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。

基于图像层的双水平集图像分割

传统C-V模型可以将待分割图像分割成目标和背景两区域,但无法实现对多目标图像的分割。多相C-V模型能够对多目标图像进行分割,但需要多次迭代,计算量较大。为了解决上述问题,提出一种基于图像层的双水平集分割算法,该算法通过引入背景填充技术来改变图像背景,从而形成新的图像层,双水平集不断地在新的图像层中进行分割,直到所有目标被分割。这样通过双水平集就可以实现对多目标图像的分割。实验结果表明:该算法能够实现多目标分割,且迭代次数较少,同时具有较强的抗干扰能力和较快的收敛速度。

基于距离变换的图像层间插值技术

由断层图像恢复出目标物体的三维图像应用极广。文中提出了基于距离变换的断层图像插值方法来获得三维重构时的数据场。此方法由于在插值时考虑了目标物体的整体特征,从而使得插值具有连续性。

数字电视图像层静帧和黑场报警的判断算法

在数字电视的安全播出中,图像层的监测是关键,也是最直观的一步,所以图像层监控算法就显得尤为重要。针对这一问题,从当前数字电视中的黑场、静帧这两个最常见报警方式入手,通过对当前主流算法及这两种报警本身的特点进行分析,找出一组高效可行的算法,并通过程序进行验证。

数字电视图像层报警判断算法研究与实现

电视的安全播出中,图像层的监测是关键,也是最直观的一步,所以图像层监控算法就尤为重要,本文针对这一问题,从当前常见的黑场、静帧、无声、彩条、台标丢失等五种常见现象进行了分析,从而找出一组高效可行的算法,并通过程序进行了验证。

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。

基于数字图像的大田哈密瓜不同时期冠层相对叶绿素含量检测研究

为探究快速无损获取大田哈密瓜完整冠层相对叶绿素含量的可行性,首先,利用自制的图像采集小车搭载面阵相机,获取不同水肥处理下大田哈密瓜伸蔓期、开花期、膨果期的378张完整冠层图像;然后,对图像进行处理后,提取32种颜色特征和6种纹理特征,分析图像特征与冠层相对叶绿素含量的相关性;接着,对图像特征进行预处理后,选取相应的主成分作为模型输入,分别建立用于预测不同时期冠层相对叶绿素含量的多元线性回归(MLR)、支持向量机回归(SVR)、随机森林(RF)模型。对比建模效果发现,SVR模型的效果最好,在伸蔓期、开花期、膨果期,该模型预测值与实测值回归的决定系数分别为0.73、0.73、0.83,均方根误差分别为0.90、0.91、0.76。研究表明,利用数字图像技术能实现对大田哈密瓜不同时期冠层相对叶绿素含量的快速无损检测,可为大田哈密瓜田间管理提供技术参考。

基于改进小波变换的多层量子图像加密算法研究

提出一种基于改进小波变换的多层量子图像加密算法。应用混沌序列和改进生成对抗网络,建立密钥池,对多层量子的明文图像进行置乱处理,通过重复两次FFT,得到最终的密文图像。为确保加密过程可逆性,改进小波变换重建多层量子图像。实验结果表明:研究方法对图像具有理想的加密效果,且解密后图像仍然可保持较高分辨率。

基于深度神经网络的多聚焦红外图像非线性增强

当红外图像中含有多个聚焦目标主体时,会导致红外图像质量下降,部分区域出现模糊,因此,提出基于深度神经网络的多聚焦红外图像非线性增强方法。在引导滤波的作用下,从红外图像中获取细节层图像和背景层图像,在细节层图像中建立局部清晰度评价函数,得到清晰的细节层和背景层并融合二者。利用构建的深度神经网络结构,建立非线性增益函数,通过设定阈值和调整子带系数,实现对多聚焦红外图像的非线性增强。测试结果表明,所提方法在增强图像过程中,并没有改变原始图像的亮度和纹理波动;增强后的图像信息熵比原图像提高了57%左右,图像抗噪性能值更高,平均为7.4 dB,图像更清晰,SSIM值更趋近于1,平均为0.98,增强后的图片与原图片图像相似度更高,更接近于真实图像。

基于改进藤壶优化算法的森林冠层图像分割

为解决森林冠层图像因结构复杂,提取时受光照不均的影响而导致分割精度低的问题,采用一种基于自适应调整策略的混沌藤壶交配优化算法(Chaotic Adaptive Barnacle Mating Optimization,CABMO)的森林冠层图像分割方法。首先采用Logistic混沌映射初始化藤壶种群以提高算法的探索能力;然后设计非线性递增阴茎系数使探索和开发之间更平衡;最后将Kapur熵作为适应度函数,利用CABMO算法选取适应度函数的最优值,降低复杂度的同时,加强阈值的搜索效率。为验证CABMO算法在森林冠层图像分割上的有效性,以适应度值、峰值信噪比值(Peak Signal to Noise Ratio,PSNR)、特征相似性指数测试值(feature similarity index mersure,FSIM)和计算时间作为性能指标来评估分割效果。研究结果表明,在适应度值、PSNR值和FSIM值上CABMO算法分别以100%、99%、97.9%的占比优于对比算法,在计算时间上100%优于基本藤壶交配优化算法(Barnacle Mating Optimization,BMO)。结果表明,CABMO算法在提高森林冠层图像分割精度的同时也获得了更高质量的分割图像。

光学相干层析成像技术在膜污染研究中的应用

简述了光学相干层析成像技术(Optical coherence tomography,OCT)的成像原理和监测优势;由于可快速生成高分辨率的污染层二维和三维图像,可用于表征污染层形成过程､定量分析污染层､表征膜内部污染与润湿､耦合深度学习模型预测膜污染,促进对膜污染形成过程和机制的理解;总结了OCT在膜污染分析中的主要问题,并对未来的研究进行了展望。

基于层的平动军事目标图像识别及运动估计

根据平动物体的运动学特征采用层的图像处理方法,实现自然环境中平动军事目标的识别和运动估计。在彩色图像的组成层上,进行图像恢复、背景噪音消除和轮廓提取等灰度图像处理。依据军事目标的特点,在各个图像组成层上采用独立的参数控制以实现最佳彩色图像处理效果。在已知目标模型的情况下,根据连续帧的处理识别确定模型的运动状态,结合平动的特点,实现目标模型的运动估计。在层上的图像处理效果优于灰度处理,利用目标模型模板,能较准确地判断目标模型运动状态。

激光共焦扫描光学显微镜系统中的图像层间插值技术

由断层图像恢复出目标物体的三维图像是激光共焦扫描光学显微镜 (LCSM)系统的重要部分。提出了基于距离变换的断层图像插值方法来获得三维重构时的数据场。此方法由于在插值时考虑了目标物体的整体特征 。

多层螺旋CT三维成像技术对结肠癌的诊断效能分析

目的分析多层螺旋CT(MSCT)三维成像技术对结肠癌的诊断效能。方法选取2019年2月至2022年2月江西省上饶市立医院收治的82例结肠癌患者作为研究对象,另选取同期本院41例结肠良性肿瘤患者纳入研究。所有患者术前均行MSCT三维成像技术检查,以病理组织学结果为金标准,评估结肠肿瘤良恶性、结肠癌组织病理结构及术前结肠癌T、N分期的诊断效能。结果以病理组织学结果为金标准,经MSCT检查诊断,良性肿瘤9例,结肠癌76例,结肠良性肿瘤47例,MSCT检查准确率为90.24%,灵敏度为89.02%,特异度为92.68%,阳性预测值为96.05%,阴性预测值为80.85%,MSCT检查与病理组织学结果一致性较好(Kappa=0.788)。82例结肠癌患者中,降结肠4例,横结肠9例,直肠17例,乙状结肠20例,升结肠和盲肠32例。MSCT三维重建诊断侵及结肠固有肌层的准确率为93.62%,诊断结肠癌浸润结肠全层的准确率为100.00%,诊断侵及结肠黏膜下层的准确率为94.12%,诊断侵及黏膜下层的准确率为100.00%;MSCT检查准确率为95.12%;MSCT三维重建与病理组织学病理表现结果一致性极佳(Kappa=0.920)。MSCT三维重建诊断结肠癌≤T2期的准确率为57.14%,诊断结肠癌T3期的准确率为90.48%,诊断结肠癌T4期的准确率为92.59%;MSCT三维重建诊断T分期的准确率为89.02%;MSCT三维重建与病理组织学T分期检查结果一致性较好(Kappa=0.777)。MSCT三维重建诊断结肠癌N0期的准确率为93.33%,诊断结肠癌N1期的准确率为72.22%,诊断结肠癌N2期的准确率为75.00%;MSCT三维重建诊断N分期的准确率为80.49%;MSCT三维重建与病理组织学N分期结果的一致性较好(Kappa=0.699)。结论MSCT三维重建技术可清晰反映肿瘤的病灶位置、组织形态和结构,对结肠肿瘤良恶性具有较高的诊断价值,可用于评估术前病理分期,为制订合适的治疗方案提供依据。

小麦冠层图像H分量的K均值聚类分割

大田环境下小麦冠层图像具有光照不均匀、背景复杂及阴影遮挡等特点,经典图像分割算法存在精度低、过分割等问题,提出一种基于HSI空间下H分量的K均值聚类算法。使用R+G-B归一化处理RGB空间下的彩色图像,以抑制其B分量;将归一化图像进行RGB到HSI的颜色空间转化;根据光照是否均匀,使用K均值聚类算法对彩色图像的H分量进行不同的聚类处理,经形态学开运算及去噪处理获得最终目标图像。实验表明,该方法对不同施氮量、不同光照、不同生长时期小麦冠层图像的分割效果较好,相对基于Lab空间的K-means聚类分割,该方法可一定程度避免过分割现象;相对基于H分量的Otsu算法,对光照不均匀图像分割更完整,对复杂背景图像分割更精确。

基于Euclidean距离的纸张z向截面中墨层图像分割

目的通过图像分割方法得到纸张z向截面中印刷墨层区域的图像,利于更好地分析研究油墨在纸张中的分布。方法利用物理切割方法和超景深显微镜拍摄,得到高分辨率的纸张z向截面彩色图像,将该图像从RGB颜色空间转换到HIS空间,采用欧式距离作为相似性度量,实现油墨层的分割。结果在HIS空间对油墨层图像进行分割时,分割阈值选取为3倍样本标准差最大值时,分割图像精确;当分割阈值取4倍或者2倍、1倍时,出现了过度分割或者欠分割。结论分割得到的油墨层图像有利于定量计算油墨的渗透深度及渗透分布,为进一步定量研究油墨与纸张的相互作用奠定了一定的基础。

林木冠层图像的分割方法研究

现代林业研究中,有效的提取并分析图像数据中树木信息,对树木深层信息挖掘起着很重要的作用。实际上,从复杂的林业图像中准确的分割出目标植物是很多后续图像研究的关键问题之一。大津法是目前使用最为广泛的图像分割算法之一,但是由于树木图像的自然性,该方法对冠层图像临界处分割往往存在较大误差。为解决该问题,本文结合类间方差及类内聚度这两个度量值,改进大津法阈值选取目标函数,并且以银杏冠层图像为例进行分割,结果表明:(1)对于郁闭度较小的冠层图像,两种分割方法得到的分割效果较为相近;(2)对于郁闭度较大的冠层图像,本文改进方法较传统大津法可得到更好的分割效果。(3)改进法分割冠层图像是可行的。

基于可见光光谱和随机森林算法的冬小麦冠层图像分割

数字图像分析技术因其高效、快速等特点,已被广泛应用于作物长势和氮素营养状况的无损监测领域。获取作物冠层覆盖度及可见光光谱亮度值及其衍生的色彩指数,需要从作物冠层图像中准确分割出作物图像。研究以冬小麦与背景(土壤)在可见光波段反射率的差异为依据,利用基于CIEL*a*b*色彩空间a*分量的最大类间方差法和基于sRGB和CIEL*a*b*两个色彩空间的随机森林算法对冬小麦冠层图像进行了分割,并比较了图像分割精度。结果表明,三种方法均具有较高的分割精度,其中基于随机森林算法的图像分割效果明显好于最大类间方差法,而基于sRGB和CIEL*a*b*两个色彩空间的随机森林算法的图像分割效果差异较小。研究结果表明,随机森林算法可直接利用冠层图像可见光波段的三个色彩分量(R,G和B)分割冬小麦冠层图像。

单样本三层人脸图像智能识别仿真研究

对于单样本三层人脸图像的高效识别,能够有效实现人脸智能识别技术。对单样本三层人脸图像的智能识别,需要先给出人脸图像序列线特征的提取过程,进行图像的直线匹配,完成对人脸单样本三层图像的识别。传统方法从人脸图像中提取五官轮廓,对其进行规则化处理,但忽略了对人脸图像进行直线匹配,导致识别精度偏低。提出一种基于直线特征匹配的人脸单样本三层图像智能识别方法。对人脸图像进行小波尺度分解,进行Harris自适应阈值角点检测,给出人脸图像序列线特征的提取与拟合过程,结合人脸图像直线特征的角度及灰度近似性测度等约束完成人脸图像的直线匹配,利用面-面相交原理实现序列图像中人脸特征直线的单样本三层图像重建。实验仿真证明,所提方法具有较好的稳定性和可扩展性,并且识别精度较高。