增强”处理后,可将增强时间序列图像视为同一模态图像进行配准.实验结果表明,本文方法可准确估计增强场时间序列,并可达到较高的配准精度.     

特征点对引导的医学图像弹性配准方法

采用最优化方法进行弹性图像配准时,常常会因为初值选择不合适导致优化过程收敛到局部极值,从而使配准失败。针对该问题,提出了利用一对匹配的特征点来引导迭代配准过程的算法。首先,根据一对匹配的特征点确定图像初始局部配准区域;然后,在算法迭代过程中逐渐扩展局部配准区域直至覆盖整个图像。建立初始局部配准区域及局部配准区域扩展时,根据特征点对的空间位置关系,以及医学图像的形变场在统计特性上是高斯马尔可夫随机场的先验知识,来估计局部配准区域形变参数向量的初值;在对局部配准区域进行配准时,基于图像像素灰度统计信息的配准方法被用来求解局部配准区域的形变场参数向量。实验证明,该算法能够有效克服弹性配准算法容易陷入局部极值的问题。     

基于熵和局部邻域信息的高斯约束CV模型

基于曲线演化的Chan-Vese(CV)模型常常不能准确分割非均匀性且结构复杂的医学图像.针对此缺点,文中提出了一种基于熵和局部邻域信息的高斯约束CV模型,作者利用熵构造内部和外部区域能量的权值系数,加强了对曲线演化的控制;同时将曲线上各点的局部邻域信息引入到曲线演化过程中,提高了分割的准确性,并降低了区域内灰度不均匀等因素对曲线演化的影响;高斯约束保证了曲线演化过程中的稳定性、光滑性,同时不需要曲线周长约束项和重复初始化.利用Circular Hough变换对左心室壁内、外膜进行初始定位,避免了人工设置初始轮廓,减少了曲线向目标轮廓演化时间和初始轮廓位置敏感性对分割结果的影响.作者对心脏MR图像的左心室内、外膜进行了分割.结果表明文中方法能够快速准确地分割左心室壁内、外膜,抗干扰能力强,鲁棒性好.     

基于DICOM文本与内容的医学图像检索系统研究

为辅助医师从海量医学图像中快速查找所需图像,提出了一种将DICOM文本信息和图像底层特征相结合的医学图像检索方法。从DICOM图像的文件头中提取文本信息,进行图像预筛选,提取图像的纹理及形状特征,通过设定权重将这两种特征相结合,进行基于内容的图像检索。实验结果表明,综合纹理和形状特征的检索方法优于单一特征检索方法,联合DICOM文本信息和底层特征的方法能明显提高检索的效能,使检索结果更接近于人的视觉理解。     

基于多目标规划的模糊C均值聚类算法

模糊C均值聚类算法(FCM)是一种非常经典的非监督聚类技术,已被广泛地应用到医学图像分割。由于传统的FCM聚类算法在分割图像时仅利用了图像的灰度信息,未利用图像的空间信息,在分割叠加了噪声的磁共振(MR)图像时分割效果不理想。考虑到脑部MR图像真实的灰度值具有分片为常数的特性,按照合理利用图像空间信息的原则,对传统的FCM聚类算法进行了改进,引入多目标规划的概念,提出了一种新的,更加合理的应用图像空间信息的聚类算法。实验结果表明,应用该算法可以有效地分割含有噪声的图像。