基于SLIC和GVF Snake算法的乳腺肿瘤分割

为了进一步提高乳腺肿瘤分割的精确度,提出了一种基于简单线性迭代聚类(SLIC)和梯度矢量流(GVF)Snake算法相结合的乳腺肿瘤分割模型。该模型首先对图像进行预处理以减少冗余信息提高后续的分割效率;其次结合图像的纹理特征提出了一种自适应K值方法,并对图像利用SLIC算法进行粗分割,描绘出乳腺肿块的初始轮廓;最后,利用GVF Snake算法加大对轮廓边缘信息的捕捉范围,进行细分割得到分割结果图。实验验证表明,该分割模型可以有效地提高分割效率和准确度,在一定程度上优于传统的分割算法,得到了较为理想的分割结果。

基于NDT和特征点检测的点云配准算法研究

针对传统的迭代最近点(ICP)算法计算量较大、效率较低、易受点云初始位姿影响等缺点,提出一种基于normal distribution transform(NDT)和特征点检测的点云配准算法。该算法采用“粗细结合”的配准策略,首先对点云进行预处理;然后采用NDT算法对处理后的点云进行粗配准,为精配准提供较理想的初始位姿;再利用3D-Harris特征点检测算法提取点云特征点;最后利用ICP算法对提取特征点后的点云集进行精细配准,得到最优解。仿真结果显示,与传统算法对比,所提算法进一步提高了点云配准的效率和精确度。

基于改进双边滤波的深度图像修复算法研究

针对经典双边滤波算法对深度图像修复效果较差,且无法准确调整核函数参数等问题,提出了基于形态学和改进双边滤波的深度图像修复算法。首先,利用形态学算法对输入的深度图像进行空洞优化,以达到填充部分细小空洞和滤除随机噪声的目的;然后,运用改进的双边滤波算法,引入概率分布函数和最大似然函数计算每个空洞邻域内的核函数参数值,以自适应调整核函数参数,实现大面积空洞的修复;最后,采用中值滤波算法对图像进行平滑处理,滤除深度图像的“毛刺”,保留图像的边缘细节并保持清晰度。实验结果表明,所提算法能有效地填充深度图像中的空洞,并且不丢失原始深度图信息,达到了保边去噪的目的,具有较强的鲁棒性。