基于多小波变换的医学图像压缩

本文介绍了多小波变换的基本概念、多小变换变换的特点以及GHM多小波。同时对多小波变换的实现中的若干细节问题进行了说明,其中包括预处理、边界延拓、二维多小波变换等,最后对多小波用于医学图像压缩进行了研究,最终的实现结果表明,在现有的用于小波变换的编码模型中,选用适当的多小波函数,也能得到与小波变换相当的编码性能,这一结果说明,若针对多小波变换的特点,设计相应的编码方案,图像编码的性能可能还有一定的提升空间。

模糊马尔可夫场模型与图像分割新算法

本文建立模糊马尔可夫场模型,并提出基于模糊马尔可夫场的图像分割新算法。该算法同时处理模糊性和随机性,因此能有效获取图像的先验知识。在模糊马尔可夫场与待分割图像之间用经典的马尔可夫场关联。模糊马尔可夫场是经典马尔可夫场的推广,当模糊马尔可夫场失去模糊性时,它将退化为经典的马尔可夫场。给定图像,随即进行模糊化处理;以最大后验概率作为优化准则修正模糊马尔可夫场的隶属度;最后按照最大隶属度原则消除模糊性,从而得到图像的分割。该算法可以有效地虑除噪和消除部分容积效应,得到更为准确的分割结果。

基于改进窄带水平集的三维肝脏肿瘤分割

三维肝脏肿瘤识别是当前研究的热点问题,如何准确快速地从腹部CT序列中分割出肝脏肿瘤是肝部病变诊断的基础。针对水平集方法在进行分割时收敛速度较慢,设置窄带宽度固定不灵活的缺点,先利用分水岭算法,对肝脏图像进行"过分割",搜索初始轮廓所在的分水岭块作为窄带区域进行标记,在窄带区域内用水平集算法使初始轮廓线收敛至准确轮廓。再以其边缘作为相邻CT序列的肿瘤初始轮廓,找出初始轮廓线所在的分水岭块,构成新的窄带,用水平集算法对轮廓线进行迭代分割出肿瘤。重复该过程,直至完成整个肝脏序列图像的肿瘤图像分割,进行三维重建。

人正常离体子宫薄层切片数据集的自动配准

目的:通过改良及优化后的配准方法实现人正常离体子宫薄层切片数据集的自动配准。方法:在Photoshop中处理原始断层图像,获取定位杆图像和标本图像(子宫、双附件及部分阴道);在Matlab中计算定位杆图像中四个定位杆的质心坐标值,将其作为定位杆坐标值,取所有定位杆图像定位杆坐标值的平均值作为基准坐标;每张定位杆图像的定位杆坐标与基准坐标对比,获取每张定位杆图像的投影变换参数并根据该参数对相对应的标本定位杆图像及定位杆图像进行投影变换;将校正后的定位杆图像再在Photoshop中处理,获取只包含第二个定位杆的图像,同样在Matlab中计算其坐标值,并基于其坐标值将配准后的标本定位杆图像裁剪成大小一致图像;选取配准后两张大小相差较大的相邻图片,在Photoshop中将配准前的两张相邻图片及配准后的两张相邻图片分别进行重叠,调节其中一张图片的透明度,将合成的图片保存。结果:配准前两张相邻图片中的标本大小差距较明显,而配准后两张相邻图片中的标本差距很小。通过该配准方法,成功地实现了人正常离体子宫薄层切片数据集的自动配准。结论:基于Photoshop软件和Matlab软件的图像配准方法具有配准精度高,运算量小,易于编程实现等优点,通过改良及优化后,可用于人正常离体子宫薄层切片数据集的配准。