角膜神经显微图像的自适应渐晕校正

通过拼接角膜神经图像可以减小显微图像视场小的影响。由于显微图像存在渐晕效果,拼接图像会在拼接处产生伪影,影响医生诊断。为解决拼接图像的渐晕伪影问题,提出了一种通过非线性多项式函数建模进行图像渐晕校正的方法。首先,对单张角膜神经图像建立渐晕模型,设置符合渐晕物理性质的约束条件,利用L-M优化算法对渐晕模型参数进行迭代优化。在每次迭代优化过程中,计算对数信息熵,对当前渐晕模型的校正效果进行判断,防止图像过度校正。迭代优化结束后,将渐晕模型反向补偿原图像,完成渐晕校正处理。通过对比校正前后的拼接图像,校正后图像在拼接处无明显的渐晕伪影。实验测试5组不同患者的图像,校正后图像MSE、PSNR、SSIM评估指标平均值分别达到0.0042、72.2251 dB、0.9600,具有最佳的校正效果。本文算法的校正效果明显优于其他同类算法的校正效果。该方法能够有效地对角膜图像渐晕效果进行校正,无须提前设置固定的相机和环境亮度参数。校正后图像拼接效果良好,可获得更加准确、清晰、视野范围大的角膜神经拼接图像。

Mutual Information and Relative Entropy of Sequential Effect Algebras

In this paper,we introduce and investigate the mutual information and relative entropy on the sequentialeffect algebra,we also give a comparison of these mutual information and relative entropy with the classical ones by thevenn diagrams.Finally,a nice example shows that the entropies of sequential effect algebra depend extremely on theorder of its sequential product.