基于多尺度梯度矢量场GAC模型的MR医学图像分割

医学图像分割是图像分割技术的一个重要应用领域,GAC(测地线活动轮廓)模型是基于PDE(偏微分方程)方法中一种常用的图像分割模型,使用这种模型时,如何选择合适的平滑尺度是影响分割效果的重要因素之一。提出了一种基于多尺度梯度矢量场GAC模型图像对象轮廓提取的MR图像分割方法,用多尺度梯度矢量取代GAC模型中单一尺度下平滑图像的梯度矢量,提高了GAC模型的收敛速度,有效地改善了局部极小值问题。实验结果验证了该方法的有效性。

基于梯度矢量卷积场的四阶各向异性扩散及图像去噪

进一步研究了基于偏微分方程的图像去噪方法。为了去除二阶偏微分方程(P-M模型)引起的阶梯效应以及提高四阶偏微分方程(Y-K模型)的边缘及纹理保护能力,本文将梯度矢量卷积场(GVC)引入到四阶偏微分方程Y-K模型中,提出了基于GVC的四阶各向异性扩散模型。首先,减去原始Y-K模型中的部分梯度方向扩散。然后,引入GVC场以代替图像在梯度方向的二阶导数直接计算。由于GVC场可以较准确地确定图像的边缘位置,并对噪声具有很强的鲁棒性,因此得到了有效的各向异性扩散模型。实验结果表明,运用本文去噪方法可以更好地保护图像边缘及纹理等细节特征,而且能够有效地提高峰值信噪比;文中所有在实验中得到的峰值信噪比均比原始模型高1dB以上。

基于改进演化算法的自适应医学图像多模态校准

医学图像校准是医学图像融合的前提和关键,需要从校准的两个方面进行改进。将图像梯度场矢量和像素强度信息相结合作为图像提取的特征空间,尽可能多的保留图像空间信息,提高图像校准精度,因此文中提出了一种新的多模态校准方法。并用改进演化算法作为搜索策略,自适应调节演化因子,同时采用二进制数对变换系数进行染色体编码,搜索具有全局最优的变换系数,克服普通搜索方法容易陷入局部最优的缺陷。实验表明,该方法快速准确的实现了医学图像的校准,同时给出了这种方法的模型和过程。

基于二维GFVC卡尔曼滤波的遥感图像信噪比分析

提出了一种基于二维GFVC卡尔曼滤波的遥感图像信噪比分析方法 ,分析表明 ,该方法与传统的二维随机信号估计方法相比 ,在算法复杂度和实时性上均有明显的优势 。

基于非线性偏微分方程的灰度图像骨架线提取方法

基于变分法提出用于计算灰度图像梯度矢量场的非线性偏微分控制方程,利用图像梯度矢量场的拓扑性,可实现骨架线的提取。该方法的主要优点是它的简单性,可直接应用于灰度图像,不需要任何的分割处理。把提出的方法应用于牛顿环干涉条纹中,并与广泛使用的分块二值化细化算法和极值跟踪法进行了比较,实验结果表明了本方法的良好性能。