数字牙X线图像常用增强方法比较研究

由于现实成像设备的原因,牙X线图像特征不够清晰,在一定程度上影响医疗诊断.依据数字口腔牙X线根尖片,对常用图像增强方法进行实验、分析、比较,并给出总结,从而为进一步处理和分析奠定基础.     

一种实用数字医疗图像增强方法研究

计算机辅助诊断数字医疗图像增强方法中,简单地应用直方图均衡化方法是不完善的,直方图匹配化是常规辅助方法之一.以牙X线根尖片图像为例,分析图像特征,采用Gauss函数来构造多峰曲线,生成匹配化直方图,是一种实用增强方法.     

基于尺度特征的手机拍摄打印数字序列分割

针对手机拍摄图像中普遍存在几何失真、光照不均和噪声等现象,提出了一种基于数字尺度特征的数字序列分割算法NSFS.该方法首先对数字序列图像进行预处理,消除噪声和残留表格线;然后,提取包含数字序列的最小矩形,利用数字尺度特征,对包含数字序列最小矩形的每个连通分量进行数字分割.此算法实现简单,适用于不同数据表格、不同字体和格式的数字序列.目前业界仍没有合适的图像库,为验证算法的性能,搭建了一个基于不同品牌手机拍摄的不同表格的图像库.基于此数据库的实验表明,基于数字尺度特征的数字序列分割算法达到了96％以上的正确分割率.     

基于数字结构的中长跑比赛自动计圈技术研究

为了识别号码布图像中的三个数字,基于数字结构特征建立了数字0～9的Fisher线性判别模型.基于图像处理从号码布图像中提取数字二值图像.用直线切割数字区域获取切割区域特征和切割线特征简单、稳定、不重复,可以代表数字的基本形状,对数字的区分度较好.Bayes判别分析结果表明:所建模型经内部验证对数字0～9的识别率达100%.基于数字的结构识别运动员号码是可行的,为研制中长跑自动计圈系统提供了方法.     

医学图像传输协议DICOM标准的运行机制

医学影像归档及通信系统(PACS)是国内医学数字图像处理及传输领域的一个研究热点.数字成像及通信协议(DICOM3.0)是医学数字图像及传输领域的国际标准,几乎所有的医疗设备都支持DICOM协议.主要探讨PACS底层图像传输服务--DICOM协议的运行机制,说明PACS系统如何实现图像的归档和通讯.     

广东省数字医疗发展战略与政策体系规划

从理论与实践结合角度,提出数字医疗的基本内涵及特征,借鉴国内外先进的数字医疗整合政策、理论和经验,系统分析全国以及广东省数字医疗的发展现状、发展成效及存在问题。提出推进广东数字医疗发展的指导思想、目标定位及发展思路,提炼出三大途径、四大战略、六大项目和六大保障,为推进广东数字医疗事业发展,完善医疗卫生服务体系提供决策参考。     

基于数字相关法初始值优化的微悬臂梁弯曲变形与应变测量方法

提出了一种基于数字相关法初始值优化的微悬臂梁弯曲变形与应变测量方法.基于放大的微悬臂梁表面的纹理特征,在尺度空间内进行特征点的测量与匹配,在特征点处进行高阶的数字相关法计算以得到变形参数;将特征点处的变形参数进行二维插值运算以得到任意像素点处变形参数的初始值;采用牛顿拉普森迭代方法计算在特定网格点处的变形参数,进而得到网格点处的位移和应变.通过仿真变形图像的计算结果来确定数字相关法的设定参数,对实际的微悬臂梁变形图像进行应变场计算,并与有限元法的计算结果进行比较,以验证所提出方法的有效性.     

基于卷积神经网络与特征选择的 医疗图像误差预测算法

针对传统医疗图像误差预测算法无法很好的选择图像特征,存在图像误差预测值与实际值拟合度低、预测耗时长等问题,提出基于卷积神经网络与特征选择的医疗图像误差预测算法.首先,选取5种集成规则构建自适应多分类器,对医疗图像区域进行分类;其次,训练卷积神经网络,利用训练完成的神经网络提取不同类别医疗图像区域特征,以此为基础计算区域距离,寻找出相似度最小的区域,完成图像可疑区域定位;再次,融合多评价标准生成特征子集,从中搜索得到最优特征子集,完成可疑区域图像特征选择;最后,以选择得到的特征区域像素点作为训练样本,建立预测样本与训练样本之间的多元线性回归矩阵,实现误差预测.实验结果表明,所提算法的集成规则适应度较高,分类性能好,区域距离计算准确率高达95％左右,特征选择的AUC值(Area Under Curve)高,且预测结果拟合度和预测耗时均优于传统算法.     

实时识别数字和英文字母快速算法的现场可编程门阵列设计

在分析阿拉伯数字以及大写英文字母的形状特征后,提出了一种适于现场可编程门阵列(FPGA)实现的图像实时识别算法.该算法能够充分描述数字和字母图像的特征向量,然后经过预处理和定位后提取出各特征向量,最后计算出各特征向量间的距离并比较大小就能对图像进行实时识别.算法对图像平移和小角度旋转具有不变性,并且具有简单、识别准确率高、计算复杂度低、存储量小的优点.FPGA仿真结果表明,该算法只需要8 000逻辑门就能实时识别出50×75像素大小的数字和字母图像,证明了算法具有较高的可行性和高效性.     

图像处理的实际算法

根据屏幕图形显示的需要,分析形成图像的要素,利用编码、规格化及线性滤波技术,解决了图像在屏幕显示的由原物体到数字、再由数字到图像的转换过程.在实际应用中,可根据图像显示的复杂程度选择适当的算法.     

一种基于视觉感知的复合医学图像分割算法

为提高医学图像分割的视觉效果,依据人类视觉感知的分层特性,提出了一种新的复合医学图像分割方法.该方法通过提取医学图像的底层特征,利用Fuzzy-ART神经网络作为像素的分类器,对医学图像进行连续两次分割.实验结果表明,该医学图像分割方法能有效地解决局部信息与整体分布边缘淡化等相关问题,达到良好的分割视觉效果.     

基于U-Net多尺度和多维度特征融合的皮肤病变分割方法

针对皮肤病变区域尺度不同和形状不规则,传统U-Net网络方法缺乏从不同尺度分析目标的鲁棒性,并在提取图像高层语义特征时丢失部分空间上下文信息而影响后续分割精度等问题,提出一种基于U-Net多尺度和多维度特征融合的医学图像分割方法.首先,用空洞卷积融合不同尺度的空间上下文信息;其次,用通道上下文信息融合模块提取特征图各通...     

基于混合神经网络的脑部MRI图像语义分割算法

针对传统医学图像对缺乏标注的数据进行自动分割时存在分割精度不高、边缘模糊等问题,提出了一种利用混合神经网络对脑部核磁共振成像(magnetic resonance imaging,MRI)的图像进行语义分割的算法。利用仿射网络对脑部MRI图像进行线性几何变换,基于卷积神经网络进行3D医学图像仿射变换,加入稠密模块减轻梯度消失和加强特征传递问题; 通过空间转换网络对脑部MRI进行空间转换,基于图谱的分割法获得脑部图像的分割结果。采用MICCAI的公共数据集BraTs2019进行实验验证,结果表明,算法可由脑部肿瘤MRI图像获得较好的分割精度和分割效率,为脑部MRI图像语义分割的研究提供一种新的实验方案。     

身份证件人像自动采集与识别系统

身份证件制作包括信息采集(也称人像采集)、信息传输、证件制作、证件查验4个环节,人像采集是身份证制作过程中的第一个环节.为了既准确又快速地实现人像采集,自主开发了人像自动采集系统; 同时主要涉及图像边缘处理、图像增强处理技术、图像分割技术、人脸特征的提取等几方面,并进行较深入的研究与应用.     

基于投影法的文档图像分割算法

提出了一种基于投影法的中文文档图像分割算法,从文档图像的投影出发,根据文档图像水平投影的统计特性,进行灰度值累加,找到每行文字所在坐标;根据文字的竖直投影形状特征,进行竖直方向上的分割,通过对字符图像的分割,实现对整篇文档的分割;对各种字体的文档图像的灰度图进行了试验.结果表明,该算法能够准确地对文档图像进行分割.     

融合随机森林的C-V模型肝脏超声图像分割

医学图像分割是临床诊断的关键环节,分割结果将直接关系到后续对病灶的识别。C-V模型(Chan-Vese)大量应用于各种医学图像分割过程。围绕肝脏超声图像,针对传统C-V模型依赖初始轮廓及运算复杂耗时的特点,融合随机森林方法,提出一种基于边缘引导能量函数和局部约束特征的分割方法,利用随机森林节点生长和分类速度快的优势,在粗分割的基础上形成无需初始化的C-V模型,而后借助分类特征得到精准的肝脏区域及病灶分割结果。实验证明,经过优化的改进方法是可行有效的,对于图像中的组织和病灶区域能有效分割和提取     

图像分割技术研究

对传统的图像分割方法和近年来出现的一些新方法进行了综述,并分析了每类分割方法的特点,探讨了图像分割技术的未来发展方向。     

一种新的基于连续小波变换的图像分割算法

研究一种基于空域-时域可连续小波变换的图像分割算法,运用可分离的小波函数作为滤波器提取运动参数,根据运动参数所提供的物体的运动特征实现基于运动估计的图像侵害从而有效地提高了图像分割算法对图像噪声、物体形变以及物体之间遮挡的适应性,由于小波函数的可分离性,大大降低了高维连续小波变换过程中计算的复杂性;采用序贯搜索及由“粗”到“精”的分层聚类相结合的策略,进一步提高了分割效率。通过对算法的仿真研究,验证了本算法的可行性及有效性。     

基于数据网格的肝脏CT图像感兴趣区域分割

通过图像分割获取医学图像感兴趣区域是医学图像处理与分析要解决的首要问题及技术难点。为了获取肝脏CT图像中的感兴趣区域,针对肝脏CT图像的自身特点,提出了一种基于数据网格和改进的区域生长法相结合的肝脏CT图像感兴趣区域分割方法。首先利用数据网格对肝脏CT图像做粗分割,最大程度地去除骨骼及背景对后期分割的影响。其次,利用先验知识,确定区域生长的种子点,做基于改进的区域生长法的二次分割。实验结果表明,能较完整的分割出CT图像的肝脏区域。实验结果为进一步的医学肝脏图像的处理与分析奠定了基础。     

面向高分辨率卫星图像的几种图像分割算法稳定性对比分析

将基于均值漂移和图模型的图像分割算法及这两种算法的混合算法应用到高分辨率卫星光学图像,并对比了它们在分割遥感图像时的稳定性。均值漂移算法是一种基于核密度梯度估计的特征空间分析算法,其实质是一种统计优化过程。基于图模型的算法将一幅图像抽象为一个无向图,通过不断合并图结点,将这个图分割为多个连通分量,进而实现一幅图像分割。混合算法首先利用均值漂移技术对图像进行滤波,然后再使用图分割算法对图像进行分割。实验结果显示,均值漂移算法分割结果对其参数变化较为敏感,而基于图模型的算法和混合算法则较为稳定。