基于霍特林变换的三维医学图像快速配准算法

提出了一种新的基于霍特林变换的三维医学图像快速配准算法,这是将数据压缩技术用于图像配准的一种创新性尝试。传统的基于灰度的方法需要考虑整个三维数据的灰度信息,计算复杂度大,无法满足临床需要。论文将Otus算法与互信息量技术相结合提出了一种新的图像分割算法,用于提取待配准物体,从而得到物体的向量表示;然后通过霍特林变换的平移和旋转性质完成配准。实验结果表明此方法能准确,快速地处理图像刚性配准问题,特别适用于三维医学图像的配准。     

基于NL-PF和MIMS的CT金属伪影消除算法

建立了一套针对由金属伪影造成的CT图像质量退化的恢复算法。利用Non-Local前置滤波(Non-Local Pre-filter,NL-PF)对原始CT图像进行全局滤波,从而有效地滤除原始图像中的噪声并对射线状金属伪影进行了平滑,其后配合最大互信息量分割算法(Mutual Information Maximized Segmentation,MIMS)从图像中分割出伪影成份,并利用其周围非伪影部分的像素对伪影类像素进行插值处理得到一个称之为"伪组织"类的图像。最后,通过融合"伪组织"图像的sinogram和原始CT图像的sinogram,得到校正的sinogram并采用滤波反投影重建算法完成金属伪影的CT校正图像。利用所提出的方法可以对含有金属伪影的CT图像进行有效伪影消除,其中射线状伪影消除效果显著。另外,此方法还可以锐化器官轮廓,避免了临床上由于金属伪影导致的放射治疗效果下降。实验表明,金属伪影消除算法可以有效地消除高密度物体造成的金属伪影,从而提高临床诊断和治疗的效果提供技术支持。     

非张量积小波的肝脏CT图像检索

提出了一种基于内容的图像检索（CBIR）方法,用于医学肝脏带病灶CT图像的计算机辅助诊断（CAD）。根据医学CT图像的模糊边界和区域特征不明显等特点,将肝部感兴趣区域用半自动方法分离出来,提取局部纹理共生矩阵特征和灰度特征,然后利用改进的非张量积小波滤波器组提取图像全局特征。实验结果表明,该方法可以提高病灶的检出率,对较难鉴别诊断肝血管瘤和肝癌这两种丰富供血肿瘤的CT图像问题,也有较好的效果。     

一种新的肺结节检测算法

为了能够在肺癌早期或者例行体检时及时发现肺部结节灶,临床上要求能够对肺结节进行全面迅速的检测。提出了一种新的肺结节检测算法——TMH（引入了Hessian矩阵的模版匹配）算法。该算法首先获取肺实质;然后在二维层面上采用模版匹配方法（Template-Matching,TM）对结节进行检测;最后引入Hessian矩阵,有效降低了原TM算法的假阳率,实验证明该算法能够快速检测出肺结节,且假阳率较小。     

医学图像感兴趣区的内嵌小波编码新方法

提出了一种新颖的适合医学图像的压缩算法AR-EWC(embedded wavelet coding of arbitrary ROI).该算法保证了感兴趣区域边界与背景光滑过渡,支持任意形状ROI的无失真编码,生成内嵌有损到无损图像质量渐进优化的码流,并且可以对ROI独立随机存取.针对医学图像的特点,对包含重要临床诊断信息区域采用完全无失真的无损压缩,而对背景采用高压缩比的有损压缩,既保证了医学图像对高质量的要求,相对于传统的无损方案又大大提高了图像的整体压缩比.在临床头部MR图像数据集上的实验表明,该算法在保证了ROI区域无损压缩的前提下,达到了与经典的有损压缩算法相当的压缩比率.     

实现图象边缘检测的改进广义模糊算子法

在相关文献的基础上提出一种邻域加权预处理方法,基本解决了运用广义模糊算子进行边缘检测时出现的断线等问题。实验表明本算法相对于几种常用的边缘检测算子而言能获得较好的效果。     

DVB-S2标准 LDPC码的算法研究和仿真

阐述了LDPC(Low Density Parity Check)码的基本原理,基于DVB-S2中LDPC码分析了该类码的构造、编码及译码原理,同时给出DVB-S2中LDPC码在码率为2/3、码长为16 200 bits时的仿真结果.仿真结果表明,在低信噪比情况下,该LDPC码仍然获得了令人满意的纠错效果,且在性能上的确优于其他码.随着技术的进步,相信LDPC编译码技术将在更多的领域得到应用.     

基于有限元方法的锆-4合金疲劳断口三维重建

本文根据扫描电镜（SEM）二次电子图像的成像原理,采用基于有限元的SFS（shape from shading）三维重建算法,通过对已有的三维重建算法中的B矩阵修正,提出一种新的模板算子.对单幅锆-4合金低周疲劳断口（SEM）进行三维重建,得到了较好的结果.     

磁共振成像PROPELLER数据网格化中的采样密度补偿新算法

PROPELLER磁共振数据的重建是一个典型的K空间非笛卡尔采样数据的重建问题.由于现有网格化重建算法中的密度补偿需要计算每个采样点的密度补偿系数,须对非笛卡尔分布的数据进行卷积运算,给定N采样点,该卷积运算需要N×N/2次距离运算,由于PROPELLER采集的数据量N很大,计算耗时非常长.本文提出PROPELLER数据网格化重建中的密度补偿新算法,通过基于网格化分量全为1的向量来计算在均匀网格点上的采样密度分布值进而加以补偿,使得算法复杂度大大下降.实验表明,本文算法比现有算法的运行时间缩短400多倍,而重建质量与原有算法基本相同.     

基于支持向量机的脑部MR图像细分类

本文提出了基于支持向量机的脑部MR图像细分类器,采用纹理与形状特征相结合方式表达图像,应用StARMiner算法对特征进行选择和计算特征加权系数,最后用支持向量机理论设计分类器对脑部图像进行精细分类。经反复实验优化各参数,粗略分类率可以达到92.10%。细分类可应用于特定人体部位图像的检索系统,以检索出更精确的图像,并且缩减检索空间,提高检索效率。