基于形状的二维灰度图象插值

内插是三维重建中的一个重要步骤 .一般传统的插值算法大体可分为灰度插值和基于对象形状的插值两种 .其中直接的灰度插值对二值及灰度图象均适用 ,但结果在多数情况下并不准确 ;而基于形状的插值 ,早期仅适用于二值图象 .近来 ,人们将两者较好地结合起来 ,使得基于形状的插值同样适用于灰度图象 .为了克服直接灰度插值易造成较严重的轮廓模糊问题及为克服 Chuang等人提出用基于形状的插值方法求得的对应点易产生偏差的问题 ,提出了一种新的基于形状的二维灰度图象插值算法 .该算法首先采用数学形态学的方法分别对两幅源图象进行膨胀和腐蚀 ,用于确定插值图象的轮廓 ;然后对轮廓内的点 ,分别找出其在两幅源图象上的对应点 ,再通过灰度的线性插值来求得此点的灰度 ,进而得到最终的插值图象 .实验结果表明 ,此算法得到的插值结果是令人满意的 .     

医学图象体数据场的剖切显示方法

为了给医生提供一些全面、直观和准确的诊断信息 ,讨论了一种对医学图象体数据场进行二维和三维剖切显示的方法 ,其中对于二维剖切显示 ,可首先由用户通过人机交互的方式来给出对体数据场进行任意剖切显示的路径 ;然后运用反求工程的求解思路沿切割路径进行量化和采样来得到沿切割路径上每个采样点在对应图象坐标空间中的位置 ,并由此获得剖切平面上所有采样点的空间位置坐标 ;最后通过对体数据场进行重采样和插值操作来实现对空间体数据场的二维任意剖切显示 .对于三维剖切显示 ,可首先采用与二维剖切操作类似的图象采样和插值操作来获得纹理数据阵列 ,然后结合纹理映射技术 ,将纹理数据映射到三维坐标空间中 ,以实现数据场的三维空间剖切显示     

基于投影法的四面体网格切割算法

四面体网格切割算法是有限元仿真中的重要组成部分，切割的结果决定了刚度矩阵的更新速度和精度。本文在研究Cotin算法和Bielser算法的基础上，采用了预投影的方法，将部分顶点投影到切割平面上，使原先的四面体分割转化为相邻四面体分离，以达到简化分割的目的。与Cotin算法和Bielser算法相比，由该算法得到的网格切割边界更加合理，剖分比更低，提高了刚度矩阵更新的速度和精度。     

基于三维Savitzky-Golay滤波的蒙特卡罗剂量分布去噪

提出了一种基于三维Savitzky-Golay滤波的蒙特卡罗（MC）剂量分布的去噪方法。该方法首先利用MC方法模拟粒子轨迹数目较少时得到剂量的三维分布，然后对该剂量分布用三维Savitzky-Golay平滑滤波方法进行去噪处理。结果表明：采用三维Savitzky-Golay平滑滤波方法去噪，不仅提高了剂量分布的可视性，降低了MC计算剂量分布的不确定性。而且也相应地提高了MC剂量计算方法的计算效率。     

基于双树复数小波降噪的扩散张量估计

本文引入了一个从扩散加权图像序列中估计扩散张量的新过程。此过程的第一个步骤是对扩散加权图像降噪,降噪的算法基于双树复数小波变换和双变量收缩规则;第二个步骤对降噪后的扩散加权图像使用最小二乘法估计扩散张量。我们在模拟二阶张量场和真实DT-MRI数据集上进行了实验,与扩散张量估计后的平滑方法相比,先对扩散加权图像降噪能够得到更加精确的张量场估计。估计的扩散张量场的客观结果及主观评价可以说明,本文提出的估计过程可以很好地改进最终的扩散场的质量。     

基于正交矩模糊和仿射混合不变量的图像识别算法

为了识别含有模糊和仿射混合形变的图像,提出了一种新的基于正交矩模糊和仿射混合不变量的图像识别算法.该算法首先使用归一化方法构造了基于Legendre正交矩的仿射不变量,并结合Legendre正交矩的模糊不变量提出了Legendre正交矩的模糊和仿射混合不变量;然后将该混合不变量作为描述算子,将欧几里德范数作为分类尺度,以最近邻法则作为分类器,对图像进行识别.实验结果表明,与其他基于非正交矩的混合不变量相比,基于Legendre正交矩的模糊和仿射混合不变量在混合形变下能够获得更好的不变性,不会带来信息冗余问题,并且对噪声鲁棒性较好;此外,该图像识别算法比其他算法具有更高的识别率,特别是在图像含有较大噪声的情况下.     

基于Mumford-Shah 正则项的PET 图像重建方法

在正电子发射断层（Positron emission tomography,PET）重建算法中,正则项常被用来抑制噪声。现将Mumford-Shah（MS）正则项,构造出一种新的变分结构用以进行PET图像重建。采用了Ambrosio和Tortorelli提出的Г-收敛逼近方法,将MS函式对边界积分转化为一类合适的辅助光滑函数的区域积分。在仿真测试中,将算法与传统滤波反投影（Filtered back projection,FBP）算法、最大似然估计方法（MLEM）和最大后验概率估计方法作比较。通过实验对算法的效率和可行性进行了分析。实验结果表明,本文算法在噪声抑制和边界保留上均有较好的表现。     

超声图象的自适应线边界检测方法

针对超声图象存在一种特殊的斑点噪声 ,使图象边界与细节变得模糊 ,而严重影响图象质量的问题 ,提出了一种自适应线边界检测方法 ,即以不同方向与不同大小的“窄条”来近似组织边界 ,这种“窄条”是指具有不同长度、方向各异的线段 .该方法首先将经过每一像素点的“窄条”的最大投影作为该点的灰度值 ;然后应用假设试验优化方法确定“窄条”方向 ,而“窄条”的长度由基于区域增长的局部统计特性决定 .通过引入噪声抑制与边缘保留量化参数 ,进行了仿真斑点图与组织超声图的处理实验 ,并与自适应斑点抑制滤波、直接线边界检测方法进行了比较 ,结果证明 ,该方法不但能有效地抑制斑点噪声、而且能很好地保留与增强图中的组织边界与局部细节 .