一种新的彩色医学图像增强算法

本研究提出了一种新的彩色医学图像增强方法。该方法首先在CY空间中对图像的饱和度进行直方图均衡 ,再对亮度进行直方图修正 ,充分考虑了彩色图像中的亮度与饱和度之间的联系及亮度限制了饱和度的范围 ,从而消除了不可实现颜色。应用该算法对彩色医学眼科图像进行增强处理 ,实验结果表明本算法具有良好的效果。

基于活码的彩色医学图像数字水印算法

文中提出一种新的以活码作为水印信息嵌入到彩色医学图像中的信息隐藏方式。采用活码极大提高了水印的嵌入容量,而且具有可以随时修改、加密的特性,使水印信息更加灵活。具体的水印嵌入及提取算法结合了DCT、DWT和SVD。实验结果表明,该算法在保证医学图像的水印信息不可见性与安全性的前提下,能有效抵抗噪声、剪切、旋转等多种几何攻击,具有良好的鲁棒性和超大容量。

HSV空间彩色X线医学图像增强研究

提出了一种HSV空间彩色X线医学图像增强方法。该方法首先将医学图像转换到HSV颜色空间,然后在HSV空间中分别用Sigmoid函数和线性变换函数对其亮度和饱和度进行增强,再把增强后的图像转换到RGB颜色空间进行显示。在重新定义的Sigmoid函数中,通过引入两个可调节的参数a和b,较好的提高了算法的有效性;在线性函数中引入参数k1和k2,提高了算法的通用性。实验表明算法具有较好的增强效果。

基于灰关联分析和最大熵阈值的医学彩色图像分割算法

在彩色图像分割领域,因色彩信息丢失而导致的分割精度差和因运算量大而导致的实时性不好是两大亟待解决的问题。文中将灰关联分析理论引入彩色图像分割领域,提出一种基于灰关联分析和最大熵阈值的医学彩色图像分割算法。避免了传统彩色图像分割中因三维色彩信息发散而造成的信息丢失现象,提高了分割精度,又能提高分割实时性。实验结果证明了该算法的有效性。

基于GFCMA算法的医学彩色图像分割

医学图像分割是医学图像分析的关键步骤,经典的模糊C-均值聚类算法(FCM)是常用方法,但其依赖于初始聚类中心的选择,通常存在局部收敛的缺陷。通过与遗传算法(GA)结合而成的遗传模糊C-均值聚类算法(GFCMA),采用RGB颜色空间,能够得到全局最优解,并在此基础上实现了医学彩色图像分割和特定目标提取,取得良好分割效果。

基于色彩传递的生物医学图像彩色化

单色生物医学图像的彩色化通常需要手工操作。基于色彩传递的彩色化方法在生物医学成像过程中应用计算机给单色生物医学图像添加颜色,是一种跨学科的新方法。首先根据单色图像的内容确定一幅合适的彩色图像做参考图像,然后单色图像和彩色参考图像转换到去相关的对立色空间(lαβ颜色空间);用亮度通道邻域统计量匹配的方法为单色图像的每个像素选取最佳参考图像采样点,并将最佳参考图像采样点的颜色赋值给相应的单色图像像素;最后,传递结果转换到RGB颜色空间显示。经过这样的处理过程,单色生物医学图像获得了看上去近似于参考图像的色彩,与传统方法相比更方便高效。

真彩色医学图像分析系统简介

近年来，随着计算机技术的发展，图像处理技术在生物医学、石油地质、金属材料等领域的应用，已得到长足的发展。在生物医学领域：涉及到医学形态的学科很多，如病理检查、血液和骨髓细胞分析、脱落细胞分析，乃至X线、B超等多种图像分析诊断，都是依赖器官组织或细胞的形态特点进行的。

计算机医学彩色图像远程传输的实现及应用

本文分析了医学彩色图像的特声、，从四个方面介绍了在通信线路上传输医学彩色图像的原理方法和在临床中的应用。