SLIC超像素分割在医学图像处理中的应用

医学影像现已广泛应用于临床实践,是专家诊断病情的重要依据。但医学图像具有成像机制复杂,目标位移产生伪影,部分容积效应导致误差和设备磨损产生噪声等诸多不稳定因素,极大增加后续图像处理的复杂度。基于SLIC超像素分割算法利用像素间的冗余信息,在预处理阶段通过特征相似度消除伪影和噪声造成的影响,同时良好的聚类效果大大降低算法的复杂度,为专家快速诊断提供有效依据。

基于超像素分割的扫描图像去网算法

目的研究一种扫描图像的去网算法,以去除影响扫描图像质量的半色调网纹或者加网网纹。方法首先基于SLIC超像素算法对扫描图像进行分割并对边界进行矢量化,然后采用线性平滑滤波器和非线性平滑滤波器对图像进行逆半调处理,得到平滑的背景图像,最后把矢量边界与平滑背景整合在一起得到去网后的图像。结果在去除网纹的同时有效保留了边界信息,实验图像的峰值信噪比和结构相似度优于其他算法。结论文中方法可以有效去除网纹,与其他算法相比具有较好的去网效果。

SLIC超像素分割的并行化实现

数字图像处理往往信息量大,算法复杂度高。SLIC超像素分割算法在图像预处理阶段,通过相邻像素的关联特征,将单一像素点聚类为超像素块,有效过滤高相似度重复信息。根据聚类过程相对独立的特性,并行化实现SLIC超像素分割算法,有效降低算法时间复杂度。

数字图像质量评价综述

数字图像的质量评价是当今图像领域的热点问题,对质量评价的常用方法进行介绍,其中全参考评价方法最成熟,应用也最广泛,无参考评价方法有很好的研究前景。为了得到与人眼视觉系统HVS一致性更高的评价结果,对各种方法都在进行不断的完善与改进。概述质量评价方法的相关性能指标,最后就评价方法的进一步发展提出展望。

图像逆半调及其质量评价综述

数字半调是数字印刷乃至现代印刷的核心技术之一。半调可使连续色调图像转换为二值图像。如需对半调图像作分类识别、图像压缩、图像增强等处理,就应先让半调图像重建为连续色调图像,即进行逆半调处理。首先介绍了半调图像的不同发展阶段;然后对已有的逆半调方法根据不同的图像恢复依据进行了分类介绍,并对重建的逆半调图像的质量进行了客观评价;最后总结了已有逆半调方法的不足,并指出了未来可改进的关键方向。

基于对称相似度的MRI图像检测

在自然界中广泛存在对称性和相似性,人体的很多器官是近似对称的。如果发现某个器官近似不对称,很可能是病变所引起的,而对称性和相似性的判断则依赖于人的主观行为。对称相似度检测是一种快速地计算对称相似性的方法来辅助诊断脑部疾病,能够提高医生的诊断准确性。

基于对称相位一致性的图像质量评价方法

针对基于特征相似性的图像质量评价方法(FSIM)在检测图像阶跃边缘时存在的局限性,提出一种将FSIM与对阶跃边缘敏感的对称相位一致性(SPC)相结合,并利用各向同性Sobel算子计算梯度幅值的新方法——对称特征相似度(SFSIM)。该方法利用SPC通过相位相邻像素响应的符号确定对称相位的特性和更加准确的各向同性Sobel算子加权系数,能够很好地检测和定位尖锐的图像边缘特征。对不同失真类型的图像进行仿真实验,结果表明,在保留原始方法优良性能的基础上,SFSIM对比较尖锐的图像边缘特征和高斯模糊图像具有更高的敏感性。