基于互信息量和模糊梯度相似性的医学图像配准

本文分析了基于互信息量的医学图像配准算法中存在的鲁棒性问题 ,提出创建图像的模糊梯度场及建立模糊梯度相似性测度 ,并将其结合到互信息量配准算法当中 .实验证明 ,本方法很好的解决了传统基于互信息量的方法中存在的鲁棒性问题 ,能够快速稳定地实现医学图像配准 .

梯度相似性的椒盐图像加权中值滤波算法

在对现有椒盐噪声中值滤波算法分析的基础上,提出了基于梯度相似性的椒盐噪声图像加权中值滤波算法。利用灰度图像窗口内各个像素点灰度值的差异,将含有椒盐噪声的图像分为疑似噪声点和信号点,然后利用窗口像素点的梯度相似性对疑似噪声点进行分析,并运用图像极值剪切技术去除噪声点像素的干扰。采用舍弃方差极大值的改进加权中值滤波算法给噪声点赋值。实验表明,该算法对图像的细节保留能力和滤波能力有较大的提高,能取得较好的峰值信噪比。

基于互信息与梯度相似性相结合的医学图像配准方法

针对传统互信息配准方法未利用图像空间信息的缺点,提出一种将互信息与梯度相似性结合的医学图像配准方法.待配准图像的每组对应点的梯度相似性包括方向相似性和模值相似性.待配准图像整体梯度相似性系数由各对应点对的梯度相似性之和决定,该系数与传统互信息的乘积作为图像配准的测度.利用2D多模图像分别进行平移、旋转、采样,得到配准函数曲线,并给出具体的配准实例.实验结果表明,该方法比传统互信息有更高的鲁棒性和精度.

基于灰度互信息和梯度相似性的医学图像配准及其加速处理

研究基于归一化互信息的医学图像刚性配准算法,提出改进配准速度和改善配准精度的相应措施.配准处理包含3项主要计算处理,即空间变换、互信息计算以及优化搜索.针对不同计算处理分别研究了相应加速策略,提高其计算速度,实现三维体数据的快速配准.并且,针对传统基于互信息测度配准方法未利用图像灰度空间分布信息,提出将灰度变化梯度相似性与互信息相结合的配准方法,从而进一步提高了配准算法的精度和鲁棒性.实验结果表明了算法的有效性.

基于梯度相似性与Rényi熵图的图像配准算法

图像配准技术是图像处理与分析中的基本任务。针对图像配准对鲁棒性强、准确性高和速度快的要求,文中提出一种基于梯度相似性与Rényi熵图的图像配准算法。该算法首先提取图像特征点集,以Rényi互信息作为目标函数,然后使用特征点集的广义近邻图来估计Rényi熵与互信息,最后将特征点梯度信息融入到配准框架中。新算法结合了特征点梯度信息的鲁棒性和Rényi熵图理论的高效性。在真实遥感图像上进行的配准的实验表明,与传统方法相比,新算法在鲁棒性、速度和准确度上都达到很好的结果,是一种有效的图像配准方法。

双向梯度归一化互信息医学图像配准方法

传统互信息配准方法未利用图像的空间信息,为此,提出一种将互信息与梯度相似性相结合的双向医学图像配准方法.首先以图像A为参考,求图像A和待配准图像B的每组对应点的梯度相似性,并在计算相似性之前引入高斯算子以降低噪声影响,将梯度相似性因子与归一化互信息的乘积作为图像配准的正向测度;反过来,再以图像B为参考计算逆向的梯度归一化互信息.由此得到双向梯度归一化互信息.实验结果表明,该方法比传统归一化互信息和梯度归一化互信息方法有更高的鲁棒性和精度.

基于互信息与边缘梯度相结合的多模医学图像配准方法

针对传统互信息配准方法未利用图像空间信息的缺点,本文研究了图像边缘信息的梯度相似性。首先采用小波模极大值边缘检测提取出图像边缘,提出将边缘图像的梯度相似性系数与传统的互信息相乘作为图像配准的目标函数。然后通过使用Powell优化算法对目标函数进行寻优,得出配准变换参数。最后在互信息的基础上引入图像边缘梯度信息,突出了全局最优解。实验结果表明,该方法可以得到精确、有效的配准结果。

基于多特征相似度的图像质量评价算法

为了解决数字图像处理中的客观质量评价问题,本文提出一种结合梯度、相位以及边缘亮度特征融合的图像质量评价算法。该算法综合利用图像的梯度相似性、相位一致性以及边缘亮度相似性,较好地描述了图像的局部结构特征;同时,利用图像的梯度相似性和边缘亮度相似性,可以较好地体现出图像的对比度变化和显著性变化。通过多个特征相似度的融合,使得提出的客观评价方法与人眼视觉感知具有较好的一致性。通过在TID2008图像数据库的实验结果表明,对不同类型的图像失真,本文方法都具有较好的评价性能。

融合空间约束和梯度结构信息的视频篡改检测算法

相邻帧间相似性原理的传统视频被动取证方法会对画面运动剧烈的视频发生大量误检测,针对这个问题,提出了一种融合空间约束和梯度结构信息的视频篡改检测方法。首先,利用空间约束准则,提取低运动区域和高纹理区域,并将两个区域进行融合,获取顽健的量化相关性丰富区域用于提取视频最优相似性特征;然后,改进原有特征的提取和描述方法,运用符合人类视觉系统特性的梯度结构相似性GSSIM来计算空间约束相关性值,最后,利用切比雪夫不等式对篡改点进行定位。实验证明,针对画面运动剧烈的视频,所提算法误检率更低,精确度更高。

一种基于遮蔽效应的图像质量评价研究

针对梯度结构相似性指标(Gradient Structure Similarity,GSSIM)无法对近阈值失真图像做出很好的判断,导致其判断结果与人类视觉系统(Human Visual System,HVS)不完全一致的问题,为提高GSSIM的准确性及其与HVS的一致性,提出了一种基于梯度遮蔽和视觉显著性的图像质量评价指标(Visual Saliency-Gradient Structure Similarity,VS-GSSIM).首先,根据梯度信号之间存在的遮蔽效应优化梯度性相似性模型;然后,结合显著性模型提高指标和HVS评判的一致性;最后,调整图像局部区域感知质量水平的相对重要性并池化最终得分.实验结果表明所提模型在一致性和单调性的评价指标上均超过GSSIM,并且优于目前绝大多数算法.

一种基于互信息的三级医学图像配准策略

目的进一步解决基于互信息的配准算法在配准精度、速度和误配率之间的相互制约问题。方法提出一种新的配准参数搜索策略——三级配准,将平移、旋转参数分开搜索;在分析互信息配准的优点和局限性的基础上,将模糊理论中的欧几里德贴近度引入三级配准过程中。结果实验结果表明,本文提出的配准策略在保持基于互信息配准精度不变的情况下,迭代步数、配准时间和误配率均有明显改善。结论三级配准是一种能够有效协调配准精度、速度和误配率的配准策略。

基于多尺度条件生成对抗网络血细胞图像分类检测方法

针对血细胞图像中白细胞样本较少和生成细胞图像细节不清晰,导致检测精度较低的问题,提出基于多尺度鉴别器的条件生成对抗网络.该网络通过生成并添加大量逼真的白细胞图像到分类检测网络训练集的方式,实现对血细胞图像的生成和分类检测.在现有条件生成对抗网络真假鉴别器中,引入多尺度卷积核、池化域并在通道上拼接,提升鉴别器对微观细节纹理特征和宏观几何特征的鉴别能力;引入梯度相似性损失函数,以提高生成细胞图像的亮度及边缘清晰度,提升图像的真实感.实验证明,在图像生成阶段,增加多尺度鉴别器和梯度相似性损失函数提高了生成细胞图像的质量;在图像分类检测阶段,对比仅有真实数据训练的情况,增加细胞样本多样性使细胞分类检测的平均精度由90.4%提升至94.7%.

视觉显著性驱动的全景渲染图非局部降噪

目的传统降噪方法通常忽视人眼感知因素,对不同区域的图像块都进行同等处理。当使用传统降噪算法对全景画面滤波处理时,全景画面两极区域容易产生模糊问题,尤其是通过视口观察时,该问题更加明显。针对此问题,提出一种视觉显著性驱动的蒙特卡洛渲染生成全景图非局部均值(visual saliency driven non-local means,VSD-NLM)滤波降噪算法。方法在VSD-NLM算法中首先使用全景图显著区域检测算法获取全景画面的显著区域;然后使用梯度幅值相似性偏差辅助的非局部均值(gradient magnitude similarity deviation assisted non-local means,GMSDA-NLM)滤波算法,降低显著区域的噪声;同时设计并行非局部均值(parallel non-local means,P-NLM)滤波算法,加快降噪处理速度,降低非显著区域噪声;最后利用改进的Canny算法提取梯度特征,同时结合各向异性扩散引导滤波来优化降噪结果。结果采用结构相似度(structural similarity,SSIM)和FLIP作为评价指标,来对比VSDNLM算法与非局部均值滤波算法、多特征非局部均值滤波算法以及渐进式去噪算法等其他算法的性能。实验结果表明,VSD-NLM算法的降噪结果在客观评价指标上均优于对比算法,SSIM值比其他算法平均提高14.7%,FLIP值比其他算法平均降低15.2%。在视觉效果方面,VSD-NLM算法能够减轻全景画面模糊,提升视觉感知质量。本文对GMSDA-NLM和P-NLM算法的有效性进行了实验验证,相较于非局部均值滤波算法,GMSDA-NLM算法能够有效去除噪声并保持图像细节的完整性。P-NLM算法在运行速度方面相较对比算法平均提高约6倍,与串行算法生成的图像之间的SSIM值可达到0.996。结论本文算法能够更好地用于全景图降噪,滤波效果更佳,对全景电影制作应用有重要的理论和实际意义。

基于多特征相似度的图像质量评价算法

为解决数字图像处理中的客观质量评价问题,提出了一种结合梯度、相位以及边缘亮度特征融合的图像质量评价算法。

基于残差网络的中子照相图像无参考质量评价方法研究

目前中子照相图像的质量主要通过人类视觉系统(Human Visual System,HVS)来评估,而HVS无法作为中子成像系统优化参数的实时辅助。为了能够客观评价中子照相图像质量,以对中子成像系统参数优化提供辅助手段,采用残差网络(Residual Network,ResNet)模型,对中子照相图像进行无参考质量评价(No-reference Image Quality Assessment,NR-IQA)。首先对清晰的自然图像添加不同失真等级和失真类型的噪声,再利用梯度幅度相似性偏差(Gradient Magnitude Similarity Deviation,GMSD)方法对添加了噪声的图像进行质量分数标定来建立实验数据集。最后,通过训练ResNet以实现对中子照相图像的特征提取和质量评价。实验结果表明:模型在实验数据集的测试集和两组真实中子照相图像的质量预测上均有较好的表现,证明了该方法在中子照相图像质量评价上的应用潜力。