一种基于改进Rank变换的图像匹配算法

为了解决传统Rank非参数变换匹配算法存在的问题,提出了一种基于改进Rank变换的图像匹配算法.引入Rank变换并研究其局限性,将变换窗口内所有像素的灰度平均值作为匹配像素的灰度值.对于和匹配像素相对位置相差为1个单位的邻域像素,其灰度值保持不变;对于其他位置像素灰度值用二维双线性插值法获得.将图像实现改进Rank变换...     

一种高效的视觉导航摄像机标定方法

针对移动机器人视觉导航中的摄像机标定问题,提出一种高效的摄像机标定方法。考虑透镜畸变的影响,利用Hough变换提取矩形棋盘格的角点,求出摄像机参数初始值,运用Levenberg-Marquardt算法对初始解进行非线性迭代优化。通过重投影方法将求出的角点重新投影到矩形棋盘格像平面上,并与原提取的角点相比较,分析产生位置误差的原因。实验结果表明,该方法抗噪声能力强,对实验条件要求相对较低,标定精度满足移动机器人实际导航的要求。     

融合重建滤波器和暗特征的渗出物检测算法

针对多数视网膜渗出物提取算法检测精度不高的 问题,提出了一种融合重建滤波器和 暗特征的视网 膜渗出物检测算法。首先,对视网膜灰度图像均值滤波后应用“球形”重建滤波器移除视网 膜血管,使用列 滤波器标识出渗出物区域并阈值分割得到含有视盘和边界的渗出物区域图像。其次,在均值 滤波后的灰度 图像中检测视盘和图像边界,并根据视盘构建掩膜,接着从含有视盘和边界的渗出物区域图 像中移除视盘 和边界,然后应用 “圆盘形”重建滤波器扩充渗出物尺寸。最后,对视网膜灰度图像自适 应直方图均衡化, 阈值分割后反转灰度值得到暗特征,从扩充渗出物尺寸后的图像中移除暗特征即得到最终渗 出物图像。实验结果表明,本文算法能有效检测视网膜眼底图像中的渗出物,较现有算法具 有更高的检测精度。     

基于OpenCV的焊缝跟踪系统中摄像机标定方法

针对焊接机器人焊缝跟踪导引系统研制过程中的摄像机标定问题,以摄像机标定技术为研究对象,分析了开放计算机视觉函数库(OpenCV)中的摄像机模型,对摄像机的标定过程以及几何模型进行了深入的研究.特别地,充分考虑了透镜的径向畸变和切向畸变的影响及其方程的求解方法,采用Bouguet算法提取角点,实现了基于OpenCV的摄像机标定.结果表明,该算法可以充分发挥OpenCV的函数库功能,能够稳定的成功提取棋盘格角点,提高了标定精度和计算效率,可以满足机器视觉导引系统中摄像机标定的实时性要求.     

一种对光照条件不敏感而快速的局部立体匹配

针对绝大多数立体匹配算法的相似性测度过分依赖于图像灰度统计特性的问题,提出了一种对光照变化不敏感的立体匹配算法.首先,研究了Census非参数变换并分析了其局限性;其次,为了在立体匹配时能够考虑像素的空间位置信息,对于变换窗口内与中心像素的相对位置大于一个单位的各邻域像素,将其灰度值通过周围4个像素的灰度值插值获得:最...     

胶质母细胞瘤多模态磁共振图像自动分割

针对大多数传统胶质母细胞瘤（GBM）多模态磁共振（MR）图像分割算法未能将整个肿瘤细分为不同子区域的问题,提出基于混合特征和先验知识的GBM多模态MR图像自动分割算法. 配准GBM多模态MR图像,将头部区域方位调整到近似未旋转位置,并利用N4ITK法进行偏置场校正. 在提取GBM多模态MR图像局部位置特征、强度特征、纹理特征、对称特征和上下文特征后,应用随机森林分类器初步分割GBM多模态MR图像. 考虑GBM肿瘤解剖结构先验知识,移除小区域和中值滤波后得到最终分割结果. 以Dice相似性系数作为评价指标,利用所提出的算法对TCGA-GBM和CH-GBM数据库中整个肿瘤进行分割,获得的平均Dice相似性系数分别为0.871、0.882. 结果表明,该算法能以较高的准确率分割GBM多模态MR图像,适用于临床GBM多模态MR图像分割任务.     

Attention U-Net在前列腺MRI分割中的应用

随着国内前列腺特异性抗原筛查的普及,每年检出的有前列腺问题的病例呈现出上升趋势。高精度的前列腺的可靠和自动分割对于医生诊断和治疗前列腺癌具有深远的意义。本文提出一种新的前列腺MRI数据分割方案,通过在U-Net引入Attention机制,以有效抑制无关区域中的激活,减少很多冗余信息。实验的结果表明,采用该方法所提取的特征对于前列腺MRI数据自动分割的精准性具有很大帮助。     

基于多模型融合和区域迭代生长的视网膜血管自动分割

糖尿病视网膜病变是成年人致盲首因,视网膜血管分割是诊断糖尿病视网膜病变的基础.为提高视网膜血管分割准确性,提出一种基于多模型融合和区域迭代生长的视网膜血管自动分割算法.首先,预处理后分别构建数学形态学、匹配滤波器、尺度空间分析、多尺度线检测和神经网络模型初步分割视网膜血管,为减少噪声取五个分割结果的均值作为初步输出.其次,设计掩膜分离渗出物和视盘,将数学形态学模型分割结果替换掩膜白色区域,并融合初步输出生成组合结果.最后,考虑视网膜血管先验知识,对组合结果阈值分割和区域迭代生长后获取最终结果.实验结果表明,该算法分割DRIVE和STARE眼底图像库视网膜血管的检测精度、敏感度和特异性分别为0.9457、0.7843、0.9815以及0.9472、0.7826、0.9803,优于多数经典算法.     

多模态MR图像和多特征融合的胶质母细胞瘤自动分割

胶质母细胞瘤(glioblastoma multiforme, GBM)是恶性度最高的脑胶质瘤,其病变组织的定位和量化计算对肿瘤的诊断及制定治疗计划至关重要.为提高GBM自动分割的准确性,提出一种多模态MR图像和多特征融合的GBM自动分割算法.首先在图像配准和偏置场校正后,融合GBM多模态MR图像提取各体素的多个底层特征,构建随机森林(random forest, RF)模型,依据特征信息粗分割;其次将多种子点三维区域生长分割GBM多模态MR图像的结果替换相应置信度低的粗分割结果,生成训练数据重新训练RF模型,精分割GBM多模态MR图像;最后考虑GBM解剖结构先验知识、阈值分割和中值滤波精分割结果后得到最终结果.以平均Dice相似性系数、Hausdorff距离和敏感度为评价指标,该算法分割GBM-nih-zcmu数据库中整个肿瘤的平均Dice相似性系数、Hausdorff距离和敏感度分别为0.879, 6.232和0.863,能有效地提高GBM多模态MR图像自动分割的精度,满足临床应用对准确率的要求.