基于NL-PF和MIMS的CT金属伪影消除算法

建立了一套针对由金属伪影造成的CT图像质量退化的恢复算法。利用Non-Local前置滤波(Non-Local Pre-filter,NL-PF)对原始CT图像进行全局滤波,从而有效地滤除原始图像中的噪声并对射线状金属伪影进行了平滑,其后配合最大互信息量分割算法(Mutual Information Maximized Segmentation,MIMS)从图像中分割出伪影成份,并利用其周围非伪影部分的像素对伪影类像素进行插值处理得到一个称之为"伪组织"类的图像。最后,通过融合"伪组织"图像的sinogram和原始CT图像的sinogram,得到校正的sinogram并采用滤波反投影重建算法完成金属伪影的CT校正图像。利用所提出的方法可以对含有金属伪影的CT图像进行有效伪影消除,其中射线状伪影消除效果显著。另外,此方法还可以锐化器官轮廓,避免了临床上由于金属伪影导致的放射治疗效果下降。实验表明,金属伪影消除算法可以有效地消除高密度物体造成的金属伪影,从而提高临床诊断和治疗的效果提供技术支持。

基于最大互信息量熵差分割的CT金属伪影消除

本文作者提出一种基于图像最大互信息量熵差分割的CT金属伪影消除算法.新算法首先利用各向异性高斯滤波对原始CT图像进行预处理,以抑制CT图像中的部分噪声和伪影;其后配合最大互信息量熵差分割算法,对预处理CT图像进行自适应多目标分割;接着通过对分割后的金属物图像及由金属引起的伪影进行正向投影,得到金属物的投影数据,并将此投影数据与原始CT图像的正向投影数据做"与"运算,以获取金属物投影在投影空间内的索引函数,再将原始CT投影数据减除金属物对应的投影数据部分,利用索引函数完成原始CT投影数据中的反馈式插值处理,得到修正的投影数据;最后对修正的投影数据采用滤波反投影完成CT图像重建.实验表明,本文算法对含有金属伪影的真实体模CT图像和临床CT图像的伪影消除均有尚佳表现.

基于最大互信息的人脑MR-PET图像配准方法

利用最大互信息法进行多模医学图像配准近来成为了医学图像处理领域的热点。MR和PET图像配准对研究神经组织的结构功能关系和引导神经外科手术有着重要的指导意义。本文描述了一种基于互信息的人脑MR PET图像配准方法。我们将这种方法应用于图像的几何对准并给出了初步的评估结果。由于不需要对不同成像模式下的图像灰度间的关系作任何假设 ,最大互信息法是一种稳健性强 。

基于专业术语提取的中文分词方法

针对在科技文献中,未登录词等相关专业术语其变化多端,在中文分词中难以识别,影响了专业领域文章的分词准确度,结合实际情况给出了一种基于专业术语提取的中文分词方法。通过大量特定领域的专业语料库,基于互信息和统计的方法,对文中的未登录词等专业术语进行提取,构造专业术语词典,并结合通用词词典,利用最大匹配方法进行中文分词。经实验证明,该分词方法可以较准确的抽取出相关专业术语,从而提高分词的精度,具有实际的应用价值。

基于自适应方向性滤波和非局部均值修补的CT图像金属伪影消除

CT图像金属伪影的校正长期以来都是一个重要课题。首先采用自适应方向性前置滤波器对含有金属伪影的图像进行处理,在一定程度上消除噪声,抑制条状伪影;其后采用均值漂移分割出原图像中的金属成分,最大互信息熵分割出伪影成分;使用平行束投影获取原始图像和金属成分的弦空间数据,从原图弦空间数据中减除伪影成分对应的弦图;继而采用非局部均值修补结合线性插值方法对弦空间数据进行补全;最后采样滤波反投影得到校正后的图像。实验表明,本算法对于含有金属伪影的水模和真实临床图像的校正,获得更好的匀质区域一致性和更好的伪影抑制性能。

基于互信息图割的风景图片美学测度

提出了一种基于最大互信息图割的摄影照片可计算美学测度算法。该方法按照信息理论元素将彩色图像R/G/B三通道信源空间进行压缩,根据图像邻近位置颜色分布相似的原理,进行区域Bins合并。然后采用逐像素扫描方式,用贪心法以最大信息熵为优化目标,找出区域的分割位置。接着采用二叉分割树进行存储优化分割节点,用大顶堆获取当互信息值最大的节点,对区域反复进行垂直或水平分割,以给定的分割区域块数为终止条件。最后累加分割过程中互信息值最大的节点之和作为照片最终的美学测度值。分割过程中,对算法进行加速,将R/G/B三通道的各像素直方图由16777216个Bins压缩成64个Bins。实验结果表明,这种算法测量的美学值与Ground truth一致,能有效地表现原图像的丰富细节,是一种将信息理论元素在图像微观美学测度的一种尝试。