大尺度非局部均值伪影抑制技术对提高低剂量腹部CT图像质量的价值研究

目的评价大尺度非局部均值伪影抑制(AS-LNLM)技术对提高低剂量腹部CT图像质量的价值。方法对腹部检查的26例患者采用GE Discovery CT750 HD进行腹部常规剂量及低剂量CT扫描。分别采用滤波反投影(FBP)、40%自适应统计迭代重建(ASIR)技术对常规剂量及低剂量腹部原始数据进行0.625 mm薄层重建,并将两种重建算法的低剂量数据进行AS-LNLM技术处理,应用后处理站对图像进行质量评价分析,测量并比较肝脏、脾脏及腹主动脉的噪声、对比噪声比和信噪比,并对腹部图像质量进行主观评分。记录每例患者每次检查的剂量长度乘积(DLP)和CT剂量指数(CTDIvo1),并计算有效剂量(ED)及剂量平均减低率。结果对于腹部图像质量,AS-LNLM低剂量图像比未使用此技术的常规剂量及低剂量图像有更低噪声值、更高对比噪声比(CNR)及信噪比(SNR)(P<0.05);常规剂量图像较低剂量图像有更低噪声值以及更高的CNR及SNR(P<0.05);对于FBP重建算法,低剂量+AS-LNLM技术及未用此技术低剂量图像的主观评分分别为(3.36±0.69)和(1.95±0.72)(P<0.05);对于40%ASIR重建算法,低剂量+ASLNLM技术及未用此技术低剂量图像的主观评分分别为(3.68±0.48)和(2.18±0.66)(P<0.05)。常规剂量图像用FBP及40%ASIR两种算法重建后的图像主观评分分别为(4.73±0.46)和(4.82±0.40)。低剂量扫描的CTDIvol值、DLP值及ED值分别为(1.84±0.01)m Gy、(49.60±2.63)m Gy/cm和(0.74±0.04)m Sv;常规剂量扫描的CTDIvol值、DLP值及ED值分别为(7.61±0.03)m Gy、(204.18±11.19)m Gy/cm和(3.06±0.17)m Sv。结论AS-LNLM低剂量图像较常规扫描不但可以明显降低扫描剂量,并可以明显提高图像CNR及SNR,图像质量能够满足诊断要求。

基于阈值分割的影像建筑物角点提取算法优化研究

对Moravec和SUSAN这两种经典的特征提取算法进行了深入研究,以Matlab软件为实验平台,验证了它们的可行性。通过对实验结果的比较,分析了Moravec算子中运用"抑制局部非最大"思想的优势、局限性和适用性;在SUSAN算子中通过考虑提取过程中的误差影响因素,为算法中几何阈值和灰度阈值的确定和模板选择提供了依据,对其影响范围进行了定量分析。指出在两种算法实现过程中,Moravec算子由于对如何确定判断窗口的大小不能给出可靠的依据,加之缺少对影像的先验知识,无法了解研究区域角点分布状况。因此,仅仅用这种方法很难获得完全准确的角点特征;对于SUSAN算子,根据分析结果对几何阈值加设一个下限d,在很大程度上排除了孤立噪声点的干扰;并运用"重心距离法",即通过判定SUSAN重心与核心点连线上的像素点的边缘初始值的相近条件,消除了虚假的角点,从而实现了对算法的优化。

基于自适应双阈值的SUSAN算法

传统SUSAN算法在提取图像边缘时,会出现漏检现象,且所提取的边缘较粗。为此,运用计算最大类间方差的方法自适应地选取双阈值,取代传统算法中人工设定的单阈值,采用多方向局部非极大值抑制方法进行改进,提出一种新的SUSAN边缘检测算法,并将其应用于遥感图像的边缘提取。实验结果表明,该算法能够有效提高边缘定位精度,降低漏检率,使边缘更细致光滑。

基于分数阶差分滤波器的边缘检测算法

针对边缘检测中存在的噪声敏感性问题,基于分数阶差分滤波器,并结合非局部最大抑制和双阈值分割方法,提出了一种改进的边缘检测算法。先介绍分数阶差分滤波器的设计原理并分析了滤波器长度和阶次的选择,再结合非局部最大抑制原理以及双阈值分割法,给出了改进算法的边缘检测步骤。由实验分析可知,在有噪声情况下,改进的算法比Sobel算法、Canny算法和LOG算法具有更高的峰值信噪比,得到更好的边缘检测效果。

基于尺度不变Harris特征的准稠密匹配算法

准稠密匹配是多视图三维重建的重要技术,其性能对重建结果至关重要。针对常用的SIFT算法提取的种子点进行准稠密匹配正确率较低、重建效果不佳的问题,提出了一种基于尺度不变Harris角点特征的准稠密匹配算法。该算法在图像多尺度空间构造尺度不变Harris特征,并采用余弦距离测度对不同视图进行双向匹配。根据稀疏匹配获取种子点,采用最优最先匹配扩散策略进行准稠密扩散,采用局部非极大值抑制策略对匹配结果进行重采样。实验表明,算法提取的种子点既能够体现场景结构信息,又具有尺度不变特性,用于准稠密匹配,能够提高匹配的效果和精度,是一种有效的用于三维重建的准稠密匹配算法。

结合四元数与最小核值相似区的边缘检测

目的针对传统彩色图像边缘检测方法中未充分利用图像色度信息、颜色模型间非线性转换过程中时间和空间的大量耗费、算法实现复杂等问题,将四元数引入最小核值相似区(SUSAN)算法中,提出一种RGB空间下的结合四元数与最小核值相似区的边缘检测算法。方法该算法首先对彩色图像进行四元数描述,然后用改进的SUSAN算子进行边缘检测。针对其中单一几何阈值g的限制,以及检测出的边缘较粗等问题,本文采用Otsu算法自适应获取双几何阈值,再对弱边缘点集进行边缘生长,最后根据USAN重心及其对称最长轴来确定边缘局部方向,实现对边缘点的局部非极大值抑制,得到最终细化后的边缘图像。结果实验选取1幅合成彩色图像及3幅标准图像库图像,与彩色Canny算法、SUSAN算法,及采用单阈值的本文算法进行对比,并采用Pratt品质因数衡量边缘定位精度。本文算法能够检测出亮度相近的不同颜色区域之间的边缘,且提取的边缘比较连续、细致,漏检边缘较少。与公认边缘检测效果较好的彩色Canny算法相比,本文算法的品质因数提高了0.012 0,耗时缩短了2.527 9 s。结论本文提出了一种结合四元数与最小核值相似区的边缘检测算法,实现了四元数与SUSAN算子的有效融合。实验结果表明,该算法能够提高边缘定位精度,对弱噪声具有较好的抑制能力,适用于对实时性要求不高的低层次彩色图像处理。

利用Harris算子进行广义点摄影测量特征提取及其矢量化

提出了一种基于非局部极值抑制的Harris算子,实现了特征点和边缘线的联合提取。采用基于主方向的边缘跟踪,实现了边缘的矢量化存储。实验证明,改进后的Harris算子在特征点和边缘线联合提取时较原始算法效果更好。本算法采用一定的数学模型对边缘线进行拟合,从而进一步对边缘特征进行描述,有利于数据管理和后期的特征匹配。