神经切片图像中识别定位线断面的研究

识别在神经切片图像中的定位线断面是实现神经切片图像配准的前提。在分析了定位线断面特征的基础上,提取了定位线断面的特征集合并计算了先验概率和类概率密度函数,设计了二值数据的贝叶斯分类器,再用该分类器识别神经切片图像中的定位线断面,得到定位线断面中心像素坐标。实验表明,采用二值数据的贝叶斯分类器识别准确率可以达到90.5%,其识别精度与神经网络识别方法相同,但是识别速度显著快于神经网络识别方法。这为后续进行神经切片图像的配准奠定了基础。

基于K-均值聚类的神经切片图像功能束类型识别研究

针对周围神经物理切片图像中不同类型的神经功能束染色后显示出的特异性,提出了一种基于K-均值聚类的神经切片染色图像中神经功能束类型识别的方法。首先通过特征分析与提取决定以灰度均值μ和方差σ2作为纹理特征,然后运用本文算法对神经切片染色图像中的不同类型神经功能束进行聚类和识别。通过在人体周围神经组织切片图像上的实验证明,该算法能对神经切片染色图像中的神经功能束类型进行有效分类识别。

神经切片染色图像边缘的二次提取方法研究

针对神经切片染色图像的边缘模糊不连续、色泽不均匀、区域不规则的特点,提出了一种效果良好的神经切片染色图像边缘提取方法。通过改进的均值漂移滤波改善图像质量,获得第一次的连续边缘;考虑到切片图像的复杂性,对提取得到的连续边缘运用区域填充及数学形态学的方法处理后进行第二次边缘提取,从而提取到最终的较为准确、光滑的边缘;最后在人体周围神经组织切片图像上的实验证明,该方法具有提取效果好、抗噪声能力强等特点。

神经切片染色图像边缘的二次提取方法研究

针对神经切片染色图像的边缘模糊不连续、色泽不均匀、区域不规则的特点,提出了一种效果良好的神经切片染色图像边缘提取方法。通过改进的均值漂移滤波改善图像质量,获得第一次的连续边缘;考虑到切片图像的复杂性,对提取得到的连续边缘运用区域填充及数学形态学的方法处理后进行第二次边缘提取,从而提取到最终的较为准确、光滑的边缘;最后在人体周围神经组织切片图像上的实验证明,该方法具有提取效果好,抗噪声能力强等特点。

医学切片图像配准新方法研究

提出了一种新的医学切片图像配准方法,该方法分两步完成:首先引入图像归一化相关理论对传统的主轴矩配准算法进行改进,并用改进后的主轴矩法对图像进行粗配,得到初始变换参数,该参数可作为精配准的初始值;然后在初始值附近,运用修正后的powell算法循环迭代使得两幅图像的互信息最大,此时得到的变换参数可实现更高精度的配准:最后在MATLAB上仿真,实验结果表明,利用主轴矩法对图像进行粗配,减少了后续配准的搜索步骤,提高配准效率,互信息法提高了配准的精度。