综合颜色和Contourlet直方图的图像检索方法

为提高图像检索性能,使用Harris彩色点提取器提取颜色特征点,设计一种基于颜色特征点的环形颜色直方图,在对图像进行Contourlet变换的基础上,提出Contourlet直方图的概念,改进其旋转不变性,并提取图像的纹理信息。仿真实验结果表明,该方法能够快速准确地检索彩色图像。

基于Contourlet直方图的目标跟踪算法

提出一种基于Contourlet直方图的目标跟踪算法。对图像先进行Contourlet变换,并利用变换后的Contourlet系数建立Contourlet直方图,将其作为meanshift算法的迭代参数来实现目标跟踪。实验结果表明,本算法具有较好的鲁棒性,能够在遮挡、小目标等情况下实现快速准确的跟踪。

基于改进直方图均衡的SF6泄漏区域增强算法

SF6气体红外成像易受环境噪声影响,呈低对比度与低信噪比特性。导致现有算法无法自适应增强SF6泄漏区域和抑制高斯噪声。针对上述问题,提出一种基于改进HE的SF6泄漏区域增强算法。该算法首先采用单尺度Retinex处理原始SF6图像获得反射图像,然后利用引导滤波将反射图像分解为细节层和基本层,最后采用改进的直方图均衡化来自适应处理基本层,并将增强后的图像进行融合来获得最终的图像。实验结果表明:本文算法不仅能够自适应增强泄漏区域的对比度,而且具有良好边缘保持特性和抑制高斯噪声的性能。其增强效果优于现有的SF6红外图像增强算法。有效改善了SF6红外图像低对比度和低信噪比特性。

CT增强扫描灰度直方图纹理分析技术对肺癌患者术前恶性程度评估及对预后的预测价值

目的探究CT增强扫描灰度直方图纹理分析技术对肺癌患者术前恶性程度评估及对预后的预测价值。方法选择2018年5月至2022年9月在我院就诊的且经术后病理证实的肺癌患者580例作为研究对象。依据术后病理分期,将研究对象分为高分化组(183例)、中分化组(195例)、低分化组(202例)。根据预后情况,将其分为预后良好组(356例)和预后不良组(224例)。由2名医师提取患者CT增强扫描灰度直方图纹理参数。受试者工作特征(receiver operating characteristic,ROC)曲线分析特征参数对肺癌患者术前恶性程度的诊断效能及预后的预测价值。多因素Logistic回归分析预后不良的重要影响因素并构建人工神经网络模型。Pearson分析检验参数间的相关性。结果均值、10%分位、50%分位等参数在高、中、低分化三组中有显著差异。三个参数对评估肺癌患者恶性程度均具有一定的诊断效能,且三者联合诊断效能最佳。均值、10%分位、50%分位是预后不良的保护因素,三者联合预测肺癌患者的曲线AUC值大于各指标单独预测的AUC值。ROC曲线和累积增益图表明该模型预测能力良好。纹理特征参数中,69.44%的参数具有相关性。结论CT增强扫描灰度直方图纹理参数在一定程度上反应肺癌患者术前恶性程度信息,给术前预测以及预后提供了重要方法。

增强MRI全域直方图鉴别儿童星形细胞瘤和室管膜瘤的价值

目的深入探究T_(1)全域灰度直方图分析在儿童后颅窝星形细胞瘤与室管膜瘤鉴别诊断中的实用价值。方法本研究对我院数据库中记录的51例经MRI检查及病理确诊的儿童后颅窝肿瘤病例进行了详尽的回顾性剖析。在这51例病例中,星形细胞瘤占26例(男性12例,女性14例),室管膜细胞瘤占25例(男性13例,女性12例)。患者年龄分布在1至12岁之间,平均年龄为(5.5±2.3)岁。我们运用Mazda软件,在两组MR增强T_(1)矢状位图像的每一层肿瘤层面上,精确地勾画出感兴趣区域,并进行全面的灰度全域直方图分析。接着,我们对这两组直方图参数特征进行了详尽的统计学对比,旨在深入剖析各参数在鉴别诊断中的统计意义,以期为儿童后颅窝肿瘤的精确诊断提供更为有效的辅助手段。结果在深入分析通过增强T_(1)全域灰度直方图所提取的九个参数时,我们发现其中四个参数——变异度(Variance)、偏度(Skewness)、第一百分位数(Perc.01%)以及第10百分位数(Perc.10%)在统计学上具有显著差异(P均<0.05),这一发现为我们的研究提供了强有力的数据支撑。特别是Variance这一参数,其灵敏度高达73.3%,特异度也达到了61.9%,且其曲线下面积(AUC)为0.731,展现出优秀的鉴别效能。进一步地,我们确定了Variance的最佳临界值为740.71,这一具体数值为我们的诊断提供了明确的参考标准。结论增强的T_(1)全域灰度直方图分析在儿童后颅窝星形细胞瘤和室管膜瘤的鉴别诊断中,展现出了不容忽视的价值。这一方法不仅能够为医生提供新的诊断视角,而且有望成为一种针对这两种儿童后颅窝肿瘤的有效辅助诊断工具,为我们的医疗实践带来积极的影响。

基于直方图均衡化的毛织物服装印花缺陷检测

为了保证毛织物印花服装的生产质量,提出基于直方图均衡化的毛织物服装印花缺陷检测方法。设置毛织物服装印花不同缺陷特征作为检测标准,利用光学成像原理采集毛织物服装印花图像,通过颜色转换、图像滤波等步骤,实现初始印花图像的预处理;利用直方图均衡化技术提取服装印花图像特征,通过特征匹配确定缺陷状态与类型,实现毛织物服装印花缺陷的检测。测试结果表明,优化设计方法得出缺陷面积检测误差的平均值为0.09 mm^(2),缺陷类型检测错误率较低。

基于峰值直方图均衡化的车位图像增强

车位增强算法作为自动泊车的重要组成部分,其增强结果直接影响车位线提取效果。基于此,引入了暗通道作为低频分量进行自适应对比度增强,基于多组低对比度车位图像数据,讨论了多种低对比度增强算法的适用性,针对增强算法部分区域产生的车位增强不足与过曝现象导致降低车位线提取的完整性与精度下降的问题,提出峰值直方图均衡化的快速增强算法,结合了PSNR、结构相似性、平均亮度和信息熵等作为客观评价指标,利用了霍夫直线检测统计算法增强结果的车位提取精度,并进行了验证。研究结果表明:本算法能够减少环境信息干扰,保留更多纹理细节,提升全局图像亮度与对比度,其在低照度环境下仍然具有出色的鲁棒性。本算法车位线提取精度超过90%,算法运行时间仅为37.18 ms,能够为低对比度场景下的自动泊车系统提供方法指导。

基于自适应条件直方图均衡的红外图像细节增强算法

红外图像普遍存在对比度低、细节不清晰、边缘特征不突出等问题。针对这些问题,本文提出了一种自适应条件直方图均衡的红外图像细节增强算法。采用引导滤波将红外图像分解为背景层和细节层;然后采用自适应阈值邻域条件直方图结合对比度受限直方图均衡方式,对背景层图像进行灰度压缩和对比度增强;接着利用引导滤波的中间计算结果构造滤噪掩模,在对细节层进行增强的同时有效滤除背景噪声;最后将背景层和细节层处理结果进行线性融合得到细节增强后红外图像。主观评价和客观数据计算表明,本文提出的红外图像细节增强算法无须手动调节参数即可实现对各类场景的自适应,可以在抑制噪声的前提下,有效增强图像细节,并提升图像整体对比度水平。对算法进行了嵌入式移植,显示效果和资源占用表明算法具有很强的工程化应用水平。

改进直方图匹配和自适应均衡的水下图像增强

为了更有效地改善水下图像的颜色,进一步提升图像的对比度和清晰度,提出改进直方图匹配和自适应均衡的水下图像增强方法。以像素均值最大的通道图像的直方图作为基准,对各通道图像分别进行直方图匹配,校正水下图像的颜色偏差;充分利用HSI颜色空间中颜色分量与明度分量的独立性,对明度分量进行自适应的局部直方图均衡化,进一步提升图像的对比度和清晰度。主、客观的实验数据显示,相对于部分现有方法,本文方法对水下图像增强后的视觉效果更优,信息熵、平均梯度、水下图像质量指标(Underwater Image Quality Measures,UIQM)和结构相似性指数(Structural Similarity Index Measure,SSIM)的值更高。因此,本文方法对水下图像具有更有优的增强效果。

全容积ADC直方图分析联合ADC值术前预测直肠癌肿瘤沉积的价值

目的探讨基于肿瘤全容积表观扩散系数(apparent diffusion coefficient,ADC)直方图参数联合ADC值在术前预测直肠癌肿瘤沉积(tumor deposits,TDs)中的应用价值。材料与方法回顾性分析苏州大学附属第一医院2016年6月至2023年6月术前行直肠MRI检查且经病理确诊的111例直肠癌患者的临床及影像学资料,依据病理结果将其分为TDs阳性组(n=30)和TDs阴性组(n=81),在ADC图像上手动勾画每一层肿瘤病灶感兴趣区(region of iterest,ROI)并提取ADC直方图参数,包括第10百分位数(ADC_(10%))、第90百分位数(ADC_(90%))、最大值(ADC_(max))、最小值(ADC_(min))、均数(ADC_(mean))、中位数(ADC_(median))、峰度及偏度;同时测量肿瘤最大层面的平均ADC值。分析比较两组患者间ADC值及ADC直方图参数的差异,将差异具有统计学意义的参数纳入多因素logistic回归分析构建联合模型,利用ROC曲线分析ADC值、全容积ADC直方图参数及两者联合模型的预测效能。采用DeLong检验比较各AUC间的差异。结果ADC值、ADC_(10%)、ADC_(90%)、ADC_(max)、ADC_(mean)、ADC_(median)及峰度在TDs阳性组和阴性组间差异具有统计学意义(P<0.05),以ADC_(90%)的预测效能最高(AUC、敏感度、特异度分别为0.778、80.0%、65.4%)。由ADC值、ADC_(10%)、ADC_(90%)、ADC_(mean)构建的联合模型AUC、敏感度、特异度分别为0.940、86.7%、93.8%,其诊断效能优于ADC值(AUC为0.645)及各全容积ADC直方图参数(AUC为0.649~0.778),差异均有统计学意义(P<0.05)。结论全容积ADC直方图参数及肿瘤最大层面的ADC值可用于术前预测直肠癌TDs,尤其当两者联合时具有较高的预测效能。

T1WI增强直方图分析鉴别血管瘤型脑膜瘤和非典型脑膜瘤

目的 本研究拟探讨结构MRI特征及T1WI增强图像直方图分析在鉴别非典型脑膜瘤(atypical meningioma,AtM)和血管瘤型脑膜瘤(angiomatous meningioma,AnM)中的价值。材料与方法 回顾性分析经组织病理证实的AtM(n=40)和AnM(n=30)的临床、影像和病理资料。使用MaZda软件在轴位T1WI增强图像上对肿瘤进行逐层勾画并获得肿瘤强化区的直方图参数。结构MRI特征采用卡方检验或者Fisher’s精确检验对比,采用独立样本t检验或Mann-Whitney U检验对两组间的直方图参数进行比较,两组间的诊断效能由受试者工作特征(receiver operating characteristic,ROC)曲线来评估。结果 AtM组中肿瘤坏死的发生率(75.0%)明显高于AnM组(36.7%)(P=0.001)。AnM组中T1WI增强图像的平均值(P=0.003)和第1 (P<0.001)、第10(P=0.001)、第50百分位数(P=0.009)均大于AtM,差异有统计学意义。ROC曲线分析显示,肿瘤坏死+融合直方图参数对二者的鉴别诊断效能最优,其曲线下面积、敏感度、特异度、准确率、阳性预测值和阴性预测值分别为0.858(0.753~0.930)、95.00%、66.67%、82.86%、79.20%和90.90%。结论 常规MRI特征和T1WI增强直方图分析有助于术前无创鉴别AnM和AtM,其中以肿瘤坏死+融合直方图参数的诊断效能最高。

CT增强扫描灰度直方图纹理分析技术对结直肠癌术前恶性程度评估及预后的预测价值

目的探究CT增强扫描灰度直方图纹理分析技术对结直肠癌(CRC)术前恶性程度评估及对预后的预测价值。方法选取2018年2月至2021年2月于商丘市第一人民医院就诊经术后病理证实的94例CRC病人为研究对象,其中高分化28例、中分化组32例和低分化组34例。统计分析所有病人腹部动脉期CT增强扫描灰度直方图纹理分析特征参数,并采用受试者操作特征曲线(ROC曲线)分析特征参数对CRC病人术前恶性程度的诊断效能及预后的预测价值。采用多因素Cox回归分析筛选影响CRC病人预后不良的因素,构建列线图预测模型并进行评价。结果CT增强扫描灰度直方图均值、峰度、10%分位、50%分位在高、中、低分化三组中差异有统计学意义(142.39±21.78比130.62±18.79比122.34±14.57,0.51±0.14比0.89±0.24比1.11±0.31,129.63±27.42比113.75±22.13比102.64±17.85,145.51±20.39比134.52±17.34比126.09±14.53)(P<0.05)。评估CRC恶性程度时,上述指标均具有诊断效能,且联合诊断效能最佳。低分化、淋巴结转移、中性粒细胞与淋巴细胞比值(NLR)、血小板与淋巴细胞比值(PLR)是CRC病人预后不良的危险因素,而均值、10%分位、50%分位是其保护因素(P<0.05)。均值、10%分位、50%分位联合预测病人预后的曲线下面积(AUC)为0.83[95%CI:(0.76,0.91)],远大于各指标单独预测的AUC值。利用上述指标构建列线图模型,经内部验证(Bootstrap重采样1000次)后可知,该模型预测病人CRC病人预后不良AUC为0.84[95%CI:(0.71,0.92)],灵敏度为82.7%,特异度为75.6%。结论腹部动脉期CT增强扫描灰度直方图纹理分析特征参数在不同恶性程度CRC之间存在明显差异,可用于评估CRC病人术前恶性程度及预测预后,为临床CRC病人术前评估及预后提供了新的可能。

基于颜色直方图的电路板表面缺陷检测

为了提高废旧电路板的回收再利用率,针对回收电路板常见表面缺陷,在均匀分块基础上,提出了四叉树分裂颜色直方图缺陷检测方法。该方法能快速定位电路板表面缺陷,并通过支持向量机(SVM)实现缺陷分类,进而为电路板的二次利用提供质量保障。重点分析了分块大小与判断阈值对缺陷定位结果的影响,在保证检测精度的同时,检测速度相比均匀分块方法得到明显提升。与Faster-RCNN网络方法进行对比,结果表明该方法定位效果好,分类准确率平均达81%。

圆形直方图线性化的高精度高适应性多阈值分割方法

针对已有彩色图像多阈值分割方法存在的分割精度不高、分割适应性较差等问题,提出一种圆形直方图线性化的高精度高适应性多阈值分割方法。在对输入彩色图像进行超像素预处理后,构建累积分布方差最大化准则,将圆形直方图截断后延展为线性直方图。在线性直方图上,结合Tsallis熵和类间方差构建一个新的多阈值分割目标函数。引入麻雀搜索算法,快速求解多阈值分割目标函数得到最优阈值进行阈值分割。在8幅合成图像和500幅真实世界图像上将提出方法和9种不同的彩色图像分割方法进行全面比较,在峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似度(FSIM)、概率兰德指数、全局一致性误差(GCE)、信息差异6个量化评价指标上的综合实验结果表明,提出方法在计算效率方面与比较方法大致持平,但在分割精度和分割适应性方面明显优于比较方法,在PSNR、SSIM、FSIM和GCE等评价指标上分别以19.95 dB、0.80、0.94和0.16取得最优结果。

磁共振弥散成像的ADC直方图对子宫内膜癌分级分期及Ki⁃67表达的评估价值

目的:分析磁共振弥散表观弥散系数(ADC)直方图参数与子宫内膜癌的病理分级、分期及Ki⁃67表达的相关性,探讨ADC直方图的应用价值。方法:南通大学附属医院2016年1月至2022年10月的110例子宫内膜癌患者纳入研究,术前完成3 T磁共振弥散成像并由工作站获取ADC图,术后均有病理分级、分期以及Ki⁃67表达水平。Mann⁃Whitney U检验用于评估不同组之间ADC直方图参数的差异。通过Pearson相关分析评估Ki⁃67表达与ADC直方图参数之间的相关性。使用受试者工作特征(ROC)曲线分析评估不同组间差异参数的诊断性能。结果:(1)子宫内膜癌病理高、中、低分化组的ADCmean、ADCske和ADCkur分别为(1.37±0.53)×10^(-3)mm^(2)/s、1.36±0.52、1.70±0.64,(0.92±0.50)×10^(-3)mm^(2)/s、0.92±0.51、1.10±0.54,(0.73±0.40)×10^(-3)mm^(2)/s、0.73±0.41、0.86±0.41;国际妇产科联盟(FIGO)分期Ⅰ、Ⅱ、Ⅲ、Ⅳ期的ADCmean、ADCske、ADCkur分别为(1.38±0.53)×10^(-3)mm^(2)/s、0.11±0.69、0.38±1.79,(1.01±0.49)×10^(-3)mm^(2)/s、0.15±0.73、0.36±1.33,(0.74±0.40)×10^(-3)mm^(2)/s、0.06±0.47、0.59±0.55,(0.56±0.29)×10^(-3)mm^(2)/s、0.07±0.47、0.52±0.57。不同级及不同分期肿瘤之间的ADC直方图参数存在统计学差异。淋巴结阳性及阴性组的ADCmean、ADCske、ADCkur分别为(0.62±0.25)×10^(-3)mm^(2)/s、0.01±0.56、0.56±0.59,(1.14±0.55)×10^(-3)mm^(2)/s、0.03±0.72、0.28±1.46。淋巴结阳性组ADC参数显著低于淋巴结阴性组。(2)ADCmean、ADC10th、ADC50th、ADC90th和Ki⁃67表达之间存在显著的负相关。(3)在盆腔淋巴结阳性组与阴性组的ROC曲线分析中,ADCmean、ADC10th、ADC50th、ADC90th的曲线下面积(AUC)分别为0.816、0.776、0.803、0.834,ADC90th的AUC与ADC10th、ADC50th间有统计学差异。结论:ADC直方图定量参数有助于预测子宫内膜癌的分级、分期和淋巴结转移,也有助于肿瘤Ki⁃67表达的评估。

基于多尺度多直方图融合的红外图像增强映射方法

如何在尽可能地保留原始图像信息的同时,将红外探测器采集到的高动态范围(HDR)数据压缩成细节突出、对比度高、背景噪声小的可观测低动态范围图像,一直是红外技术研究的一个难点。针对此问题,提出了基于多尺度多直方图映射融合的红外图像增强映射方法,该方法首先采用全局线性变换和多尺度窗口的CLAHE对HDR红外图像进行分别映射,再基于局部显著度和动态范围特征自适应计算权重,完成多直方图映射结果融合以解决场景适应性问题,同时在权值计算中利用引导滤波优化融合权重,最后通过灰度域的高斯核函数实现自适应细节增强。实验结果表明,与其他方法相比,所提方法能有效增强图像对比度、丰富图像细节、降低背景噪声,且具有较强的场景适应能力。

原发性肝细胞肝癌增强CT直方图特征分析

目的:评价CT直方图分析(CT histogram analysis,CTHA)方法在原发性肝细胞肝癌(Hepatocellular carcinoma,HCC)的诊断价值。方法:本研究采用回顾性分析方法,时间2021年6月至2022年9月,共纳入经手术病理确诊的HCC患者60例(男/女=50/10,平均年龄47.10±9.31岁),所有病例术前接受腹部三期CT增强扫描,包括动脉期、静脉期和延迟期。两位放射医师分别使用GE公司Ommi-Kinetics,Version V2.1.0 R软件对图像进行处理并获取直方图参数,采用Logistic回归和受试者工作特征曲线,评价直方图参数及多参数联合对HCC的诊断效能。结果:动脉期参数Kurtosis、Relative deviation,静脉期参数Uniformity、Relative deviation,延迟期参数Relative deviation可作为独立预测因子用于HCC的诊断,多参数联合的诊断效能最高(曲线下面积=0.989)。结论:CTHA方法可于HCC的诊断。

基于直方图间隙特征的伽马校正参数估计

本文分析了经过伽马校正图像的直方图间隙分布特征和在此基础上进行伽马逆变换后直方图的零值特征,并应用逆变换后直方图的零值特征对篡改图像进行精确参数估计。具体来说,首先根据原始图像直方图零间隙的特征判断图像是否经过伽马校正,然后比较直方图两端零值的数量大小来判断参数所在区间,最后通过逆变换后直方图零值特征对待估计参数进行精确估计。实验结果表明,所提出的方法不仅在参数估计准确率方面优于现有方法,且在变换前为不同质量因子的JPEG图像上同样具有较好鲁棒性。

常规CT征象和直方图参数在肺腺癌不同病理亚型鉴别诊断中的对比研究

目的比较常规CT征象和直方图参数对腺泡型、非腺泡型肺腺癌的鉴别效能的差异。方法回顾性收集在本院手术的185例患者共195个肺结节,其中腺泡型104个,非腺泡型91个。收集患者的人口学资料、肿瘤标记物。采用单因素分析及二元Logistic回归分析建立常规CT征象模型、直方图(HA)模型及二者联合模型,通过曲线下面积(AUC)比较三种模型对鉴别腺泡型、非腺泡型肺腺癌的鉴别效能。结果单因素分析显示,腺泡型中,纯磨玻璃结节的占比低于非腺泡型(P=0.040);腺泡型中,病灶的CT平均值(P=0.023)、CT中位数数值(P=0.027)、紧凑度(P=0.003)、球形度(P=0.013)、熵(P<0.001)高于非腺泡型,病灶的峰度(P<0.001)、偏度(P<0.001)低于非腺泡型。二元Logistic回归分析以及ROC曲线显示联合模型及HA模型较常规CT征象模型具有更高的鉴别效能(AUC:直方图VS常规CT:0.763 VS 0.550,P<0.001;联合模型VS常规CT:0.768 VS 0.550,P<0.001);联合模型较HA模型无统计学差异(联合模型VS直方图:0.768 VS 0.763,P=0.768)。结论HA参数较常规CT征象能够更有效的鉴别腺泡型和非腺泡型肺腺癌。

自适应平台直方图高动态范围红外图像显示方法

针对不同场景高动态范围红外图像的自适应显示方法问题,提出了一种基于图像分割的自适应平台直方图显示方法,首先进行图像分割,再根据分割结果讨论平台阈值的选取,并分析了平台阈值的选取依据。试验结果表明本文方法对不同场景均获得了良好显示效果,具备实用性。