一种改进的MRI图像刚性平移运动伪影的校正

在磁共振成像过程中由于患者的运动会在图像中造成运动伪影,从而造成图像的退化,严重影响临床诊断．本文对MRI图像刚性平移运动伪影提出了一个改进的后处理方法：首先用谱平移理论消除频率编码方向平移运动;然后建立模糊模型表示图像的背景并对其进行抑制,用数学形态学的方法确定图像的支撑域;最后以能量熵为收敛准则,用相位恢复算法对频率编码方向残余的子像素移动造成的伪影和相位编码方向的伪影进行消除．实验表明,应用本研究提出的方法能够明显地消除图像空间运动造成的伪影．     

基于二进小波变换的图象多尺度边缘检测算法及应用

系统介绍了二进小波变换在图像连缘检测中的算法,使用该算法可以地分辨出图像的轮廓特征,实验证明该算法是可行的。     

基于细节增强的多能DR图像融合网络

针对单能X射线无法对复杂工件各部位同时曝光成像的问题,提出一种基于细节增强的多能DR融合网络-双编码巢式连接融合网络。该网络以Inception模块作为基础卷积层,在双编码器的辅支路设计了可训练的LOG卷积模块,用来提取多尺度边缘特征,并将其补充到主支路以增强全局特征。在训练阶段,提出一种基于图像块的局部能量一致性损失函数,以减少输入、输出的局部性误差。融合时,采用通道和空间注意力机制作为融合策略,对双编码提取的多尺度增强特征进行融合,并将融合后的多尺度特征输入嵌套连接的解码器进行重构。结果表明,该融合网络具有细节增强效果,能够完整清晰地再现复杂工件的内部结构及缺陷。     

基于编解码器生成对抗网络的CT去噪

针对生成对抗网络在训练中损失函数收敛慢,难以恢复图像细节的问题,提出一种基于编解码器与多尺度损失函数的生成对抗网络模型.使用含残差连接的编解码器作为生成器,该网络易于训练,能够加快对抗损失函数的收敛;引入噪声损失,与使用VGG19模型的感知损失构成多尺度损失函数,使图像在视觉上的纹理细节达到更细致的恢复效果.实验结果表...     

基于自适应增益系数的两级反锐化掩模法

传统的反锐化掩模法(Unsharp Masking Algorithm, UMA)采用固定的增益系数,难以在抑制噪声放大和增强图像特征之间实现较好的平衡.因此,提出了一种基于自适应增益系数的两级UMA.首先,采用UMA重点增强图像的细节;然后,采用加权核范数最小化(Weighted Nuclear Norm Minimization, WNNM)算法去除噪声;最后,再次采用UMA重点增强图像的强边缘.其中,两次UMA均采用基于梯度模的增益函数,自适应地调整细节处和强边缘处的增益系数.实验结果表明,相比传统的UMA,所提方法在增强工业X射线图像重要结构特征的同时,可以有效抑制噪声放大和防止出现过冲现象.     

基于残差局部幂的分数阶各项异性扩散低剂量CT降噪算法

针对低剂量CT(Computed Tomography)图像中由于噪声影响而引起医学误诊的问题,提出了一种基于残差局部幂的分数阶各项异性扩散低剂量CT图像降噪算法.该方法将残差局部幂作为纹理检测算子加入分数阶各项异性扩散模型的扩散系数中,充分利用了残差图像中纹理、细节和边缘信息,有效增强了分数阶各项异性扩散算法的降噪性...     

基于支持向量机与改进分水岭的红细胞识别算法研究

针对因红细胞重叠以及细胞试剂里含有杂质而造成红细胞识别不准确的问题,提出了一种基于支持向量机(Support Vector Machines,SVM)与改进分水岭算法的红细胞识别算法.算法首先提取原始图像的二值化图像中每个连通区域的形状特征;利用SVM识别单个连通区域与重叠连通区域;利用改进分水岭算法将重叠区域分割为单...     

基于片相似性和最大似然期望最大化的低剂量CT重建算法

针对低剂量计算机断层成像(CT)重建的图像产生严重退化的问题,提出一种基于片相似性各项异性扩散和最大似然期望最大化(MLEM)的低剂量CT重建算法.首先,采用基本的MLEM算法对低剂量投影数据进行重建;然后,由于片相似性在降噪的同时,也能较好地保持图像的边缘和细节信息的特点,对重建后的图像使用基于非局部理论思想的片相似性降噪方法处理;最后,由于低剂量投影数据还存在脉冲噪声点,使用中值滤波对图像进行处理.采用Sheep-Logan体模作为实验模型进行低剂量CT图像重建的仿真,与BI-MART、BI-MLEM、基于方差的ELEM和基于结构相似性的MLEM算法进行了对比.实验结果表明,所提算法的信噪比(SNR)高达10.216 308 dB,与对比算法相比,视觉效果更优,且有更小的归一化均方误差(NMSE)、均方绝对误差(MAE)和归一化均方距离(NMSD).所提算法重建出来的图像能在光滑去噪的同时有效地保持图像的细节和边缘信息,既能有效地保持弱梯度和纹理,又不存在各项异性扩散存在的明显阶梯效应.     

基于相关系数和双向扩散结合的优质正电子发射断层重建算法

在正电子发射断层成像（PET）中,传统迭代算法会造成重建图像细节信息丢失或目标边界模糊。为了解决上述问题,提出一种基于相关系数和双向扩散结合的优质中值先验（MP）重建算法。首先,引入特征因子相关系数来表征图像局部灰度统计信息,构造出结合相关系数的双向扩散模型;其次,考虑到双向模型对背景和边缘区别处理的优点,将新模型应用到中值先验分布的最大后验重建算法中,形成基于双向扩散的中值先验重建算法。实验结果表明,该算法在去除噪声的同时能够较好地保持图像中的目标边界信息,信噪比（SNR）和均方误差（RMSE）的变化也能直观体现重建图像质量的提高。     

基于局部复杂度和粗糙度的形态学空间锐化法

传统锐化算法对灰度突变的强边缘响应强烈,对噪声敏感,易产生过冲效应,且对灰度变化较小的微弱细节锐度不足,为此提出一种新的图像锐化算法.利用顺序形态变换的相关性质和概念,构造了一种局部加权均值滤波器,克服了传统线性滤波在平滑图像的细节和噪声时,一些重要边缘也被平滑而易产生过冲的问题;同时针对图像灰度剧变区和级别丰富区,应用图像局部粗糙度和复杂度自适应调节增益函数,有效地提升了图像中弱边缘和纹理细节的表现力.实验结果表明:该算法有效地避免了强边缘过冲现象,且在增强图像边缘和微弱细节的同时,保持了整体背景噪声与原图像一致,抑制了噪声的放大.