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GFO模型的水平集分割算法

众所周知,水平集分割方法由于能克服Snake分割中所要求的初始轮廓必须与目标轮廓相近以及图像结构不应发生拓扑改变这两大难题而深受青睐。然而,其在图像分割遇到的最大困难是解决边界泄漏问题。虽然有许多研究工作均试图解决这一难题,但收获甚微,究其原因主要是：图像的梯度信息不仅被作为轮廓线运动的停止策略,同时也将为零水平集向目标轮廓运动提供吸引力。因此,其不可避免将产生边界泄漏现象。针对这一难题,本文通过采用GFO模型以提供更鲁棒的边界信息和更可靠的停止策略来构造运动驱动力,从而较好地解决传统水平集分割算法所不能解决的大部分边界泄漏难题。     

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.     

Hausdorff距离和量子粒子群的二维图像匹配

提出了一种基于Hausdorff距离和量子粒子群算法的二维图像匹配算法。为了实现二维图像的搜索,首先利用Canny算子提取图像的边缘,再利用Hausdorff距离作为图像搜索的目标函数,然后引入了带量子行为的粒子群的优化算法来求解搜索所需的空间变化参数,实验结果表明,带量子行为的粒子群的优化算法（QPSO）能够迅速地在全局范围内找到最优解,因此应用于二维图像搜索是可行的。     

基于CMOS的医学图象处理系统软件设计

本文选用CMOS OV7640为图像传感器来采集实际图像,利用USB2.0总线接口技术和OpenCV计算机视觉库,以VisualC 6.0作为开发平台设计了基于CMOS的视频采集及边缘检测系统.提出了一种基于数学形态学的多尺度边缘跟踪的算法.该算法在抑制噪声的同时能够有效地检测出图像的边缘,基于OpenCV计算机视觉库编写了视频图像边缘检测的软件.     

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MS-FCM算法的MR图像分割方法

针对传统模糊C-均值(FCM)聚类算法在分割低信噪比图像时准确性较差的问题,提出一种用于MR图像分割的改进算法MS-FCM。针对脑部MR图像相邻像素属于同一分类的模糊隶属度相近的特性,在迭代过程中对隶属度数据集进行滤波,以降低噪声对聚类精度的影响。模拟脑部MR图像和临床脑部MR图像的分割实验证明,该算法可以提高图像分割精度。     

基于轮廓的多设备医学图象的刚性配准

提出了一种基于轮廓的多设备医学图象的刚性配准算法。在半自动轮廓搜索的基础上，运用迭代最近邻点方法搜索轮廓间的对应点，最小化代价函数并获得最佳刚性变换，实现图象的精确配准。通过多次选择初始变换的搜索策略，解决了搜索过程中出现的局部极小值问题。实验表明该方法能有效地实现多设备医学图象的配准。