基于功能磁共振成像的网络连接显示方法

探讨了基于功能磁共振成像的功能连接图和有效连接图的显示方法,并在Matlab环境下编写界面实现了该方法.     

基于CV模型改进的磁共振成像图像分割方法

为解决灰度变化缓慢、边缘变化不明显的磁共振成像(magnetic resonance imaging,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,同时用新的边缘指示函数来替换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。用局部直方图均衡化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的图像,并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,算法对脑部复发性胶质母细胞瘤的MRI图像具有较好的分割效果。     

基于笔划的立体图像风格化

为实现双目图像的风格化渲染,提出了一套完整的基于笔划的立体图像风格化系统。首先,将笔划基于颜色梯度和深度梯度确定左视图初始笔划的位置;然后,通过求解由视差约束和位置约束构成的能量优化方程,决定笔划的控制点在左、右眼视图中的最终位置,以保持笔划在两视图中的匹配。系统可以采用不同的笔划属性,生成不同风格的立体图像风格化结果。实验结果表明,所提方法为立体图像的风格化提供了有效快捷的方法。     

基于波波变换的多分辨图像融合

图像的小波多分辨表征是把图像特征按度和方向映射到由波波变换系数构成的金字塔结构的各层中。在此数据结构中，使用不同的基于区域的特征选择方法，实现了对稆原始图像的明显特征的选择，包括基于能量和基于边缘检测的方法。     

基于小波变换的多分辨图像融合

图像的小波多分辨表征是把图像特征按尺度和方向映射到由小波变换系数构成的金字塔结构的各层中．在此数据结构中，使用不同的基于区域的特征选择方法，实现了对各原始图像的明显特征的选择，包括基于能量判据和基于边缘检测的方法．并且结合这两种方法，综合利用了小波系数的方向信息来进行特征选择．实验结果表明，这些不同的信息融合途径，都能有效地实现基于像素级的多重图像融合，特别是有效地克服由于原始图像的灰度特性和边缘特性不相容对图像融合带来的困难．     

基于β估计校正值的低场功能磁共振成像分析方法

针对低场功能磁共振成像(fMRI)非脑组织信号变化的影响,提出一种有效的图像分析方法以改进大脑功能定位的结果.综合利用基于形变模型的图像分割算法和基于像素形态测量学(voxel-basedmorphometry,VBM)的统计分析方法提取脑组织,生成显式掩模,并构建分析掩模图像以修正一般线性模型的β参数估计值,使得VBM的统计推断只针对大脑组织,消除了非脑组织信号变化的影响.应用实例表明,这种方法可有效去除背景、头骨及头皮信号变化引起的伪激活区,提高了低场fMRI分析的可靠性和准确性.     

脑功能磁共振成像研究及应用展望

功能性核磁共振成像 (fMRI)技术可以显示大脑各个区域内静脉毛细血管中血液氧合状态所起的磁共振信号的微小变化 .fMRI作为无损和动态的探测技术 ,已日益成为观察大脑活动 ,进而揭示脑和思维关系的一种重要方法 .本文对功能磁共振成像的生物物理机制作了简要的描述 .然后分别介绍了脑高级功能磁共振成像研究过程中的实验设计、数据处理等环节 .最后给予了脑高级功能磁共振成像研究的最新进展和应用展望 .     

基于小波多分辨技术重力场相关系数成像

利用基于小波多分辨技术的重力场参数相关系数成像方法对常规重力勘探资料进行处理,求取空间各点的相关系数,表征了各点在地面产生异常的大小.将重力数据的解释从平面空间延伸到地下三维空间,用空间各点的重力场参数的相关系数值来表征地下异常的分布情况,通过对模型剖面数据处理结果的对比分析,基于小波多分辨分解的相关系数成像比未经分解的相关系数成像具有更高的横向和纵向分辨率.最后,给出了模型三维相关系数成像结果,与模型参数有非常良好的一致性.基于该方法的成像结果能更加直观和清晰地反映异常体的空间分布和延伸情况.     

基于单片机的LED立体成像系统设计

立体成像可真实地再现立体空间中的事物形态,具有显示信息量更大,互动性强的视觉体验.本文设计了一种以单片机作为控制核心的LED立体成像系统,针对3D动态图案成像的功能需求,采用双层控制策略,即通过串口PC机向单片机发送命令,再由单片机对LED立体成像系统进行驱动和控制.试验结果表明本系统的设计方法可为大型三维立体成像系统的研发提供一定的技术支持.     

基于深度卷积残差学习的图像超分辨

传统的超分辨率卷积神经网络难以获得丰富的细节和边缘信息.提出了一种多映射残差卷积神经网络(MMRCNN)来解决这些问题.具体来说,MMRCNN直接使用低分辨率图像作为网络的初始输入,然后使用卷积层提取特征.其次,通过残差学习构建多映射网络,添加批量归一化层优化网络,使聚合高分辨率图像时所需要的特征信息能够变得极为丰富....     

基于立体图像水印算法的研究

提出了一种基于全局视差和左右视图图像块间对应关系的立体图像水印算法,来解决立体图像的版权保护和内容认证的问题。首先根据立体图像的左右视图求出立体图像的全局视差,然后找到左右视图的相似区域,最后相似区域内基于左右图像的对应关系完成水印的嵌入。由于DC系数是块能量的集中区域,其左右图像块间的对应关系比较稳定,所以本文选择左右图像Y分量DC系数进行水印的嵌入,这样可以提高水印的鲁棒性。仿真实验结果表明,水印具有很好的不可见性和较高的鲁棒性,能够抵抗高强度jpeg压缩、高斯和SBS编码攻击。     

基于融合图像的无参考立体图像质量评价

长时间观看立体图像会导致视觉疲劳、恶心、头痛等不适感,如何结合人类的视觉特性对立体图像质量进行评价是近年来立体成像领域的研究热点.为此,本文提出了一种基于融合图像的无参考立体图像质量评价方法.为了更好地模拟人脑处理立体图像的过程,提出了一种先将左、右视图融合然后进行处理的融合图像算法.首先针对左、右视图分别在RGB 3个通道上进行Gabor滤波以模拟人眼的视觉多通道特性,获取其不同尺度和方向的结构特征,随后通过对比敏感度函数滤除图像的不重要频率信息,然后通过增益控制原理进行加权获得融合图像.相比之前无参考立体图像质量评价方法局限于提取手工裁剪的特征,本文采用直接将原始图像进行切块后,送入网络进行训练,让卷积神经网络自动地提取图像的特征,并且采用重叠切块的方法,相比于非重叠切块,重叠切块可以更好地保留相邻像素之间的关系,并且增加了训练的数据集.然而,与拥有几百万张图像组成的Imagenet数据库相比,立体图像数据库仅有几百张,而且构成图像的基向量是普适的,所以本文对在Imagenet数据库上训练好的Alexnet网络进行迁移学习,建立输入图像和输出质量值之间端到端的映射.迁移学习网络模型较传统卷积神经网络收敛快,而且具有更好的初始权重.最后,鉴于人眼在观看图像时总是倾向于从图像的中心开始寻找视觉注视点,然后其注意力由中央向四周递减,本文利用显著特性对图像小块的输出进行加权以更好地模拟人眼的视觉显著特性.在公开的LIVE3Dphase-Ⅰ、LIVE3Dphase-Ⅱ数据库上进行测试,结果表明本文所提方法在对称和非对称立体图像数据库上较其他方法均取得了较好的结果,能够与人类的主观感知保持良好的一致性.     

基于范数优化的并行磁共振成像算法

研究了并行磁共振成像图像重建的范数优化问题.首先,通过分析目前常用的2种并行磁共振成像重建算法——GRAPPA算法和SENSE算法,归纳出它们在重建过程中所用的动态数学模型,描述成形如矩阵方程Ax=b的形式;然后,将范数优化引入到重建算法中的建模及模型参数估计中,通过采用不同矩阵范数意义下的目标函数,即在不同的范数空间中重建图像,提高优化的自由度和算法设计的灵活性;最后,通过仿真对范数优化后的重建图像质量进行分析,说明不同范数优化对重建图像的影响,并探讨了范数优化中相关参数及优化目标函数的选择问题.     

基于模型的磁共振乳腺温度成像方法

为解决传统相位法和波谱法在乳腺热疗温度监控应用中的局限,提出一种基于内在参照物模型的磁共振乳腺温度成像方法。通过扩展原有温度模型并结合频率辨识算法,使该方法能够在多成分乳腺频谱中筛选出水和脂肪频率,进而计算温度。4名志愿者参加了实验。常温下初步测温结果表明:该方法能减少运动等因素干扰,测温误差比仅使用水质子频率时显著降低,空间分辨率达到2mm×2mm×5mm,而温度空间分布不均匀性在±10℃左右。     

基于树状大分子的磁共振成像造影剂研究进展

目前临床用的小分子量磁共振造影剂存在血液半衰期短、在较高浓度时表现出肾脏毒性和非特异性等许多缺点,基于树状大分子的造影剂家族为磁共振成像(MRI)开辟出一条新的道路.综述了基于树状大分子的T1和T2磁共振成像造影剂研究进展.与小分子造影剂相比,基于树状大分子的磁共振成像造影剂具有更高的摩尔弛豫率,且能特异性靶向癌症、肿瘤细胞或组织用于靶向诊断成像,成像效果更好、血液循环时间延长,这些优点使基于树状大分子的T1和T2磁共振成像造影剂在近10年来得到广泛的研究与应用.     

基于黄金分割采样方法的磁共振图像重构

对目前压缩感知理论中几种常用的测量矩阵进行了对比分析研究,针对镜像采样方案中采样直线按360°均匀分布,从而导致测量矩阵与稀疏矩阵之间相干性较高并且图像重构含有较多伪影的问题,提出了采样直线按照360°随机分布的方案.为提高图像重构质量,设计了一个基于黄金分割镜像采样的方案,并通过MATLAB实验仿真验证了该方案的有效性.     

基于R滤波器的超分辨图像配准算法

图像配准是超分辨率图像重建的关键.提出了一种基于R滤波器的超分辨率图像重建的三步算法.第一步:对原图进行加窗模糊;第二步:根据全局运动模型配准,计算平移参数和旋转角度,对图像进行平移和旋转;第三步:把序列低分辨率图像配准到同一个坐标系中,重构高分辨率图像.实验表明,三步算法的配准精度和超分辨率图像重建效果较好.     

基于线过程的POCS超分辨图像重构算法

传统的凸集投影（POCS）超分辨重构算法易使图像产生边缘振荡效应问题,在研究了边缘振荡效应的成因后,提出一种基于线过程模型的POCS算法来对低分辨图像序列进行超分辨图像重构．该算法采用线过程模型检测出超分辨初始估计图像的4个方向的边缘,在传统POCS的投影过程中增加了对图像的平滑处理,实现了低分辨图像序列超分辨重建的对比实验,实验结果表明图像边缘振荡效应能得到明显改善．     

基于图的脑组织磁共振图像分割方法

提出一种基于图的层次聚类算法实现脑组织磁共振图像的自动分割。首先,采用基于图的分割方法对脑组织MR图像进行初始分割。由于脑组织MR图像各类组织结构分布复杂,尤其是脑脊液和灰质区域细节信息丰富、结构变化多样,分割结果中存在过分割现象。因此,利用对偶树复小波变换高频子带信息构造基于图的分割方法中参数k的自适应取值函数,避免图像平滑区域分割后产生大量小区域。然后,以层次聚类算法合并分割得到的小区域,解决基于图的方法分割脑组织MR图像中存在的过分割问题。最后,通过大量真实脑组织MR图像实验证明该方法在脑组织MR图像分割中的准确性和稳定性。