首页 > 文献资料
-
一种基于参数自适应的CT图像肺气道树分割方法
肺CT图像气道树分割对于肺呼吸功能测定和疾病诊断具有重要意义,但图像噪声和部分容积效应的影响会造成气管分割的泄漏,难于分割出微小的气管.本文利用肺气道树的解剖结构信息,对肺气道树进行分段处理,并提出一种分割参数自适应的方法,动态调整各气管段的分割参数.实验表明,该方法能提高分割的速度和精度,并有效防止泄漏.
-
基于独立成分分析的时间自相关方法在功能磁共振激活区自适应提取中的应用
传统基于ICA的激活区检测手段是将分离后的独立成分与参考信号做相关性分析.实际问题中,不同区域的脑血流动力学响应情况不同,因此往往得不到标准的参考信号.针对此类问题,提出时间自相关方法(TSC)与ICA方法结合,在不需要参考信号的情况下,通过检测体素点各周期的时间序列相关性,对fMRI数据进行激活区提取.应用5-邻域ICA方法对fMRI数据逐点处理,然后应用时间自相关算法检测各时间序列周期间的相关性,选择大的自相关系数作为该体素点的信号值.再通过2变换将相关系数分布转换为服从N(0,1)的Z分布,提取出具有显著性差异(a=0.05)的激活区.将自相关算法应用于仿真数据和12组双手握拳运动的真实fMRI数据的处理,结果表明该方法能够准确提取出仿真数据中的激活区.对真实数据的处理,该方法在空间准确性上与GLM方法无显著性差别(0.465 3±0.136 8 vs 0.490 5±0.134 1),在时间准确性上显著优于GLM方法(0.636 4±0.011 1 vs 0.369 2±0.010 9),具有良好的脑功能激活区检测及空间定位能力.
关键词： 独立分量分析(ICA) fMRI 时间自相关 假设检验 自适应阈值 -
改进的自适应阈值小波图像抑噪算法
深入分析VisuShrink阈值和NormalShrink阈值的原理,本文提出了一种改进的自适应阈值图像抑噪算法.该算法根据噪声在不同的小波分解尺度下呈现出不同的特性,估计每层的噪声方差,从而确定适合各个尺度级的自适应优阂值,并依此对图像进行抑噪.实验结果表明,与传统的均值滤波、中值滤波、VisuShrink阈值法、自适应多阈值法、NormaiShrink法、自适应阈值小波去噪法相比较,改进算法所得图像的视觉效果和峰值信噪比均得到改善.
-
基于小波变换的改进阈值法在心电信号去噪中的应用
目的：为了克服传统小波硬阈值函数的不连续性和软阈值函数有偏差的缺点，并消除采用固定阈值带来的偏差。方法改变小波阈值函数部分参数得到一种新的小波阈值函数，新的小波阈值函数可以看成是硬阈值函数和软阈值函数的线性组合，既克服了软硬阈值函数的缺点，同时又能在它们之间进行灵活选择，小波阈值的选取采用了一种自适应阈值。结果改进阈值法能有效去除心电信号中常见的工频干扰、肌电干扰和基线漂移3种噪声。结论与软硬阈值法相比，无论是从视觉效果上还是信噪比上都有较大的改善。
-
基于自适应阈值的curvelet医学超声图像去噪算法
传统的超声图像去噪算法在抑制斑点噪声的同时,会丢失图像中的大量细节和微弱的边缘信息.该文基于curvelet变换提出一种新的自适应阈值去噪声算法,该算法利用各层curvelet系数局部方差在超声图像纹理与平滑度的差异,分别定义模糊区域和隶属度函数,并根据隶属度函数确定相关curvelet系数的自适应阈值,通过该阈值实现对超声图像的去噪.实验测试表明,该方法在保留原有图像细节信息的基础上有效地降低了超声图像的斑点噪声,极大地提升B超仪器的性能.
关键词： 超声图像 斑点噪声 去噪 curvelet变换 自适应阈值 -
基于自适应阈值处理的表面肌电信号小波去噪研究
针对表面肌电(sEMG)信号信噪比较低的问题,本文在Donoho通用阈值法的基础上,采用了一种基于自适应阈值处理的小波去噪方法.相对于通用阈值法,这种方法可以根据sEMG信号的不同信噪比自适应地调整阈值,更有效地去除噪声、减小信号的失真,从而提高信噪比.仿真和真实sEMG信号实验均论证了这种方法的优越性.
-
一种用于尿沉渣图像的自适应阈值分割新方法
我们针对复杂散焦的尿沉渣图像的精细分割,首先使用小波变换和形态学处理消除散焦影响并进行图像的粗分割,然后对粗分割得到的小波变换子图像进行自适应阈值处理,结合形态学处理完成细分割,后再采用剥离算法处理粘连重叠成分.该方法不受散焦影响,充分利用了图像的多种信息,实验结果表明,该方法对尿沉渣图像的分割有效且令人满意.
-
一种基于自适应小模糊熵的CT图像分割方法
为了从CT图像中提取到多个组织的解剖特征,解决运算速度的提高与运算结果不稳定的矛盾,我们提出了一种基于自适应小模糊熵的图像分割算法.为了找到分割灰度图像的佳阈值.首先利用迭代公式以及图像的直方图来计算出每个模糊子集的隶属函数中指数参数的值以及阈值的搜索范围,然后在已确定的搜索范围内用穷举法搜索出能使模糊熵小的佳阈值.实验表明该方法能较好的完成CT图像的分割.此算法运算速度较快;与用遗传算法、模拟退火算法相比较,运算结果稳定,重复性更好,得到的图像细节成分要更多些.
