基于LBP的改进Random Walks算法在颅脑磁共振影像分割中的应用

目的由于颅脑结构复杂且颅脑磁共振影像易受噪声、磁场不均匀性、部分容积效应等因素的影响,精确的脑组织分割方法仍需深入研究。方法本文提出一种基于Random Walks的改进算法以提高脑白质、脑灰质及脑脊液分割的准确性。通过引入局部二值模式(local binary patterns,LBP)改进了传统Random Walks权重函数的构造,在反映相邻像素灰度变化信息的同时包含了局部图像的纹理信息,有利于合并同质区域并增强边缘轮廓的识别。本文还使用了灰度先验概率模型减少Random Walks种子点交互的次数。结果实验结果表明基于LBP的改进算法在多种不同水平的噪声及不均匀场作用下,能够有效识别磁共振影像中脑组织区域的边缘轮廓,并对噪声有良好的鲁棒性。结论基于LBP的改进Random Walks算法可精确分割颅脑磁共振影像。

基于先验知识随机游走模型的视网膜血管分割方法

视网膜图像的血管提取对心脑血管等疾病的诊断、治疗与评价具有重要的临床应用价值。为解决目前视网膜血管分割算法中存在的分割精度低(特别针对病变图像)等问题,提出基于先验知识随机游走模型的视网膜血管分割方法。在分析视网膜血管特征的基础上,构建归一化梯度向量散度场,针对高、低对比度血管采用不同的定向拉普拉斯算子提取血管中心线,并将先验知识随机游走模型应用于图像分割,实现对比度低、边界微弱的视网膜血管提取。采用STARE视网膜图像库进行分割精度测试,结果表明本算法精度相对已有算法明显提高,特别针对带有病变的视网膜图像,算法的有效性得到了验证,可满足临床处理的要求。

融合大气光值-图估计的无人机航拍图像去雾

针对现有去雾算法大都存在复原图像亮度低、天空明显色彩失真等问题,提出了一种融合大气光值-图估计的无人机航拍图像去雾方法。首先,根据颜色衰减先验理论获取景深图像,将景深图像内偏差最小区域均值作为大气光值;其次,设计了一种自适应随机游走聚类方法用来估计大气光图,通过自适应随机游走算法将图像聚类为N个子区域,对子区域前0.1%像素求均值作为区域大气光值,将区域大气光值组合并通过引导滤波对其进行细化,获得大气光图;然后,通过融合大气光值-图估计方法将两种大气光估计融合为新的大气光图,作为更加准确的大气光估计;利用雾霾线先验方法获得透射率,同时提出一种暗补偿方法对其进行优化,提高透射率精度;最后,根据大气散射模型,利用求得的融合大气光图和优化透射率,得到清晰的复原图像。实验结果表明,相对于比较算法,提出的算法的复原图像在信息熵、平均梯度、模糊系数及对比度上分别提升1.1%、6.3%、8.5%、6.4%,主观视觉效果更好,信息更加丰富。

基于随机游走模型的物体识别

针对传统物体识别算法中只依赖于视觉特征进行识别的单一性缺陷,提出了一种结合先验关系的物体识别算法。在训练阶段,通过图模型结构化表示先验关系,分别构建了图像—图像、语义—语义两个子图以及两子图之间的联系,利用该图模型建立随机游走模型;在识别阶段,建立待识别图像与随机游走模型中的图像节点和语义节点的关系,在该概率模型上进行随机游走,将随机游走的结果作为物体识别的结果。实验结果证明了结合先验关系的物体识别算法的有效性;提出的物体识别算法具有较强的识别性能。

基于PRW区域修正的交互式医学图像分割研究

由于医学图像的局部区域之间往往具有较高的相似度,使得其分割性能难以达到预期效果,为此提出基于PRW区域修正的交互式医学图像分割方法。首先根据交互式医学图像初始阶段的手工标注情况,利用RW算法对种子点进行划分,为简化传统RW计算,将划分过程转换为Dirichlet积分求解。然后利用PRW计算种子点的分布状况,根据目标图像的像素分布情况得到目标方程,并在其中引入先验能量,从而求解出种子点分类。最后基于邻近像素的相似性提出了邻域模型和区域修正策略,按照各区域的特征构建相应特征势能,采用连接检查调整分类错误的局部像素。通过仿真得到,方法的平均指标达到0.81,平均RDV指标达到0.17,平均分割时间为5.29s。结果表明所提方法能够在有限的手工标注前提下,完整、准确的实现医学图像分割,并且具有良好的分割速度。

基于懒惰随机游走的雾天含噪图像清晰化

针对现有单幅图像清晰化算法无法很好地保证去雾和降噪效果的问题,提出了一种在懒惰随机游走模型下的单幅雾天含噪图像清晰化算法。分析了现有大气散射模型的物理意义,并对其加以改进,使之更符合实际雾天含噪图像的特殊性,利用懒惰随机游走模型估计改进雾天退化模型的衰减项;利用几何约束和color-line先验获取精准的退化模型中的大气光,最后恢复出噪声水平低的无雾图像。实验结果表明,所提算法在获得最佳去雾效果和抑制噪声水平的同时,具有较强的稳健性。