基于顺序形态学的医学图像插值算法的研究

医学图像插值方法是医学图像三维重建的关键技术,插值的结果直接决定了三维重建的效果.本文在深入研究了顺序形态学理论的基础上,提出了一种基于顺序形态学的插值算法,该算法采用百分位膨胀和腐蚀算子,解决了线性插值和形状插值等算法产生的边界模糊的问题.仿真实验表明该算法产生的断层图像和原有断层图像过渡自然,为后续的医学图像三维重建奠定了基础.

一种利用绝对最小Lipshitz延拓的医学图像插值算法

提出一种基于最小Lipshitz延拓的图像插值半隐式算法,并用医学图像放大实验初步验证了算法的有效性.

基于局部区域对应点匹配的MRI图像层间插值方法

目的医学影像层间插值对提高图像分辨率十分重要。基于灰度插值的传统算法在处理结构复杂,层间灰度变化大的区域时常会造成组织细节丢失或边缘模糊。本研究旨在建立一种局部区域对应点匹配插值算法,从而有效改善插值图像质量。方法构建一种局部区域对应点匹配算法。通过将线性插值图像与同位置原始扫描图像之间的对比构建误差图像并确定出高误差区域。对非高误差区域使用线性插值。对于各高误差区分别采用对应点匹配方法处理:首先根据每个区域的局部信息确定其对应于点对匹配度误差函数最小误差的最优参数组,然后为区域内每个插值点找到两侧图像上的最佳匹配点对用于该插值点灰度计算。将此方法应用于轴、矢、冠状位方向系列扫描图像的层间插值,将插值图像与同位置原始扫描图像的均方差作为评价插值质量的标准。结果与其他算法插值结果相比,局部区域对应点匹配算法可显著降低插值误差,矢状位图像插值结果的改善尤为突出。与整体对应点匹配算法插值结果相比,其误差平均值降低达19%,有效改善了原高误差区域的插值质量。结论本研究建立的局部区域对应点匹配插值算法可以有效地解决以往算法在处理复杂组织边界区域插值时的不足,显著提高图像层间插值的精度和质量。

面向医学图像层间插值的循环生成网络研究

由于受成像设备性能及辐射剂量等因素的限制,CT以及MRI图像序列的层间分辨率远低于层内分辨率,这极大地限制了医学图像的应用,如何有效提高医学图像序列的层间分辨率是一个亟待解决的问题。针对此问题,将医学图像转换成对应的二值图像,实现对连续医学图像序列简单且流畅的层间插值处理,提出一种医学图像层间插值循环生成网络。该网络由2个模块构成:图像转换模块设计包含9个残差块和2个双线性上采样模块的生成器子网络实现有效的图像转换,然后通过该模块学习到的双向非线性映射能力实现医学图像和其对应二值图像之间的循环映射;插值模块将运动估计和图像生成合并到单个卷积步骤中,并构造一个适于医学图像特征的二值图Charbonnier差损失函数进一步提高图像清晰度,完成对二值图像序列的插值处理。在5个多类型数据集上的实验结果表明,生成图像的平均峰值信噪比(PSNR)和结构相似性(SSIM)均优于先进对比方法,在图像边缘、轮廓等细节信息的处理上更加出色。

图像插值技术及其在医学图像处理中的应用

利用Matlab编程技巧,实现灰度插值技术在医学图像处理中的应用。

融合特征金字塔与可变形分离卷积的CT图像层间插值方法

针对计算机断层扫描(CT)序列图像中层间分辨率远低于层内分辨率的问题,提出了一种融合特征金字塔与可变形分离卷积的CT图像层间插值网络。该网络由两个模块构成:图像生成模块和图像增强模块。图像生成模块利用MultiResUNet实现对输入图像的特征提取,然后利用两组不同的可变形分离卷积分别对输入图像进行卷积运算生成候选层间图像;图像增强模块通过特征金字塔和图像合成网络实现对输入图像的多尺度特征融合,生成额外专注于上下文细节的图像,以进一步对候选层间图像的纹理细节进行增强。实验结果表明,所提层间插值网络生成的层间图像在定性和定量分析上均取得了较优效果,在图像边缘轮廓及纹理细节处理上表现更加出色,能有效提高CT序列图像的层间分辨率。