序列医学图像三维分割的一种方法

介绍了一种Live Wire和轮廓插值算法相结合的序列医学图像分割算法，在这个算法中又借鉴了活动轮廓模型方法的思想，使得这三种算法有机的结合在一起。并对传统的轮廓插值算法和-Live Wire进行了改进，结合活动轮廓模型方法的思想在重建的轮廓中根据实际图像的局部特征进行了自动收缩。实验表明这种算法能快速准确的从序列医学图像中分割出感兴趣的物体。     

基于图像灰度熵的团块目标检测方法

针对面向自动目标识别(ATR)的图像数据压缩方法,感兴趣区域(ROI)检测器的设计是需要解决的一个关键问题。图像灰度熵可以有效地反映图像中像素灰度变化的剧烈程度,并且与图像均值有关。提出了一种基于图像灰度熵的团块目标检测方法,实现了对可见光和红外图像中坦克、飞机、舰船等团块目标的有效检测。实验表明该方法具有较好的稳健性和适应性,优于基于分水岭的检测方法,满足面向ATR图像数据压缩方法ROI检测器的设计要求。     

基于Snake模型的低对比度噪声心脏MRI图像分割

提出了一种基于Snake模型的低对比度、噪声心脏MRI图像分割算法。Snake模型通过轮廓线的变形得到感兴趣区域(ROI)的边界，但其分割结果依赖于初始轮廓线的位置，且变形曲线容易收敛于局部梯度极大值区域或从弱边界处泄漏，对于深度凹陷的区域也难以分割。通过增加局部面积能量项，扩大了Snake模型寻找边界的范围；在模糊C均值集群分类的基础上，构造模糊能量项，能够较好地处理心脏MRI图像中的弱边界、局部梯度极大值区域、伪影等现象。分割实验证明了改进的模型能够有效地分割低对比度、噪声心脏MRI图像。     

基于优化水平集方法的CT图像肺结节检测算法

对Chan-Vese水平集图像分割方法进行分析和改进,提出了结合全局区域均值和局部边界信息的水平集改进算法,应用于肺部CT图像分割和肺结节检测。在图像分割的目标函数中,在Chan-Vese方法基础上,引入局部边界统计特性能量项,以利于提高肺部医学图像分割的准确率和分割速度。实验表明,该方法可以很好地分割出肺实质轮廓和肺结节病灶区域,在分割速度上比Chan-Vese方法有了明显的提高,检测结果不依赖于初始设置,将人工交互降至最低,有利于实现CT图像肺结节自动检测。     

一种复杂背景下模板检测与定位的新方法

在基于摄像机的场景测量中,图像采集的同时需要获得摄像机的参数,即进行摄像机定标。在利用参照物的自动标定过程中,首要任务就是实现测量场景中参照物(或模板)的自动检测与精确定位。为此提出了一种复杂背景下模板检测与定位的新方法。该方法包括模板检测与精确定位两个步骤。前者利用图像分割与形态学方法实现模板的粗定位;后者则结合边缘检测和Radon变换等技术确定模板的精确位置。实验结果表明,该方法实现简单、性能可靠,可适用于各种复杂的场景图像中。     

基于文化算法的C-V水平集图像分割

针对基于梯度变化的水平集图像分割对噪声敏感、不能很好地保持图像中的边缘信息、分割结果依赖初始参数、取得最优解时不能及时结束等问题,提出了一种基于文化算法的水平集图像分割算法,将文化算法应用到C-V(Chan-Vese)水平集模型之中,实现了水平集模型图像分割参数的自动选取,通过信度空间的形势知识和规范知识不断优化指导种群进化,并通过判定图像熵适应度值的变化适时终止分割过程。实验结果表明,本文方法能够准确分割出医学图像的病变区域,在抗噪声性能和分割效率方面明显优于常规方法。     

一种图像分割的人工神经网络新方法

本文着重研究应用人工神经网络（ＡＮＮ）理论来进行图像分割的问题，提出了一种图像分割的ＡＮＮ新模型，详细地研究了该模型的动力学特性，并给出了该动力学特性的计算机实现算法。利用实拍图像对此ＡＮＮ模型进行了一些有意义的仿真实验，并与常用的矩保持门限分割方法作比较，结果表明：本文提出的图像分割ＡＮＮ模型是切实可行的，且能较好地完成低信噪比（ＳＮＲ）条件下图像的分割任务，其分割结果优于矩保持门限分割方法。     

基于分形和背景知识挖掘的红外图像水上桥梁目标识别

针对复杂背景下远距离航拍红外图像中水上桥梁识别的难题,提出一种新的基于分形理论和背景知识挖掘的目标识别方法。根据红外图像水上桥梁上下文描述,利用红外图像的直方图动态阈值法和分形特征检测出图像中的感兴趣区水域,同时基于先假设后检验的桥梁潜在目标被分割出来;然后利用形态学滤波完成目标图像的进一步分割;最后,利用目标特征匹配完成桥梁目标识别。基于TMS320C6416图像跟踪器的实验结果证明:该方法有较高的自动目标识别率和计算实时性。     

自适应率失真跟踪ROI编码方法

针对系数提升ROI算法的固有缺点,提出了一种基于率失真优化截取内嵌码块编码(EBCOT)算法的医疗图像矩形感兴趣区域(ROI)编码方法。区别于JPEG2000标准建议,算法不是通过对医疗图像中关键诊断区域的小波系数比特平面移位实现,而是提升码块的率失真斜率通过码流优化截取来实现ROI编码,从而使系统具有更高的压缩比和更低算法复杂度,并通过自适应误差跟踪获得图像的ROI和BG(背景)的质量可任意控制的特性。用该方法对多幅CT图像进行测试,结果表明:该方法可在保证关键诊断区域无损或近无损条件下提高压缩比8-40倍,完全继承JPEG2000在远程医疗系统中的各种优良应用特性,更好地解决医疗图像在存储和传输过程中数据量过大的难题。     

基于Snake模型的病变CT肺部图像分割

传统的肺实质分割算法大多基于阈值法、区域增长、边缘提取以及形态学等方法,这对健康肺部CT图像可以得到比较理想的分割结果,但临床上所面临的CT图像大多具有各种病变,严重时会导致肺实质大面积缺失或呈区域性离散块状,这使得传统的肺实质分割算法效果不理想.为此,提出一种以生理解剖学知识为基础并基于Snake模型的肺实质分割算法.通过多组CT图像实验表明,无论肺内有无病变,该算法对CT肺部图像分割效果理想,而且速度快、完全自动.     

基于SVM的仿人对弈机器人视觉图像处理

视觉系统是仿人对弈机器人研究的关键部分。针对对弈的实际状况,采用彩色空间变换,阈值分割、形态学骨架化及霍夫变换等图像处理技术,对棋局中的棋子进行检测、定位和分割。通过提取棋子旋转不变的径向像素点数特征,克服了棋子方向随意性。而后采用支持向量机分类方法,对棋子信息进行分类识别,同时分析处理了误差对识别准确率的影响。实验表明,该方法能够实现定位、分割、识别棋子准确无误。     

UWB SAR叶簇遮蔽目标检测中的ROI提取方法

针对SAR(synthetic aperture radar)ATR(auto target recognition)算法中的ROI(region of interest)提取通常由一个CFAR(constant false alarm rate)检测器和聚类算法来完成,该方法在高波段SAR目标检测中具有优良的性能,而在UWB SAR(ultra-wide band synthetic aperture radar)叶簇遮蔽目标检测中效果不佳。提出了一种适于叶簇遮蔽目标检测的ROI提取方法,该方法由小滑窗中值滤波、低门限CFAR检测、形态学操作和聚类算法四部分组成,能够在叶簇遮蔽目标检测中很好地完成ROI提取,基于实际UWB SAR图像的ROI提取结果验证了该方法的有效性。     

基于分形理论和神经网络的红外图像分割算法

针对实现红外图像的分割,快速准确地检测出红外序列中的人造目标的需要,结合分形特征和Ko-honen神经网络的特点,提出了一种基于分形技术的图像分割算法。该算法利用自然背景和人造目标的不同分形特征检测目标,提出了包括分形维数在内的7个红外图像特征,结合神经网络的自组织学习能力来进行图像分割。给出了算法实现的具体步骤。仿真试验结果表明,该算法能有效地实现红外图像的分割。     

基于形态滤波与遗传算法的目标检测技术

针对红外图像背景复杂及点目标容易被淹没的问题,提出一种采用形态滤波与遗传算法相结合的目标检测新算法。该方法利用遗传算法的全局寻优能力对形态滤波结构元进行优化,以增强形态滤波对目标的检测与识别能力。为克服算法运算量大,实时实现困难的缺点,同时开展了基于DSP的实时信号处理器的研制及相关实验研究。试验结果表明,该方法能实时有效检测信噪比为2左右的点目标。     

Target searching based on modified implicit ROI encoding scheme

An EBCOT-based method is proposed to reduce the priority of background coefficients in the ROI code block without compromising algorithm complexity. The region of interest is encoded to a higher quality level than background, and the target searching time in video-guided penetrating missile can be shortened. Three kinds of coding schemes based on EBCOT are discussed. Experimental results demonstrate that the proposed method shows higher compression efficiency, lower complexity, and good reconstructed ROI image quality in the lower channel capacity.     

基于类Haar特征与级联AdaBoost算法的防震锤识别

提出将类Haar特征与级联AdaBoost算法应用于输电线路防震锤的识别,以解决目前仅能针对单一防震锤进行识别的问题。首先,基于积分图计算快速得到图像的扩展类Haar特征,然后利用AdaBoost算法选取关键的具有较强分类特性的特征,产生一系列弱分类器以构成强分类器,最后通过级联的方式将强分类器组成级联AdaBoost分类器进行防震锤的分类识别。以实际的航拍图像作为测试样本进行实验,结果表明,该方法能够在复杂背景中有效地识别出防震锤,为后续的防震锤故障的诊断工作奠定了基础。     

基于边缘和颜色的视频文本图像分割方法

视频中的文本如果直接送入OCR软件,识别率较低,因为文本往往叠加在复杂背景中,所以需要先将文本从背景中分割出来。背景像素可能具有和文本像素相似的颜色,并且由于解压缩的影响,文本像素颜色分布可能具有渐变性,给分割带来一定的困难。针对这些问题,提出一种基于文本边缘和颜色特征的文本分割方法,该方法首先利用文本边缘的高频特性沿文本轮廓对图像的颜色分布进行采样;其次使用K-均值空间聚类方法从采样点集合得到图像分割的种子点和分割半径,从而分割文本图像得到不同的分割结果;最后,利用文本笔画的连通域特征挑选出正确的分割结果。实验表明,该方法较好的解决了视频文本和背景的分离问题,分割结果具有较高的OCR识别率。     

基于改进滤波器和图像多尺度变换的背景抑制算法

红外目标的探测背景具有复杂性和非平稳性,为提高后续检测性能,常常通过抑制背景来增强目标能量。针对传统背景抑制方法检测率低、虚警率高的问题,提出一种基于改进滤波器和图像多尺度变换的复杂背景抑制算法。首先,对红外图像进行改进的滤波处理获得预处理图像。其次,通过高斯金字塔多分辨技术,平滑图像背景。然后,采用Cubic插值算法提高图像的分辨率,得到背景估计图像。最后,将预处理图像和背景估计图像差分,获得背景抑制的结果。经验证,该算法实时性相对传统方法提高了19%,对于多种复杂的背景情况具有良好的适应性。同时，算法计算复杂度较低,有利于实现实时性工程应用。     

复杂背景下红外小目标检测技术研究

在复杂红外背景中如果红外点目标所占的像素少,通常的检测方法就很难将目标检测出来,且往往会含有较多假目标。首先对图像进行预处理,利用图像本身的灰度级别对小目标进行初步筛选,然后利用可能目标点的信息对假目标进行剔除。实验结果表明,此方法对复杂背景中小目标检测有较好的效果。