基于主相位一致性的医学图像配准

本文提出了一种新的图像特征——主相位一致性(Principal Phase Congruency,PPC),并在此基础上构造了一种新的基于主相位一致性的配准算法.首先计算不同尺度、方向上的相位一致性,然后利用主成分分析将它们进行融合,从而得到信息更加丰富的主相位一致性;将待配准图像的主相位一致性看作模糊集合,引入模糊数学中的贴近度概念,计算它们的模糊相似性.我们对模拟和真实数据进行了实验,结果表明在图像空间分辨率较低,有噪声影响等情况下该算法具有精度高、鲁棒性强的特点,特别适合于医学图像的配准.

基于共生互信息量的医学图像配准

该文考虑对应点及其邻域内不同方向上的像素点,将图像的空间与方向信息引入到配准中,提出了一种新的相似性测度——共生互信息量(Co-MI),并在此基础上构造了一种新的配准算法——最大共生互信息量法.实验结果表明在图像空间分辨率较低,有噪声影响和图像部分缺损的情况下,该算法具有计算速度快、精度高、鲁棒性强的特点.作为一种一般性的配准方法,共生互信息量同互信息一样,不仅可以用于图像的刚性和弹性配准,还可以应用到图像配准以外的更广阔的领域,如经济学、运筹学、模式识别等.

基于引导滤波的多图谱医学图像分割

目的为了有效的利用图谱的先验信息和待分割图像的灰度信息,并在融合标号图像的过程中校正配准引起的误差,得到光滑、准确的分割结果,提出了一种新的基于引导滤波的多图谱医学图像分割方法。方法本文将多图谱配准与引导滤波相结合。该方法包含4个部分:第一部分为多图谱配准,通过配准将图谱中存储的形状先验信息映射到待分割图像;第二部为标号融合,利用配准的相似性作为权重,将形变后的标号图像融合在一起;第三部分为引导滤波,利用引导滤波引入待分割图像的灰度信息,可以校正配准引起的误差;最后通过阈值处理,得到最终的分割结果。结果对15例脑部MR图像数据中的海马体进行分割实验,左、右海马体分别达到了86%及87.4%的分割精度,与传统的标号融合算法相比,平均分割精度提升了2.4%。结论本文方法结合多配谱配准与引导滤波的优势,提高了海马的分割精度,并得到光滑有效的分割精度。

基于互信息熵差测度和Gauss-Markov随机场模型的医学图像分割

图像分割类数的确定一直是个难点,基于互信息熵差测度进行图像分割类数的确定,较好地解决了该问题.互信息熵差描述了随着分割类数增加时分割图像和原图像互信息量的增加程度,其作为一种类数确定测度时,可认为取得了一种分割类数与分割图像中所包含信息量的平衡,以此提出了分割类数确定的判别规则.在分割算法方面,Gauss-Markov模型既利用了图像的灰度信息,又通过Gibbs先验概率引入了图像的空间信息,能较好地用于分割含噪声的图像.然而,Gibbs惩罚因子β的确定却一直是个难点,为获得好的分割效果,通常用多个β值人工尝试.针对此问题,提出了一种类自适应的惩罚因子β,其利用后验概率来自动计算,并具有各类各向异性.再将模型利用EM-MAP算法来迭代求解.最后,将算法应用于医学图像的分割,实验表明该算法具有满意的分割效果.

基于小波的医学超声图像斑点噪声抑制方法

斑点噪声是超声图像中固有的噪声。本文提出了一种新的去除斑点噪声的方法,这种方法结合中值滤波和多尺度非线性小波软阈值的优点,首先把原图像进行对数转换,然后把对数转换后的图像进行中值滤波处理,从而把转换后的图像分成两部分,对每一部分进行小波分析,假设小波系数服从广义高斯分布(GGD),利用小波系数的统计特性估计出各个部分各个尺度的阈值,最后用软阈值方法对上述两部分分别去噪。实验结果表明,本文提出的方法在有效去除斑点噪声方面,优于中值滤波,维纳滤波和多尺度非线性阈值算法(MSSNT-A)。

基于B样条的医学图像配准新算法

目的:提出一种基于B样条的医学图像塔式配准新算法,即RE配准模型。方法:首先实现图像的整体配准,即用一次B样条基函数作为变形函数,对图像进行仿射变换;然后通过均匀增加节点数量及改变变形函数的复杂性,实现图像细节上的配准,这一循环匹配过程主要是通过改变B样条基函数及控制系数复杂性,来实现图像的仿射变换及弹性变换。结果:整个匹配算法体现了图像从整体到细节的匹配思想。结论:实验证明,该方法与单纯的弹性配准方法相比,不仅计算速度有很大的提高,而且有很强的鲁棒性。

基于多尺度卡尔曼滤波的医学图像配准算法

提出了一种新的基于主成分分析和多尺度卡尔曼滤波的医学图像配准算法。利用主成分分析的方法求出两幅图像的主轴和质心,从而计算出图像间的旋转角度;利用高斯金字塔分解构造了一种自适应的卡尔曼滤波器用来提高算法的鲁棒性。对模拟图像和真实图像进行了实验,实验结果表明此方法能准确,快速地处理图像刚性配准问题。

基于AM-FM纹理模型的医学图像检索

本文提出了一种基于调幅-调频(AM-FM)模型的医学图像检索算法。该方法首先使用Gabor滤波函数对图像进行滤波,计算Gabor函数冲激响应的偏微分,然后使用能量分离算法做调幅-调频分解,估计出瞬时幅值和瞬时频率,以幅值和频率的均值和标准差作为纹理特征。采用MATLAB和SQL开发语言构建检索平台,测试该特征的实用性,与Gabor纹理检索算法进行比较。实验结果表明,该特征对医学图像检索效果有明显的提高。

基于投影梯度的NMF相关反馈医学图像检索算法

相关反馈技术是近年来在图像检索中较为重要的研究方法,由于有人的参与,它能在一定程度上弥补图像的底层特征难以表达图像语义内容的不足。由于NMF在一定程度上勾勒出了相关图像在基矩阵所代表的空间中的分布,因而对整个图像库进行检索时可以查找到更多的相关图像。提出了一种基于投影梯度的非负矩阵分解(NMF)相关反馈方法,与常用的基于乘法更新的NMF相比,在保证查准率、查全率基本不变的情况下,能大大的提高反馈速度。使用由586幅脑出血图像组成的图像库进行实验,结果表明该方法的可行性。

基于多图谱活动轮廓模型的脑部图像分割

丘脑、海马体、伏隔核、尾状核等关键脑结构的位置、体积、形态等的变化与多种脑部疾病息息相关,对其精准分割是进行相关定量分析的前提.然而在磁共振图像中这些结构对比度不高、边界模糊,传统方法只是利用了标号图像,没有考虑到待分割图像、先验信息等,因无法实现准确分割.文中将多图谱配准与活动轮廓模型相结合,提出了一种新的多图谱活动轮廓模型框架,有效地利用了图谱的先验信息和待分割图像的灰度信息,将多图谱的形状先验项引入到活动轮廓模型中,并在融合标号图像的过程中利用活动轮廓模型校正配准引起的误差,可以得到光滑、准确的分割结果.该框架包含3个部分:第1部分为图谱先验项,利用配准的局部相似性作为权重融合多个图谱的信息;第2部分为数据项,利用待分割图像的局部信息,可以校正配准中的误差;第3部分为平滑项,用于保证曲线在演化过程中的平滑.大量的实验表明了该方法的有效性和准确性.

基于类自适应高斯-马尔可夫随机场模型和EM算法的MR图像分割

高斯-马尔可夫随机场模型既利用了图像像素的灰度信息,又通过像素类别标记的Gibbs光滑先验概率引入了图像的空间信息,是能较好地分割含有噪声图像的模型,然而,Gibbs惩罚因子β的确定却一直是个难点,为获得好的分割效果,通常用多个β值人工尝试。本文针对此问题,提出了一种新的、简单的、类自适应的惩罚因子β,其利用后验概率来自动计算,并具有各类各向异性。再将模型利用EM-MAP算法来迭代求解。最后,将该算法应用于MR图像的分割,实验结果表明,该算法能自适应地、有效地分割噪声图像,并具有较高的正确分类率和类正确分类率。

基于最大互信息量的图像自动优化分割

由于传统的阈值分割算法只考虑到图像的灰度信息,而忽略了灰度的空间分布以及分割后图像与原图像之间的关系,因而分割效果不好。为了提高分割效果,从分割图像与原图像的内在联系出发,提出了一种新的基于K均值算法与互信息量(mutual information,MI)技术相结合的分割算法。新算法首先利用K均值算法确定全局阈值作为初值;然后以互信息量为目标函数,在小范围内计算分割图像与原图像的互信息量,互信息量达到最大时的阈值即为最优值。这是将图像配准方法用于分割的一种创新性尝试。通过对大量医学图像以及汽车牌照图像进行的实验结果表明,该新算法所得到的目标图像的边界特征保持完好,不仅虚假目标信息大大降低,而且图像边界细腻、连续,且定位性能好。

广义模糊Gibbs随机场与MR图像分割算法研究

为了对图像进行准确、可靠的分割,提出了一种基于广义模糊集的软分割算法,并将广义模糊集和G ibbs场结合起来,提出了广义模糊G ibbs随机场模型,同时建立了广义模糊G ibbs分割(GFGS)算法。该算法是首先把每一个分割类看作是广义模糊类,并以最大后验概率(MAP)为判别准则来决定每一个像素值的归类以及它属于该类的隶属度;然后用广义隶属度函数中负的部分来刻划数据中的异常值,使得该算法能有效地处理异常值;最后用该模糊类的质心来更新类的中心,并以人脑的仿真图像和临床MR图像进行了实验。实验结果表明,该算法能有效地滤除噪声和处理部分容积效应,是一个分割能力强、稳健性好的算法。

基于多权重概率图谱的脑部图像分割

目的探讨有效地利用图谱的先验信息和待分割图像的灰度与结构信息,得到光滑、准确的分割结果的脑部图像分割方法。方法利用配准的局部相似性测度、标号图像的距离场、待分割图像的自相似性计算多权重概率图谱,然后对多权重概率图谱进行阈值处理得到最终的分割结果。通过配准的相似性测度加权,保证概率图谱计算的准确性;利用标号图像的距离场加权,引入图谱标号图像提供的位置先验信息;经过待分割图像的自相似性加权,引入了待分割图像提供的灰度与结构信息。结果对大量脑部MR图像中的海马进行分割实验,并与国际上主流的分割算法进行了比较,对左海马的分割精度提高到87%,对右海马的分割精度提高到87.5%。结论基于多权重概率图谱的脑部图像分割能有效的提高分割精度。

基于邻域信息和高斯加权卡方距离的脊椎MR图像分割

提出一种基于邻域信息和高斯加权卡方距离的脊椎MR图像椎体的自动分割方法。由于成像过程中存在噪声和各向异性的影响,单个像素的灰度值对噪声敏感,为此采用5像素×5像素窗口,提取每个像素点邻域内的空间-灰度特征,该特征对噪声具有较强的鲁棒性。利用高斯加权的卡方距离度量两个像素的相似性,构造一种全新的相似度矩阵;而单一的尺度参数存在一定局限性,所以引入一种自适应的局部收缩因子,完成脊椎MR图像椎体的自动分割。实验结果表明,新算法克服了传统方法中常见的过分割和欠分割现象,覆盖率均在96%以上;分割的正常和退行性改变椎体光滑且清晰,具有分割结果准确、鲁棒性强的优点。作为一种一般性的分割方法,该算法可以拓展到其他器官的分割中。

基于互信息量的寄生虫卵图像自动优化分割

从分割图像与原图像的内在联系出发,提出了一种新的基于Otsu算法与互信息量技术相结合的分割算法——OMI算法。首先利用Otsu算法确定全局阈值作为初值,以互信息量为目标函数,在小范围内计算分割图像与原图像的互信息量,互信息量达到最大时的阈值即为最优值,这是将图像配准方法用于分割的一种创新性尝试。对大量人体寄生虫显微图像进行了实验,结果表明,本算法所得到的目标图像的边界特征保持完好,虚假目标信息大大降低,图像边界细腻、连续且定位性能好。

基于高维互信息量的图像配准

基于互信息量的图像配准算法只考虑单个相对应点间的关系,忽略了图像的空间信息,因此当图像分辨率较低、有噪声影响和部分缺损时就容易出现误配。将图像的空间信息引入到配准中,考虑对应点及其邻域的关系,提出了一种新的相似性测度——高维互信息量。新的测度不仅能够反映图像的灰度统计信息,而且能够反映图像的空间信息。实验结果表明,在图像空间分辨率较低、有噪声影响和图像部分缺损的情况下,该算法具有较高的准确性。

基于模糊聚类空间模型的非均匀MR图像分割

模糊C-均值聚类算法(FCM)已广泛地运用到MR图像的分割中。但传统的算法中未利用图像的空间信息,在分割叠加了噪声和附加了偏移场的非均匀MR图像时分割效果不理想。本文改进了传统FCM的目标函数,引入控制邻域作用紧密程度的参数,提出了一种能够更加合理地运用图像的空间信息,改进的模糊C-均值聚类算法。通过对脑部MR 图像的分割实验表明,该算法能够比传统的FCM和其它改进算法对非均匀图像进行更精确的分割。

确定图像降质的鲁棒性数字水印嵌入算法

结合视觉系统的掩蔽特性提出了一种数字图像离散Radon变换(DRAT)域内嵌入水印的新算法。从不可见性和鲁棒性两个方面分析了在DRAT域中可嵌入水印的原因。以水印图像的峰值信噪比作为评价水印图像质量的标准,采用相互独立的Gaussian随机序列作为水印信号,导出了水印长度、嵌入深度、水印图像峰值信噪比三者之间的理论关系,给出了在给定图像质量条件下水印嵌入的自适应参数估计。利用Checkmark1.2系统对新水印算法进行了攻击测试。测试结果表明,新算法对常见的图像处理如滤波、边缘增强、对比度变化、剪切等攻击具有良好的鲁棒性。

序列颅脑CT图像颅腔内结构自动化提取及分割

目的自动化提取和分割序列颅脑CT图像颅腔内结构。方法本研究首先利用颅脑CT的解剖学结构,基于区域生长法和形态学方法提取出序列颅脑CT颅腔内结构。然后针对应用EM(期望最大化)算法分割图像时,初始值选取难点,提出了一种改进的基于参数受限高斯混合模型的EM分割算法,实现了对颅内结构的有效分割。结果实验结果表明,该算法能够实现从颅底到颅顶的所有CT图像颅腔内结构的计算机自动化提取和分割,结果准确。结论本文算法在绝大多数情况下是有效的。