基于熵分割算法对CT肝脏兴趣区的提取

目的:在计算机辅助诊断(CAD)和未来治疗中,提取已分割好的CT肝脏组织中的兴趣区。方法:利用熵分割算法对CT肝脏组织的兴趣区进行自动分割,并和专业医生手工分割的兴趣区作比较。结果:分割的兴趣区与专业医生分割的兴趣区相比,该方法具有良好的获取兴趣区的能力。结论:在不同条件下对肝脏做相应预处理,然后分别对手工分割的兴趣区与熵分割的兴趣区相应数据作比较,得出熵分割算法是一种极为有效的图像自动分割方法。     

肺部CT图像分割方法研究

医学CT图像中,肺实质区域的准确分割乃是肺结节检测的基础,其对于临床肺部疾病诊断具有重要意义。本文首先综述基于医学CT图像的肺实质分割算法,然后详细阐明肺实质分割的主要步骤,探讨几种典型算法的分割效果,包括肺实质与肺气管的比较分析。最后以此为基础,综合几种常用的分割算法与改进,提出一种实用性强、鲁棒性较好的肺实质分割算法。     

图像分割多阈值法研究

目的: 医学图像分割是CT图像的三维重建等后续操作的基础,分割的准确性对医生判断至关重要。本文深入研究阈值分割算法、开发出一款将医学图像进行多阈值分割的实用软件。 方法: 此软件是利用VC++编程工具进行开发。其功能模块主要是利用医学影像处理与分析开发包MITK中的输入文件将输入数据利用像素值进行提取并处理。 结论: 相对于单阈值分割,多阈值分割有着诸多优势。     

高分辨率海岸带遥感影像中简单地物的最优分割问题

高分辨率遥感影像中地物对象的最优分割是遥感图像理解、地物识别的关键问题, 也是有效利用地物空间信息的基础. 针对遥感影像中简单地物具有内部光谱均一和外界光谱差异大的特点, 提出图斑显著性的概念, 并在多尺度分析中的图像分割过程中建立图斑演变的显著性变化曲线, 应用显著性变化曲线的极大值和分割过程中图斑之间的包含关系建立尺度序, 并以此解决图像分割中的简单地物的最优分割问题, 确定可能为地物对象的图斑. 并将此原理和方法应用于高分辨率海岸带遥感影像的图像分割中, 效果明显.     

基于瓶颈残差注意力机制U-net的肝脏肿瘤分割

医学CT图像中含有的大量噪声以及肝脏肿瘤大小不均一、位置因人而异且与相邻器官较相似的组织密度等都造成肝脏肿瘤分割困难。现有传统全卷积神经网络（FCN）方法,通过为输入CT图像中每个像素分配类别标签来实现肝脏肿瘤分割,但在分割精度上仍会出现小目标漏检或目标边界分割模糊的问题。针对这些问题,本文提出一种瓶颈残差注意力机制U-net（BRA U-net）的肝脏肿瘤分割方法,通过引入瓶颈残差模块可在非常深的网络中大幅减少计算量的同时解决梯度消失问题,此外堆叠的注意力模块可以增大有效特征的比重。本文在公共MICCAI2017肝肿瘤分割数据集上测试了该框架,戴斯相似性系数值达到0.788,高于其他对比分割网络,并利用3D-IRCADb数据集来验证该方法的一般性,结果表明本文方法分割效果良好,能够为临床诊断提供可靠依据。     

主动轮廓模型的一种初始轮廓设定方法

图像分割是图像处理中至关重要的一步,是进行图像分析与图像理解的基础,分割效果的好坏直接关系到后续的图像处理。针对目前主动轮廓模型在图像分割领域中分割速度慢的缺点,提出了一种新的初始轮廓设置方法。首先将图像进行预处理得到一个或几个较粗糙的连续轮廓;然后利用八邻域分割法,检测出该边缘作为梯度矢量流主动轮廓模型的初始轮廓,经过迭代后得到较精确的收敛轮廓。大量医学图像分割实验表明,运用本文提出的方法能够较好地检测到目标边界,速度快,是一种较为理想的图像分割方法。     

基于机器学习的极光图像自动分割方法

极光是太阳风能量注入到极区的指示器,从观测视野中准确分割出极光区域对研究极光演变如亚暴过程有非常重要的意义.本文基于全卷积神经网络提出了一种弱监督极光图像自动分割策略,数据标记时仅需指定极光区域的一个像素点即可,极大解决了机器学习人工标注数据的压力.首先利用简单单弧状极光图像训练一个初始分割模型Model 1,然后基于该模型,结合热点状和复杂多弧状极光图像获得一个增强的分割模型Model 2,最后对分割结果做进一步优化.本文对2003-2007年北极黄河站越冬观测的2715幅极光图像进行了分割,并和最新论文结果及人工标签进行了定量和定性比较,其中分割结果与人工标签的"交并比"高达60%,证明了本文方法的有效性.     

基于图割与快速水平集的腹部CT图像分割

针对腹部CT图像中组织分割的问题,提出了一种基于图割与改进的快速水平集的交互式分割方法。首先对人工给定的一个待分割目标的初始轮廓作膨胀运算,将所得内部边界所有像素点作为源点、外部边界像素点作为汇点构造图,并通过图割方法对CT图像进行初步分割,然后以膨胀所得内部边界作为初始轮廓,通过基于区域竞争主动轮廓模型（RCAC）的...     

膝关节三维磁共振影像语义分割的可行性研究

MR三维图像的全膝自动分割对膝骨关节炎疾病的诊断、指导和治疗具有重要意义。然而,膝关节的三维MR图像中涉及多种多样的解剖结构,人工勾画费时耗力;全膝自动分割不但节省人力,且可以通过更准确的细节勾画来提高关节炎的诊疗质量。现有的膝关节分割方法只关注众多解剖结构中的一个或几个结构,无法提供全膝分割的结果。本文研究基于三维神经网络的全膝分割方法,并致力于应对以下挑战:①在三维 MR图像上对包括骨骼和软组织在内的全膝15个解剖结构进行端到端分割;②前交叉韧带等小结构的鲁棒分割,前交叉韧带仅占全膝体积的0.036％ 左右。在基于脂肪抑制三维各向同性中等权重VISTA序列的膝关节MR图像上,验证本文方法的平均分割精度为92.92％,其中9种结构的Dice相似系数在94％ 以上,5种结构在87％～90％ 之间,剩余1种结构在76％ 左右。      

基于分形特征的剖面分割方法探索

本文针对石油工程中地震剖面图象的分割,采用分形理论进行自相似特性的确定,计算和描述出作为分割依据的盒维数,并据此设计和实现了图象的分割,给出了实例。     

图像增强技术在X射线医学影像中的应用

目的:对X射线影像进行图像增强。方法:应用多种互补的图像增强方法,首先采用拉普拉斯法来突出图像中的细节,使用梯度法突出边缘,然后用平滑后的梯度图像掩蔽拉普拉斯图像,通过高提升滤波得到锐化图像,再使用灰度变换增大锐化图像的灰度动态范围。将本文算法的结果与传统图像增强算法的结果进行比较,该算法对X射线影像增强效果显著,相比传统算法有很大的优势。增强后的图像细节更加清晰,优于传统算法的实现效果。结论:本文算法对医学X射线影像具有一定的理论和实际应用价值。     

一种基于TV/L2模型的双极图像细节分解方法

基于TV/L2模型的总变差最小化方法在图像分解过程中受到正则化参数的影响。本文通过分析发现,当不同于经典模型而设置较小的正则化参数时,分解的图像特性发生了重要改变。据此,本文提出了一种新的基于TV/L2模型的双极性图像细节分解方法,该方法在正则化参数较小的情况下将观测图像分解为一个近似图像分量和两个具有正、负不同极性并反映不同信息的细节图像分量。将这种新的图像分解方法应用于印刷电路板CT图像的处理中。实验结果表明,通过综合利用本图像分解方法得到的图像细节信息,可以在有效抑制金属伪影的同时增强PCB图像中的有用信息。     

基于U型网络的X线头影图像特征点自动定位

为了提高口腔临床诊断效率,提出一种基于U型生成对抗网络的X线头影测量图像结构特征点自动定位方法。该方法在生成对抗网络框架下构建U型生成器网络,用于学习从当前图像到目标特征点偏移距离图的映射;再构建鉴别器网络以判断预测的偏移距离图是否与真实数据一致。将新采集的X线头影测量图像作为已训练的U型生成器网络输入,得到新图像针对目标特征点的偏移距离图,然后通过回归投票方法从预测出的偏移距离图中获得检测目标特征点坐标。实验结果表明,该方法相较于其他方法具有更高的检测成功率,能较准确地获得X线头影测量图像中结构特征点的位置。     

基于EM聚类的X射线背散射图像违禁品分割方法

X射线康普顿背散射(CBS)技术是一项较新的射线安检技术,可以提高复杂背景下安检设备对爆炸物等有机违禁品的探测力度,这其中一个重要环节就是图像中有机违禁品的分割问题,本文分析了CBS技术成像图像的特点,有针对性地提出了一种基于EM聚类的图像中有机违禁品的图像分割方法,实验结果表明该方法具有很好的适用性。     

一种新的地磁图纸数字化软件:GDDS

介绍一套新的地磁图纸数字化系统(Geomagnetic Drawing Digitalization System,GDDS),该系统以图像处理技术为基础提供图纸扫描,倾斜矫正,图像剪切,等比例拉伸,去除水平线和垂直线、波形跟踪等功能．其关键技术包括小波分析,图像细化和象素跟踪．该系统使用户可以用计算机处理分析记录在图纸上的地磁波形,使地震研究更加快捷方便,为地震预测预报工作提供了一个有效的工具．     

一种优化的图象重建外插算法

处理由不完全数据重建图象的方法之一是代数重建法。但是,代数重建法的一个不足是关于重建图象的收敛速度很慢;本文利用代数重建法有限次迭代的重建图象反映原图象的分布趋势和向原图象变化的这一特点,提出一种优化的图象重建外插算法。数值模拟结果表明,新算法在重建图象的收敛速度和质量方面均有改进。     

基于模型融合的有限角度CT迭代重建方法

针对有限角度扫描的CT重建,提出一种基于模型融合的CT迭代重建方法。模型来源于患者的早期Dicom图像。对扫描角度有限的投影数据,用统计迭代算法进行初步重建,得到预重建图像;将预重建图像与模型进行融合,得到融合图像;然后再次投影,补全原始投影缺失的部分,根据补全的投影数据重建出中间结果,之后重复投影、融合、重建过程直到满足终止条件。仿真实验表明,该算法能完整重建整个目标,在有效保留原目标特征的同时提高了小角度投影数据重建的质量。     

改进的IHS变换和小波变换相结合的图像融合

在分析IHS变换时发现,IHS变换中亮度分量的计算是从红绿蓝三种颜色中平均提取三分之一作为总亮度,而人眼对绿色最敏感(占60%)、其次是红色(占30%)、再者是蓝色(占10%),故本文对亮度分量的计算公式做了修改。在此基础上,提出了一种改进的IHS变换和小波变换相结合的图像融合方法。首先对多光谱图像进行改进的IHS变换,然后利用小波变换分别对I分量和全色高分辨率图像做小波分解,并对小波低频系数基于局部能量进行融合,小波高频系数基于局部方差进行融合,最后进行IHS逆变换,得到融合结果图像。结果表明,本文提出的方法在保持光谱源图像特性方面有优势,也较多地保留了源图像的空间细节信息,融合图像的扭曲程度小。     

Total-variation improved split Bregman method for ground penetrating radar image restoration

In this paper, an improved data processing procedure is proposed for the purpose of ground penetrating radar (GPR) image restoration. The image processing method is achieved by combining the isotropic and anisotropic total-variation (TV) model of split Bregman, suppressing the staircasing effect and circumventing the edges blurred. Numerical experiments indicate that the proposed approach can well recover edges and most of the details of a (GPR) image. Hence, the proposed method is efficient in (GPR) image restoration.     

基于CV模型的CT图像分割研究

由于医学图像边缘模糊、不均匀性等特点,使用传统的Chan-Vese(CV)模型方法难以达到分割要求,同时该方法存在计算量大、分割速度慢的问题。本文提出了一种基于CV模型改进的分割算法,在水平集演化迭代过程中,根据当前主动轮廓线的位置,引入图像局部灰度信息,提高了水平集能量项的有效性和该模型的收敛速度,并提出了一种关于图像序列的分割方法。实验结果表明,运用本文提出的方法能够快速、准确地提取图像中感兴趣目标,是一种较为理想的医学图像分割方法。