基于主相位一致性的医学图像配准

本文提出了一种新的图像特征——主相位一致性(Principal Phase Congruency,PPC),并在此基础上构造了一种新的基于主相位一致性的配准算法.首先计算不同尺度、方向上的相位一致性,然后利用主成分分析将它们进行融合,从而得到信息更加丰富的主相位一致性;将待配准图像的主相位一致性看作模糊集合,引入模糊数学中的贴近度概念,计算它们的模糊相似性.我们对模拟和真实数据进行了实验,结果表明在图像空间分辨率较低,有噪声影响等情况下该算法具有精度高、鲁棒性强的特点,特别适合于医学图像的配准.

基于熵和局部邻域信息的高斯约束CV模型

基于曲线演化的Chan-Vese(CV)模型常常不能准确分割非均匀性且结构复杂的医学图像.针对此缺点,文中提出了一种基于熵和局部邻域信息的高斯约束CV模型,作者利用熵构造内部和外部区域能量的权值系数,加强了对曲线演化的控制;同时将曲线上各点的局部邻域信息引入到曲线演化过程中,提高了分割的准确性,并降低了区域内灰度不均匀等因素对曲线演化的影响;高斯约束保证了曲线演化过程中的稳定性、光滑性,同时不需要曲线周长约束项和重复初始化.利用Circular Hough变换对左心室壁内、外膜进行初始定位,避免了人工设置初始轮廓,减少了曲线向目标轮廓演化时间和初始轮廓位置敏感性对分割结果的影响.作者对心脏MR图像的左心室内、外膜进行了分割.结果表明文中方法能够快速准确地分割左心室壁内、外膜,抗干扰能力强,鲁棒性好.

基于局部方差与残差复杂性的医学图像配准

文中提出了一种新的基于局部方差与残差复杂性的相似性测度.传统的基于灰度的相似性测度易受噪声、灰度偏移场和造影剂的影响造成误配.残差复杂性在一定程度上可以克服这一难点,但该测度对初始参数非常敏感,参数设置不正确往往达不到好的配准效果.文中利用图像的局部方差信息构造权重函数,在图像残差比较大的地方给予小的权重约束,在残差比较小的地方给予大的约束,计算约束后残差图像的残差复杂性作为新的相似性测度.新测度更平滑、鲁棒性更好,不容易陷入局部极值.对模拟数据和真实数据的实验表明新测度对噪声、灰度偏移场、造影剂和初始参数具有更高的鲁棒性,更加适合于医学图像配准.

一种新的衡量图像置乱程度的方法

随着图像加密技术的发展,出现了各种各样的加密方法,其中有基于Arnold变换,仿射变换,Hilbert曲线,幻方,骑士巡游,Gray码,混沌序列和基于频域的置乱加密技术。但是却缺少一种能有效衡量这些方法的置乱程度及反映加密次数与置乱程度关系的标准。由于图像中相邻像素之间存在的相关性随着两者间距离的增加而减小,与原始图像相比置乱图像相邻元素的灰度值差值越大说明它的相关性越小,从而置乱程度也就越好。基于这一点提出了一种新的判断置乱程度的方法。实验结果表明该方法能有效衡量置乱程度及反映加密次数与置乱程度的关系。

基于共生互信息量的医学图像配准

该文考虑对应点及其邻域内不同方向上的像素点,将图像的空间与方向信息引入到配准中,提出了一种新的相似性测度——共生互信息量(Co-MI),并在此基础上构造了一种新的配准算法——最大共生互信息量法.实验结果表明在图像空间分辨率较低,有噪声影响和图像部分缺损的情况下,该算法具有计算速度快、精度高、鲁棒性强的特点.作为一种一般性的配准方法,共生互信息量同互信息一样,不仅可以用于图像的刚性和弹性配准,还可以应用到图像配准以外的更广阔的领域,如经济学、运筹学、模式识别等.

基于最大互信息量的图像自动优化分割

由于传统的阈值分割算法只考虑到图像的灰度信息,而忽略了灰度的空间分布以及分割后图像与原图像之间的关系,因而分割效果不好。为了提高分割效果,从分割图像与原图像的内在联系出发,提出了一种新的基于K均值算法与互信息量(mutual information,MI)技术相结合的分割算法。新算法首先利用K均值算法确定全局阈值作为初值;然后以互信息量为目标函数,在小范围内计算分割图像与原图像的互信息量,互信息量达到最大时的阈值即为最优值。这是将图像配准方法用于分割的一种创新性尝试。通过对大量医学图像以及汽车牌照图像进行的实验结果表明,该新算法所得到的目标图像的边界特征保持完好,不仅虚假目标信息大大降低,而且图像边界细腻、连续,且定位性能好。

基于互信息量的寄生虫卵图像自动优化分割

从分割图像与原图像的内在联系出发,提出了一种新的基于Otsu算法与互信息量技术相结合的分割算法——OMI算法。首先利用Otsu算法确定全局阈值作为初值,以互信息量为目标函数,在小范围内计算分割图像与原图像的互信息量,互信息量达到最大时的阈值即为最优值,这是将图像配准方法用于分割的一种创新性尝试。对大量人体寄生虫显微图像进行了实验,结果表明,本算法所得到的目标图像的边界特征保持完好,虚假目标信息大大降低,图像边界细腻、连续且定位性能好。

基于主成分分析的三维医学图像快速配准算法

本文提出了一种新的基于主成分分析的三维医学图像快速配准算法。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。而本算法利用数据的轮廓特征,通过主成分分析计算出图像的质心和主轴,通过对齐质心和主轴完成配准。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Z字形编码的数字图像加密

为了保护有价值的数字图像信息,提高信息的安全性,通过分析图像中每一个像素点的排列关系,提出了基于Z字形编码的数字图像加密算法。将原始图像化分成大小相同且不重叠的区域,对每个小区域按照Z字形编码的方式进行重新排列,从而得到一幅加密图像,解密时只需要对加密图像进行反Z字形编码即可以得到解密图像。最后论证了该算法的安全性与周期性。通过实例结果表明了该方法能够得到较好的加密效果,增强了数字图像的安全性。

基于等效子午面与互信息量的医学图像配准

提出了一种新的基于等效子午面和互信息量的三维医学图像快速配准算法——EMP-MI算法.传统的互信息量的方法需要考虑整个三维数据的信息,计算复杂度大,无法满足临床需要.而本算法将三维数据的配准转化为二维数据的配准,在保证精度的前提下,减少了配准所需时间.文中创新点在于利用主成分分析计算出图像的等效子午面并将图像转化到标准坐标系下,从而将质心和等效子午面粗配准,精细配准时只需要对浮动图像进行微小的调整计算等效子午面的互信息量,这就大大提高了配准速度,减少了陷入局部极值的可能.实验结果表明这种先整体后局部的方法能准确、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。

基于全距置换的数字图像加密

全距置换可以打乱数据的位置,同时又能使元素间距离的所有可能性都出现。所以从换位角度看,全距置换具有良好的密码学性质。将全距置换引入到图像加密的领域,提出了两种利用全距置换对数字图像进行加密的算法。

基于Bernstein多项式的数字图像分存

数字图像分存技术将一幅秘密图像分解成为几幅无意义或者杂乱无章的图像进行存储或传输,以便增加图像信息的安全性。本文讨论了数字图像分存技术及其在信息安全中的应用,首先利用置乱变换对传输图像进行加密,然后利用Bernstein多项式对加密图像进行分存,并可以无误差的恢复出原图像。

基于多尺度卡尔曼滤波的医学图像配准算法

提出了一种新的基于主成分分析和多尺度卡尔曼滤波的医学图像配准算法。利用主成分分析的方法求出两幅图像的主轴和质心,从而计算出图像间的旋转角度;利用高斯金字塔分解构造了一种自适应的卡尔曼滤波器用来提高算法的鲁棒性。对模拟图像和真实图像进行了实验,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。

Monte Carlo随机数在图像加密中的应用

随着图像加密技术的发展,出现了各种各样的加密方法,其中有基于Arnold变换、仿射变换、Hilbert曲线、幻方、骑士巡游、Gray码、混沌序列和基于频域的置乱加密技术。讨论了Monte Carlo随机数的性质,构造了一种新的基于Monte Carlo随机数的图像加密算法。实验结果表明该方法计算简单,运行速度快,并具有一定的安全性。

基于FCM算法与互信息量的图像自动分割

传统的阈值分割算法只考虑到图像的灰度信息,而忽略了灰度的空间分布以及分割后图像与原图像之间的关系。本文从分割图像与原图像的内在联系出发,提出了一种新的基于FCM算法与互信息量技术相结合的分割算法,即FCM-MI算法。首先利用FCM算法确定全局阈值作为初值,以互信息量为目标函数,在小范围内计算分割图像与原图像的互信息量,互信息量达到最大时的阈值即为最优值。对大量医学图像和车牌图像进行的实验结果表明,本算法所得到的目标图像的边界特征保持完好,虚假目标信息大大降低,图像边界细腻、连续且定位性能好。

基于多图谱活动轮廓模型的脑部图像分割

丘脑、海马体、伏隔核、尾状核等关键脑结构的位置、体积、形态等的变化与多种脑部疾病息息相关,对其精准分割是进行相关定量分析的前提.然而在磁共振图像中这些结构对比度不高、边界模糊,传统方法只是利用了标号图像,没有考虑到待分割图像、先验信息等,因无法实现准确分割.文中将多图谱配准与活动轮廓模型相结合,提出了一种新的多图谱活动轮廓模型框架,有效地利用了图谱的先验信息和待分割图像的灰度信息,将多图谱的形状先验项引入到活动轮廓模型中,并在融合标号图像的过程中利用活动轮廓模型校正配准引起的误差,可以得到光滑、准确的分割结果.该框架包含3个部分:第1部分为图谱先验项,利用配准的局部相似性作为权重融合多个图谱的信息;第2部分为数据项,利用待分割图像的局部信息,可以校正配准中的误差;第3部分为平滑项,用于保证曲线在演化过程中的平滑.大量的实验表明了该方法的有效性和准确性.

改进的自适应中值滤波算法

中值滤波窗口大小影响滤波器性能,3×3滤波窗口可以很好地保持图像细节。提出一种新的自适应中值滤波方法。将3×3窗口中心的极值点作为候选噪声点,若候选噪声点仍然是7×7窗口的极值点,则该点即是噪声点。若以噪声点为中心的3×3滤波窗口的中值不是噪声,则噪声用中值替换。重复以上过程,直到没有噪声点被替换。如果图像中仍然存在大的噪声团块,则噪声用相邻的三个信号点的灰度均值替换。实验结果表明,该方法能够有效去除脉冲噪声,并在抑制噪声的同时很好地保护图像的细节。

新的形态学图像降噪方法

提出一种新的基于轮廓结构(CB)元素形态学的多尺度图像降噪方法。考虑到图像在不同尺度下的特性,用基于轮廓结构元素形态学的多尺度算法滤除图像噪声,然后将不同尺度下的降噪图像加权融合在一起,从而得到最终的降噪图像。通过大量实验证明该方法能够有效去除多种不同类型的图像噪声,并在抑制噪声的同时很好地保护了图像的细节和边缘信息。

基于邻域信息和高斯加权卡方距离的脊椎MR图像分割

提出一种基于邻域信息和高斯加权卡方距离的脊椎MR图像椎体的自动分割方法。由于成像过程中存在噪声和各向异性的影响,单个像素的灰度值对噪声敏感,为此采用5像素×5像素窗口,提取每个像素点邻域内的空间-灰度特征,该特征对噪声具有较强的鲁棒性。利用高斯加权的卡方距离度量两个像素的相似性,构造一种全新的相似度矩阵;而单一的尺度参数存在一定局限性,所以引入一种自适应的局部收缩因子,完成脊椎MR图像椎体的自动分割。实验结果表明,新算法克服了传统方法中常见的过分割和欠分割现象,覆盖率均在96%以上;分割的正常和退行性改变椎体光滑且清晰,具有分割结果准确、鲁棒性强的优点。作为一种一般性的分割方法,该算法可以拓展到其他器官的分割中。