脑部数字减影图象增强研究

针对数字减影图象中，因运动引起的图象质量下降问题，提出了一种基于图象配准的数字减影图象增强算法，该算法通过选择合适的控制点和相似测度，采用快速样条插值算法以及鲍威尔优化搜索方法，并用块匹配方法对造影图象和掩膜图象进行配准，实验结果表明，配准后的减影图象质量良好，不仅具有较高的临床诊断价值，并且该算法具有较快的计算速度。     

一种新的快速计算Legendre矩的方法

正交矩在模式识别，图像分析等领域有成功的应用，但由于正交矩的复杂性，有关正交矩的快速算法研究尚未得到很好的解决，该文提出一种 新的快速计算Ｌegendre矩的方法，该方法把基于像素点的二维Ｌegendre矩转换为线段的形式来计算，在计算出所有线段的积分后，使用扩展的Ｈatamian滤波方法来计算一维的Ｌegendre矩。结果显示新的算法有效地降低了计算的复杂度，并且，该方法能用于处理任意形状的物体。     

基于GPU的快速Level Set图像分割

水平集(1evel set)图像分割方法是图像分割中的一个重要方法，但是该算法的计算量大，往往不能达到实时处理的要求。给出了利用新一代的可编程图形处理器(GPU)实现level set的加速算法。首先介绍了如何在GPU上利用片元渲染程序进行网格化的线性运算和有限差分PDE计算，把level set方法的离散化算子映射到GPU上。由于以数据流处理方式的GPU的存储访问快，具有并行运算能力，同时level set算法演化的显示不再需要把数据从CPU传到GPU，因此较大地提高了算法速度与交互显示。文中实现并测试了一个与初始化状态独立的二维level set的算子用于图像分割，并对其运算结果和性能进行了比较，结果表明该方法具有更快的速度。     

一种可调整步长的适应性图像目标轮廓采样方法

为了更有效地获得三维医学图像，提出了一种可调整步长的适应性图像目标轮廓采样方法。直接获取自临床的层阃间距相对较大的医学图像数据，首先经由图像预处理和图像目标轮廓插值等前期数据预处理操作，然后采用本文提出的一种可调整步长的适应性图像目标轮廓采样方法对图像目标轮廓线上的点进行适应性采样，最后给出了图像目标的三雏表面显示效果图。实验结果证实了方法的可靠性和有效性。该采样方法既保持了图像目标轮廓的尖锐特征和拓扑结构，又较好地实现了数据压缩。     

一种影像增强器失真图像的校正方法

针对基于X线透视的骨科手术导航系统中影像增强器图像失真的问题,在多项式变换校正影像增强器失真图像的基础上,提出了基于正交多项式和加权正交多项式变换的影像增强器失真图像校正方法.利用正交多项式的正交特性和递推关系,提高影像增强器失真图像校正的精度、速度和灵活性;加权正交多项式变换中考虑控制点对不同像素点影响的不同,改善图像的局部形变.实验数据表明,相同阶数的正交多项式方法比多项式方法精度高,加权正交多项式方法则精度更高,能用较低阶的加权正交多项式实现较高的精度.在骨科手术导航系统中,作者利用三阶加权正交多项式方法校正影像增强器透视图像,降低了图像几何失真给病人空间与图像空间配准带来的误差,提高了手术定位的精度.     

基于矩的数字图像多边形逼近方法

提出了两种基于矩的数字图像的多边形逼近方法。通过比较原始图形和近似图形之间几体矩或Legendre矩的偏差的大小,选择一个最佳的近似结果,进一步可以得到一个顶点数递减的近似多边形序列。与现存的方法比较,这种方法有效地避免了逼近这结果依赖于起始点的选取的缺陷。     

PDE融合方法的两种离散方案的比较研究

基于Pop.S等提出的基于偏微分方程（PDE）的连续图像融合方程,提出了一种新的离散化方案,将原来的先计算梯度再求散度的离散化方案变化为直接计算拉普拉斯的离散化方案,对方程的正则化项进行相应的调整。将这两种离散化方案分别对一些一维信号和二维信号进行融合对比实验,实验结果显示：对所有的测试信号,新方案都能进行有效的融合;对某些测试的一维和二维信号,新方案能够加速信号的收敛过程并且使得到的融合图像在质量指标上比原方案有提高;而对某些测试信号,新方案与原方案在输出信号的收敛速度上和输出图像的质量指标上也是十分接近的。     

一种改进的光流场计算方法

本文在基本约束方程和平滑性约束条件下,提出了一种改进的瞬时位置速度估计方法。这种方法不仅能够克服Ｈｏｒｎ方法在计算临近界的非运动点速度“漂移”问题,而且能加快算法的收敛速度,提高预测的准确性。通过对２Ｄ运动图像光流场计算,恢复和峰值信噪比的实验研究表明,这一新方法是有效的。     

FCM算法的改进及仿真实验研究

针对FCM原型算法的不足,提出一种新的改进方法,并进行仿真实验研究。利用主成分分析方法对原始数据集的指标进行筛选,应用Relief算法对入选指标计算权重。在此基础上,对FCM算法进行了改进。应用模糊划分系数Fc（R）和平均模糊熵Hc（R）这两个指标对算法的性能进行了评价。仿真实验结果表明,改进后的FCM算法对样本集数据的分类符合率达到了91.5%,其模糊划分系数Fc（R）和平均模糊熵Hc（R）分别为0.924和－0.062。改进后的FCM算法分类性能优于FCM原型算法,在应用中可以取得更好的效果。     

利用Zernike矩对心脏超声图进行光流场计算的邻域优化算法

本文针对心脏超声图的特性 ,介绍了一种计算二维光流场的邻域优化算法 ,通过对Zernike矩的正交性、旋转不变性等特性的分析 ,论证了Zernike矩在心脏超声图中作为运动不变特征的优越性 ,从而将传统光流场计算中的亮度不变假设推广到了亮度各阶Zernike矩不变 .另外 ,由于Zernike矩计算了像素点附近其余像素的贡献 ,使得单个像素点引起的误差对特征的影响大大减小 ,从而提高了算法的鲁棒性