提高超声C扫描图像分辨率的插值方法研究

根据超声C扫描成像原理,分析了采样间隔对超声C扫描图像分辨率的影响.采用一种基于局部协方差特征的边缘自适应图像插值方法来提高C扫描图像的分辨率,同时将图像局部均方差作为边缘特征判据,使算法得到了简化.该方法根据低分辨率图像的局部协方差估计出高分辨率图像的插值加权系数,能够在放大图像的同时保留图像的边缘特征.试验结果表明,基于局部协方差特征的图像插值方法明显提高了C扫描图像分辨率,并且减小了边缘模糊效应,因此降低了采样间隔对图像分辨率的影响,提高了图像中缺陷分布评价结果的准确性.     

提高超声图像分辨率的频域解卷

从Ｈｅｌｍｈｏｌｔｚ波动方程出发，导出了假定条件下超声成像模型，依据此模型对接收信号进行Ｗｉｅｎｅｒ逆滤波，实验表明这一方法能有效提高系统的分辨率。     

雾天低质量可见光侦察图像复原算法

雾天条件下,利用侦察设备获取的目标区可见光图像对比度低,不能满足指挥员对战场目标的识别判断。文章基于大气散射理论建立了适于远距离雾天图像退化模型,根据雾天能见度、波长和景深等计算所需空间变化光学深度,并通过实例验证了该方法能有效复原低质量可见光侦察图像,具有很强的实用性。     

超声图像的半自动分割

提出了超声图像半自动分割的一种新方法。其基本思想是通过引入一种新类型的力场和一个控制点插入策略 ,将用户交互作为一个重要因素与 B样条蛇模型的搜索过程相结合 ;并可通过交互学习 ,实时地训练蛇模型的纹理统计参数 ,达到用户满意的分割结果。算法特别适用于必须经过用户交互的连续切片的分割。实验结果证明了算法的快速性和可靠性。     

提高超声图像分辨率的空间域滤波方法

现代医用Ｂ超，无论是线扫或是扇扫的，所获得的超声图象通常都包含两部分信息：一部分是反映组织结构的有用信息，或称为组织纹理（Ｔｅｘｔｕｒｅ）；另一部分是由于分辨元内各散射子散射波的随机相位叠加、仪器自身因素等产生的随机噪声，或称为斑纹噪声（Ｓｐｅｃｋｌｅ），它掩盖了图象灰度级间的细微差别，降低了图象的分辨率和对病灶的识别，本文提出一对斑纹噪声的抑制方法，根据斑纹噪声产生机理及统计特住，设计一种二维自适应滤波器对图象各局部区域的噪声偏离完全随机斑纹噪声的程度进行自适应滤波．结果表明，本方法能对斑纹噪声进行有效的平滑和抑制，并能较好地保留组织的有用信息。     

提高超声图象分辨率的频域解卷方法

从Ｈｅｌｍｈｏｌｔｚ波动方程出发，导出了假定条件下超声成像模型．依据此模型对接收信号进行Ｗｉｅｎｅｒ逆滤波，实验表明这一方法能有效提高系统的分辨率     

动态超声彩色血流图像的计算机仿真

计算机仿真超声彩色血流图像，可以为各种超声彩色血流图像处理方法的性能比较提供有效的信号源．在仿真某一时刻静态超声彩色血流图像的基础上，根据给定的一个心动周期的最大血流速度曲线，计算出血管内的血流速度分布随时间的变化，对一个心动周期划分24时相，仿真出动态超声彩色血流图像。     

单画幅欠采样图像复原中的插值作用

采用直接复原方法和插值复原方法对单幅欠采样低分辨率模糊图像进行复原实验,以考察线性插值在图像复原中的作用.直接复原法是对采集到的欠采样低分辨率模糊图像直接用最大似然图像复原算法进行复原,不作任何预处理.插值复原法是先对图像进行插值预处理,增加像素数,提高图像采样分辨率,然后再用最大似然图像复原算法进行图像复原.结果是直接复原方法和插值复原方法对欠采样模糊图像的复原,效果相同,主观视觉和评价数据十分接近.这说明通常用于单画幅欠采样模糊图像复原预处理的线性插值没有起到提高复原效果的作用.     

RBF神经网络在雾天图像复原中的应用

针对雾天图像的特点及传统算法复原效果的不佳,提出了一种基于RBF神经网络的雾天图像复原算法。实验结果表明,该算法能够有效地提高图像清晰度和对比度,复原后的图像视觉效果得到了明显改善。     

脂肪肝超声图像的定量分析

脂肪肝定量分析是对脂肪肝诊断的一种客观方法，可减少定性分析中人为因素所带来的偏差。对多例B超图像提取特征参数，并进行肝肾对比，从而在统计意义上分析正常肝与脂肪肝的参数差异性。     

基于空域正则化的模糊图像复原方法

以解决病态问题的正则化技术为基础,针对模糊图像的复原问题提出了一种新的空间域复原方法。在空间迭代运算中引入自适应的正则化参数,使其自动修正到最优,通过锐化图像进行后续处理,由此增强了原图像中重要的信息及边缘纹理部分。计算机仿真结果表明,与传统的迭代正则化方法相比,该方法的复原图像在改进信噪比数值(ISNR)和主观视觉效果上都有明显提高。     

运动模糊图像复原技术的改进算法

提出了一种利用维纳滤波法与图像均衡法相结合的改进算法对运动模糊图像进行复原。对于一幅匀速直线运动的模糊图像,首先根据其频谱图确定图像退化过程的参数,即其点扩展函数(Point Spread Function,PSF);再将点扩展函数代入维纳滤波器的公式中,设计符合要求的γ参数,然后将维纳滤波法与直方图均衡法相结合,形成一个维纳滤波改进算法,对匀速运动的模糊图像进行复原。实验结果表明,通过实验图片直观的对比,改进算法所得到的复原效果明显优于普通维纳滤波法。     

基于L-曲线正则化的MAP超分辨率图像复原

提出一种基于L 曲线正则化参数选择方法的最大后验 概率超分辨率图像复原算法. 该方法将最大后验概率估计和L-曲线正则化参数选择方法相结合, 可以有效地减少和去除复原图像中的噪声, 提高图像复原质量, 并具有较好的超分辨率复原能力.     

基于DRA-UNet模型的超声图像分割方法

针对普通卷积运算无法关注重点区域、编码器无法有效提取全局上下文信息、简单的跳跃连接无法捕获显著特征,以及易导致分割图像分辨率降低、重要细节丢失、小物体信息无法被准确捕获等问题,提出基于膨胀率注意力机制的UNet(DRA-UNet)模型,并发展了基于此模型的超声图像分割方法．在UNet模型的基础上,引入膨胀率注意门和多尺度卷积(ConvMulti)模块．膨胀率注意门模块利用空洞卷积能得到更大的感受野,将编码器语义位置的局部区域像素联合到上采样区域,可以实现更加高效的跳跃连接．ConvMulti模块用来获取更加详细的高层特征信息,使编码器功能更强大．实验结果表明：本模型可以有效抑制图像噪声,大幅提高特征的表达能力,具有很强的鲁棒性,相比六种经典分割方法,所提出方法在交并比、F1分数和精度指标下分别达到72.25%,83.89%和97.47%.     

基于噪声灰度差估计三维显微图像超分辨率复原

提出了基于噪声灰度差估计的图像复原方法.在带斑点图像复原的过程中,用不同方向的均匀算子与图像进行卷积,再与原图像相减,取灰度差最小值构成噪声灰度差估计图.由此图获得斑点的强度和位置,进而对斑点进行邻域平均处理以保证复原效果.测试结果表明,噪声灰度差估计能够准确反映图像斑点的强度和位置定位,并且运算量小.该方法应用于三维显微图像复原的结果表明,斑点亮度得到有效控制,小斑点被去除,获得了良好的超分辨率复原效果.     

视频图像超分辨率复原技术的分析与研究

视频图像超分辨率复原技术具有重要的研究价值,在研究和分析超分辨率复原技术的具体方法的基础上,深入探讨了频率域、空间域研究方法的不同的理论依据、实现手段以及算法模型,分析比较出空间域研究方法具有一定研究的优势,并对其研究前景进行展望。     

超声电视成像测井中图像异样点修复处理改进方法研究

针对超声成像测井中因各种不确定因素而导致测井图像中出现异样点的现象,通过分析目前清除异样点所采取的常规方式的不足,提出一种能够有效解决此类问题的全变分修复算法;该方法先于选定区域内依据阈值大小识别待修复的异样点,随后采用该修复算法对此进行修复;并分别将其应用于标准测井图像与实际测井资料处理中并进行效果比对;实践证明：该算法能够完全恢复其图像的原始特征,为后期图像资料中此类状况的修复处理提供了有效的解决方案．     

基于边带限制的梯度矢量流主动轮廓线模型的超声图像分割

主动轮廓线模型是广泛应用于数字图像分析和计算机视觉等领域的一种目标轮廓跟踪算法，非常适合于医学图像（如CT和MRI）的处理。但将这一模型应用于超声图像的分割和目标轮廓的跟踪时，由于超声图像不可避免地存在着斑点噪声、弱边界和与组织有关的纹理，往往使传统主动轮廓模型难以获得满意的轮廓跟踪效果。为此，在梯度矢量流主动轮廓线模型的基础上，引入边带限制概念，并将该模型应用于超声图像的分割。实验表明，该方法较好地限制了非目标边缘和噪声干扰的影响，而且对超声及其序列图像具有较好的分割效果。     

肝脏超声图像分形特性的研究

将Ｐｅｌｅｇ的双毯法和Ｎｉｒｕｐａｍ的分维计算法推广应用于肝脏超声图像分维的计算,并对算例结果进行了分析讨论,在此基础上提出了多重分形谱ａ－ｆ（ａ）的新分析方法,即用测度族支集的Ｈａｕｓｄｏｒｆｆ维数ｆ（ｑ）描述超声图像的复杂分形在生长过程中不同层次的特征。     

基于相位的C-V模型乳腺超声图像分割方法

为了提高乳腺超声图像分割的准确率,提出了一种基于相位特征的C-V模型超声图像分割方法.首先,采用LOG-Gabor滤波器对超声图像进行6个不同方向的滤波,提取最大能量所对应的相位信息,得到超声图像的相位特征.然后,采用SRAD方法对超声图像降噪,并将降噪后的图像与相位特征点乘,增强图像目标与背景的对比度.最后,运用C-V模型的分割算法识别图像中的目标区域,并采用腐蚀方法使目标区域边缘完整、平滑.实验结果表明,与基于灰度的C-V模型、GAC模型以及基于相位特征的人工神经网络方法相比,利用该方法分割乳腺超声图像,分割的精确度明显提高,达到92.40%.