基于FCM和形变模型的左心室MRI自动分割

形变模型近年来被广泛应用于医学磁共振图像的分析。该类模型是一种交互式的分割方法,需要人工设定初始曲线,不仅浪费了时间,而且分割结果也很大程度上受到人工初始化的影响。为此,针对左心室MRI内壁的分割,给出一种多指标FCM算法,在该算法基础上自动定位左心室区域,构造初始曲线,并改进水平集方法的速度函数。在新的形变模型自动分割框架下,整个左心室分割过程变为全自动进行,不需要人工干预。实验结果表明了该方法不仅有效和易于实现,且具有较强的鲁棒性。     

基于小波零树的图像自适应水印算法

基于小波零树特性的视觉感知度模型的优化方案,给出了两种水印算法:一种算法嵌入的是高斯序列水印,通过相关检测实现盲检测;另一种算法嵌入的是二值图像水印,水印的提取是非盲提取。这两种算法在所有重要小波系数(包括最低频系数)中嵌入水印,以达到最大化水印嵌入量的目的,并结合感知度模型在水印的透明性和鲁棒性之间实现了较好的平衡,对于常见的图像处理操作,特别是对于JPEG和小波压缩均有较好的鲁棒性。     

基于图割的JPEG图像快速分割算法

基于图割理论的GrabCut算法由于使用所有像素来迭代估计高斯混合模型(GMM)参数,算法效率较低。针对该问题,提出一种基于图割的JPEG图像快速分割算法。以GrabCut算法为基础,对JPEG图像中DC系数构成的低频图像进行迭代分割,估计GMM参数以减少训练样本的数目。实验结果表明,该算法能在保证分割精度的前提下缩短高分辨率JPEG图像的分割时间。     

基于预测-校正改进Snake的心脏MR图像左心室外轮廓分割

在心脏MR图像中,由于左右心室结合处的灰度非常靠近,在左心室外轮廓上形成弱边界,基于Snake模型分割左心室外轮廓时就会有边界泄漏的问题.本文先定义了两种局部信息用于边缘增强,并构造了合理的外力场,然后将传统Snake模型的形变结果作为对轮廓新位置的预测,基于左心室外轮廓形状的先验知识对预测的结果进行校正,使得Snake的形变由预测、校正两步来完成.实验结果表明,这种预测-校正两步形变Snake模型对心脏MR图像左心室外轮廓分割有较好的效果.     

一种改进的M-Estimators基础矩阵鲁棒估计法

针对原M-Estimators算法完全依赖由线性最小二乘法估计得到的矩阵初始值,精度较低稳定性差的缺点,提出了一种改进的M-Estimators算法。通过考虑匹配点与对应极线的距离,计算求得较原M-Estimators算法更加精确的矩阵初始值,再利用此初始值剔除掉原匹配点集中的错误匹配点及坏点,最后运用Torr-M-Estimators法对新的匹配点集进行非线性优化计算,得到了真正的匹配点对,精确恢复了对极几何关系。以大量的模拟数据和真实图像进行了实验,给出了该算法与其他鲁棒性算法的比较结果,实验结果表明,该算法在误匹配以及高斯噪声存在的情况下,提高了基础矩阵的估计精度,并且同时具有很好的鲁棒性。     

克服灰度不均匀性的脑MR图像分割模型

为了克服脑核磁共振图像中存在的灰度不均匀现象,提出一种有效的脑核磁共振图像分割模型.该模型利用多相位水平集方式来拟合图像的局部灰度,实现多种脑组织的同时分割,并提供光滑且准确的目标边界或曲面.在二维、三维的图像上的比较实验结果表明,该模型是有效的.     

仿射不变的多尺度自卷积熵提取方法

为从在不同视角获取的同一场景图像中提取更加独特的不变特征,提出一种图像仿射不变特征的提取方法.首先基于多尺度自卷积变换(MSA)构造了一组新的变换量--多尺度自卷积熵(MSAE);并让明了该熵具有仿射不变性;最后利用最小距离分类器分别对视点变换图像,以及加噪声,加部分遮挡视点变换图像进行分类识别实验.实验结果表明,MSAE特征能够获得更高的正确识别率.     

具有多指标柔性能量的Mumford Shah模型图像分割

针对Chan和Vese提出的基于Mumford Shah泛函的水平集图像分割算法，做了两方面的改进：首先,构造了具有柔性的演化曲线内外能量取代C V模型中的刚性能量，减少了C V模型求解时的数值不稳定和过度分割等现象；其次，综合图像的多方面特征，提出多指标集能量项构造方法，提升了C V模型的分割能力和精度。综合两方面的工作，提出带多指标柔性能量的C V模型。新模型能有效处理图像受严重噪音污染、目标内部有灰度起伏等情况。对人工合成图像、医学图像和真实世界图像的分割实验均表明了新模型的良好性能，并且算法收敛速度快、数值稳定。     

一种基于梯度的健壮的指纹方向场估计算法

作为指纹的全局特征,指纹方向场在自动指纹识别系统中发挥了非常重要的作用.提出了一种基于梯度的健壮的指纹方向场估计算法,新算法首先归一化点梯度向量并计算块梯度向量及相应的块一致性;然后估计噪声区域;最后采用基于迭代的方法,重新估计所有块梯度向量并将梯度向量场转化为方向场.实验结果表明,与已有基于梯度的指纹方向场估计算法相比,新算法具有更高的准确性及抗噪性能,并能较好地估计大块噪声内的方向场,是一种较为健壮的指纹方向场估计算法.     

针对重复模式图像的成对特征点匹配

目的 含有重复模式的图像会对局部特征描述符产生歧义,因此基于局部特征的匹配算法在此类图像的匹配过程中极易产生误匹配.同时,通过研究现有的引入全局特征描述符的匹配算法,发现全局特征同样依赖于计算局部信息所得到的特征点主方向,所以此类方法在含有重复模式的图像中也不容易得到令人满意的匹配效果.为了解决这一问题,提出一种基于成对特征点的图像匹配算法.方法 该方法利用成对特征点的方向向量作为特征点对的主方向,为特征描述提供了正确的方向信息,同时引入DAISY描述符与改进后的全局上下文(globalcontext)特征描述符,提高了匹配能力.结果 分别在模拟图像与实际图像上面进行了对比匹配实验,本文算法平均的匹配正确率能达到88％以上,比其他经典的匹配算法提高了26％以上.结论 实验结果表明,本文算法克服了现有算法在特征描述与主方向分配上的缺陷,进一步提升了匹配正确率,能够有效地解决重复模式图像的匹配问题.