联合图像配准的脑卒中病灶自动分割方法研究

针对目前慢性脑卒中的病灶分割准确性相对较低的问题,提出了一种联合深度图像配准的慢性脑卒中自动分割方法。采用深度拉普拉斯金字塔图像配准网络,在微分同胚映射的空间内以从粗到细的方式获得大脑分区,以得到病灶位置的解剖先验信息;将原始磁共振图像和配准阶段的分区结果联合,输入到加入了通道和空间注意力模块的U-Net进行病灶分割。在公开的数据集ATLAS上进行测试表明,提出的方法有效提高了慢性脑卒中病灶分割的准确性,比经典的2D U-Net提升了4.4百分点,证明了基于深度图像配准的大脑分区先验可有效增强模型对病灶的分割性能,更好的组织分割能提高病灶分割准确性。     

基于轮廓提取的医学图像配准方法

提出一种基于轮廓提取及循环迭代的估计医学图像间配准参数的方法，并构造了评价函数用于指导循环迭代过程．通过对实际医学图像进行实验，结果表明这种方法不仅适合单模态医学影像的配准，也非常适合多模态医学影像的配准．     

一种准自动多传感器图像配准方法

针对现有多传感器自动配准方法存在的应用局限性，提出了一种人机交互式粗—精结合的准自动配准方法．先选取少量控制点进行粗匹配，在此基础上利用整体图像信息进行精匹配．该方法将基于特征和基于区域的配准方法进行了有效结合，从而保证了配准的精度和效率，取得了令人满意的效果．此方法可以作为现有的自动配准方法的补充．     

局部C-V主动轮廓模型快速图像分割算法

经典的C-V模型分割算法在处理较大尺寸图像时存在需多次迭代、运算时间长的缺点。在分析图像尺寸和初始逼近图像与获得稳定解的迭代次数与运算时间的关系的基础上,提出了一种改进的基于阈值分割及快速连通域标记算法的局部C-V图像分割算法,对大尺寸图像进行处理。采用OTSU算法对图像进行初步的阈值分割,再利用快速非递归连通域标记算法进行连通域的标记及图像的局部分片。对分片后的小块图像以其阈值分割的结果作为初始逼近图像采用C-V算法进行分割处理。算法分析及仿真结果证实,与经典C-V算法相比较,改进的算法能够以很少的迭代次数和很短的运算时间达到稳定解,能够对含有丰富轮廓细节的大尺寸图像进行快速有效的处理。     

基于医学图像配准方法的研究

本文对医学图像的配准方法进行了研究,分析了刚性配准和非刚性配准方法的主要区别和适用范围,并分别对图像进行了两种方法的配准。     

数字医疗图像特征分割常用方法比较研究

数字医疗图像与普通图像相比本质上具有模糊性和不均匀的特点,使得其特征及边缘提取成为临床医学应用及多媒体教学的瓶颈.依据数字口腔牙X线根尖片,对常用数字医疗图像特征分割方法进行实验、分析、比较,并给出总结,从而为进一步处理和分析奠定基础.     

医学图像配准方法分类及现状

医学图像配准是医学图像融合的前提，是目前医学图像处理中的热点，具有重要的临床诊断和治疗价值。依据7个标准对医学图像配准方法进行了分类，然后从3个方面综述了目前的一些主要的医学图像配准方法，如矩和主轴法、互信息法和相关法等。由于医学图像配准是一项比较复杂和困难的课题，尽管目前已提出许多算法，但并没有一种配准方法能在各个方面都达到理想要求，因此不得不在精确度、速度、自动化程度等方面加以取舍。随着计算机技术和医学成像技术的发展，医学图像的配准技术也一定会得到快速发展。     

用于墙地砖缺陷检测的自动精确图像配准方法

将规则图案墙地砖的精确配准方法用于墙地砖表面缺陷检测,通过对图像进行预处理及边缘检测,找出墙地砖的四条边及左上角,首先对参考砖和待测砖之间的位移和旋转角度进行初步估计,对待测墙地砖进行平移,使其左上角与参考墙地砖的左上角对准并旋转完成初步配准,然后,用互相关法寻找更精确的平移参数进行精确配准,这样可以在像素与像素之间进行直接比较以进行缺陷检测,实验结果证明该方法能有效检测出像孔穴、裂纹等一般缺陷。     

结合阈值算法的Chan-Vese模型图像分割方法

阈值分割是图像处理中频繁使用的基本灰度变换,把阈值分割方法与Chan-Vese模型进行结合,并用尺度变换的方式加以辅助,以提高Chan-Vese模型的分割速度和效果。实验表明：该方案大大提高了Chan-Vese模型的收敛速度和分割效果,而且重点改善了Chan-Vese模型在图像灰度变化缓慢的边界迭代次数较多、演化速度慢等问题。     

基于混合配准策略的多模态医学图像配准方法研究

提出了一种由"粗"到"细"的混合配准策略,该配准策略吸取了以往配准方法的优点,且在细配阶段将基于特征的配准方法和基于灰度的配准方法结合在一起,提出了基于轮廓特征点集最大互信息的配准方法,从而在速度和精度上都得到了很大提高。     

活动轮廓模型在医学图像分割的综述

医学图像分割作为图像处理领域的一个研究热点,长期受到广大科研工作者的关注。活动轮廓模型作为医学图像分割的一个重要工具,在近30年的研究中得到了长足的发展。根据活动轮廓模型的表达方式不同,将活动轮廓模型分为参数活动轮廓模型、几何活动轮廓模型;相对于参数活动轮廓模型,几何活动轮廓模型中曲线的运动过程是基于曲线的几何度量,如曲线的法线、曲率等;又由于水平集方法在几何活动轮廓模型的成功应用,使得几何活动轮廓模型在曲线的拓扑变化、数值求解等方面有不少优势。为了全面展示活动轮廓模型的发展历程及其在医学图像领域的应用,首先简述活动轮廓模型的发展历程及一些偏微分方程的基础知识;然后,详细分析几种较为经典活动轮廓模型;接着,对两种类型的活动轮廓模型进行对比分析;最后,对全文进行总结,并对活动轮廓模型的发展与未来进行展望。     

基于几何形变模型的医学图像分割研究

基于形变模型的图像分割方法通常可以分为参数型(Parametric Deformable Models)和几何型(Geometric Deformable Models)两类。提出了一种基于几何形变理论的LBF模型。针对水平集level set模型不能处理灰度不均一图像的分割问题,采用了LBF模型,并且该模型引入了一个以高斯函数为核函数的局部二值拟合能量,以获取图像的局部信息。通过理论分析与计算机仿真算例和其他算法的性能进行对比,表明改进算法LBF提高了图像分割的稳定性和精确性,具有较高的实用价值和广泛的应用背景。     

基于轮廓检测的自然图像分割

提出一种基于轮廓检测的自然图像分割方法,该方法结合了MDL(最小描述长度)统计技术和用变分水平集函数求解活动轮廓模型的图像分割方法.该方法可有效的分割出图像中最突出的感兴趣目标,实验表明本方法与当前技术相比分割效果更好.     

主动轮廓模型及其在医学体分割中的应用

利用医学序列切片在灰度值和空间位置上的相关性,对传统主动轮廓模型进行改进,将其应用于医学体数据分割中.以物体轮廓采样到其相邻两采样点中点的距离为内部能量函数,同时通过制约轮廓的长度,使其尽可能短来达到;利用图像区域的局部梯度信息,同时利用序列图像之间局部区域的全局信息及其相关性重新构造外部能量函数;并根据内外部能量的比值,动态的调节权值参数.实验结果表明,改进算法既可以有效地检测出一些拐角点和凹点,又可以避免目标边缘收敛于某些噪声点或伪边缘点,可达到良好的体分割效果.     

基于区域划分和改进C-V法的医学图像分割方法

提出了基于图像区域划分和改进C-V法的活动轮廓图像分割方法.通过区域划分的方法将整幅图像的分割问题转化为在不同的子区域上分别进行的图像分割问题,并在各子区域中采用改进C-V法进行图像分割.改进的C-V方法在简化Mum ford-Shah泛函的能量函数中增加距离函数惩罚项,从而将距离函数重新初始化的过程并入整个水平集框架模型中;并在分片常数优化逼近中,添加了图像梯度信息,改变了C-V法中均值取值定义,提高了对灰度层次丰富的图像分割能力.实验表明,该方法对灰度值接近、边界模糊的医学图像有很好的分割效果.     

一种带心肌瘢痕的心脏磁共振图像左室壁分割方法

从心脏磁共振图像中分割出左心室内外膜轮廓线,是心脏三维重建及心脏功能评定的先决条件.针对带心肌瘢痕的心脏磁共振图像,提出了一种基于显著性检测定位的左心室内外膜分割方法.方法采用视觉显著性检测和分水岭变换,提取左心室血池区域,准确确定了左心室位置;然后提取血池区域轮廓线作为内膜初始轮廓,在带形状约束的活动轮廓模型作用下演化得到左心室内外膜.实验结果证明,该方法定位较为准确,能使初始轮廓迅速收敛到内膜边界,分割得到的内外膜以及心肌区域均较为准确.     

基于CV模型改进的MRI图像分割方法

为解决灰度变化缓慢,边缘变化不明显的MRI图像的分割问题,在CV(Chan-Vese)模型的基础上,改进了CV模型的能量泛函,同时用新的g(R)来替换Dirac函数,优化了CV模型的参数,提高了CV模型的分割精度和分割速度。首先,引入了一个新的局部项。通过对图像进行局部直方图均衡化预处理,用预处理过的图像与原图像相减得到目标边缘变化较为明显▽I,将其作为局部项引入到CV模型的能量泛函。然后,由局部项构建新的边缘指示函数。用新构建的边缘指示函数g(R)代替Dirac函数,解决了CV模型演化曲线不能检测远离目标的边缘的问题。最后,优化平滑项参数,减少迭代次数提高运行效率。实验结果显示,本算法对脑部复发性胶质母细胞瘤的MR图像具有较好的分割效果。     

基于Mumford-shah模型的多目标分割

基于Mum ford-shah模型的图像分割中,多目标图像的分割是一个较难以解决的问题,其主要原因是由于目标物体多导致灰度级多,分割中可能使得灰度级相似的多个目标物体被划分到同一个目标内或者灰度值和背景灰度相似的目标物体被划分到图像的背景中,导致分割的失败.针对这些问题,提出了多个水平集的方法,该方法的基本思想是在图像区域建立多条位置不同的演化曲线(即多个零水平集),使它们各自按照原始的Mum ford-shah演化模型同时进行演化.数值实验结果表明,该方法可以把多个目标物体分割开来,得到正确的分割结果,所以该方法对于多目标图像在一定程度上是有效的.     

基于数字图像处理的钢管自动识别计数系统开发

介绍了基于数字图像处理技术的钢管自动识别计数系统开发过程中的关键技术及相关算法，并结合面向对象的可视化集成编程系统Visual C＋＋6．0编制了钢管自动识别计数应用软件系统，实现了模式识别与数字图像处理技术在工业企业中的应用，具有较强的实用性。