基于显著性定位和动态自适应区域生长的HRMR图像斑块分割

为了解决HRMR图像斑块边界模糊及灰度不均匀造成的分割难问题,提出了一种结合显著性定位与改进动态自适应区域生长的斑块分割方法。使用非局部均值滤波算法、平滑梯度实现图像去噪与斑块模糊边缘增强;通过显著性检测获得显著图像,采用形态学开重构得到斑块定位图像;利用改进的动态自适应区域生长算法,实现颅内斑块的准确分割。本实验对象为34组脑血管狭窄患者的HRMR图像,通过与专家手动分割结果对比,斑块的平均分割准确度达到90.16%。研究结果表明,本方法不仅能够提高斑块的分割精度,完整地保留颅内斑块的弱边缘信息,同时还可以避免不同医生手动分割造成的主观差异性,或可用于辅助脑血管狭窄患者的临床诊断与治疗。

基于血管增强滤波的脑部静脉分割新方法

目的将本身灰度不均的静脉从有噪声干扰、结构复杂的脑部磁敏感加权图像中准确地分割出来。方法提出基于血管增强滤波联合动态阈值分割和动态阈值区域生长的血管提取方法。前者分割出部分静脉作为种子点,后者生长至几乎全部静脉。结果在重度噪声和干扰的仿真图像中,可以达到90%以上的正确率;在临床图像中,能准确地提取出了静脉,清晰地显示了静脉的脉络结构。结论上述方法可以准确地实现脑部磁敏感加权图像中的静脉分割,有效地避免误分割,同时具有很好的鲁棒性。

金属零件直接成形熔积层轮廓识别与缺陷分析

为提高金属零件熔积直接成形的形状尺寸精度和性能质量的可控性,需要实时监测熔积层宽度和识别缺陷及其形状特征。基于CCD数字图像,开发了动态二次生长算法提取真实的熔积层边缘。为解决提取的边缘不连续问题,开发了过滤边缘突变元素的衔接算法。最后,采用基于最大熵的图像分割方法提取缺陷区域,并求取了缺陷区域的位置和形状特征,为缺陷修复提供依据。实验结果表明,该方法能够准确对熔积层宽度进行可靠监测,并对缺陷区域进行准确定位和形状描述。