首页 > 文献资料
-
基于边缘检测的CT图像粗糙集增强算法
粗糙集理论是一种处理模糊和不确定性问题的工具,是一种非线性处理方法.本文基于边缘检测对图像进行小波阈值去噪,在此基础之上引入粗糙集理论划分子图并分别进行增强处理,再进行对比度增强.该算法把边缘检测去噪与粗糙集理论结合起来增强图像,实践证明具有良好的图像增强效果.
-
Snake算法边缘检测图像分析
随着图像信息应用需要的迅速增长,数字图像处理技术在现今社会中有着越来越多的应用,特别是边缘检测技术.本文探讨了边缘检测技术中Snake算法的原理及方法,编程实现了文中所提出的检测方法,并对图像进行了实际处理,取得了较好的效果.
-
基于改进Canny算子的脑部MR图像分割算法的研究
针对传统Canny算子在脑部核磁共振图像分割时存在的易受噪声干扰等问题,提出改进的Canny算子.首先将Gabor滤波器和Gaussian滤波器相结合,滤除MR图像中的伪影以及噪声点,然后进行非极值抑制确定边缘,后根据Ostu思想,自动计算双阈值来去除假性边缘,得到终分割后的脑部MR图像.实验结果证明,改进后的Canny算子能够有效地检测出对象边缘,并对脑部MR图像中常见噪声伪影具有很强的鲁棒性.
-
CT图像中轮廓特征的提取
本文在分析 CT图片的特点的基础上,采用经典的 Roberts算子对其进行边缘检测,并对其进行了阈值分割、细化、后采用轮廓跟踪的方法,在 VC6.0的基础上设计了具有选择性的提取出 CT图片的外部或内部软组织轮廓的方法.
-
基于边缘检测的防风显微图像的分割与表征
目的:通过编程实现对防风药材中多种组织结构的量化表征,为定量描述中药材显微鉴定特征提供技术支持.方法:根据药材显微图像中主要形态结构的特征,利用数字图像处理技术和采用MATLAB R2013a软件编程的方法,进行防风药材横切面各视野显微图像的摄取和编码,采用模板匹配法对各视野灰度图像进行配准并拼接,用Canny算子对拼接图像进行边缘检测,通过形态学基本操作对拼接图像进行图像二值化以及分割各种显微特征目标物和分析其大小、形态、数量,并采用系统聚类法对油管和导管的分布进行表征;将提取的4个产地防风药材的数据进行判别分析.结果:从样品图像中分割出了防风药材的木栓层、韧皮部、木质部、油管、导管等横切面中的主要显微特征;从分割的图像中各提取了20个参数,经逐步判别分析筛选出12个参数,以此对4个产地防风药材样品在组织形态方面的差异进行判别分析,总正确率为91.4％.结论:该方法能较准确地描述4个产地防风药材横切面组织结构的细微差别,这对不同产地防风药材的显微鉴别具有一定的参考意义.
-
基于图像处理的菌落自动计数系统
目的 针对现有菌落计数仪结构复杂、便携性差等缺点,本文设计了一种基于图像处理技术和Android平台来完成菌落自动计数的系统.方法 该系统由硬件拍照设备采集菌落图像,以智能手机为主要操作载体,对图像进行光谱阈值分割、中值滤波、洪水填充、开值运算、八邻域边界跟踪等多种算法处理后实现自动计数.结果 与菌落计数仪相比,该系统使用移动端手机APP实时获取菌落图像并得到计数结果,可直接在手机上对结果进行手动校正,具有成本低、操作简单、便携性好等优点.结论 基于图像处理的菌落自动计数系统与人工计数结果的相对误差不超过5％,满足菌落计数的要求.
-
眼底图像中硬性渗出物检测算法
目的 利用眼底图像中硬性渗出物(hard exudates,HE)的亮度与边缘特征,提出一种基于Canny边缘检测算法与形态学重构相结合的HE自动检测方法 ,以解决目前算法灵敏度低、检测结果 中视盘和血管的干扰等问题,对糖尿病视网膜病变(diabetic retinopathy,DR)的自动筛查具有重要意义.方法检测算法包括4个步骤.步骤一,图像预处理,主要包括RGB通道选取、基于形态学的图像对比度增强.步骤二,视网膜图像关键结构的消除,利用基于Gabor滤波的血管分割方法,消除血管边缘对HE检测的影响.将本文视杯分割算法应用在眼底图像红色通道上实现视盘自动分割,消除视盘及其边缘对HE检测的影响.步骤三,利用改进的Canny边缘检测算法和形态学重构方法对HE进行提取.步骤四,基于形态学的图像后处理,消除眼底图像边缘部分假阳性区域.后利用该算法测试公开数据库中的40幅图像(35幅HE病变图像,5幅正常图像).结果该算法对基于病变的灵敏性(sensitivity,SE)和阳性预测值(positive predictive value,PPV)分别为93.18％和79.26％,基于图像的灵敏性、特异性(specificity,SP)和准确率(accuracy,ACC)分别为97.14％ 、80.00％和95.00％.结论 与其他方法对比,基于Canny边缘检测算法与形态学重构相结合的HE自动检测算法具有较好的可行性.
-
X射线图像中的角点检测设计
角点检测是计算机图像处理中经常会遇到的问题.和通常所处理的图像相比,X射线图像成像质量较低,因此常用的角点检测方法不适于X射线图像的角点检测.该文针对X射线图像的特点,首先设计了一个用于角点检测的棋盘状模板,并针对该模板图像设计了一个通用的检测方法.该检测方法采用分块处理的策略,首先采用自动阈值提取包含角点的每个子区域,然后采用了一个简单实用的边缘算子进行边缘检测得到边缘点,在此基础上采用Hough变换进行直线拟合得到四条边,它们的交点即为所需的角点.该方法较好地解决了由于X射线图像质量比较差而给角点检测带来的困难.实验结果表明,该方法具有很强的鲁棒性.
-
基于互信息与边缘梯度相结合的多模医学图像配准方法
针对传统互信息配准方法未利用图像空间信息的缺点,本文研究了图像边缘信息的梯度相似性.首先采用小波模极大值边缘检测提取出图像边缘,提出将边缘图像的梯度相似性系数与传统的互信息相乘作为图像配准的目标函数.然后通过使用Powell优化算法对目标函数进行寻优,得出配准变换参数.后在互信息的基础上引入图像边缘梯度信息,突出了全局优解.实验结果表明,该方法可以得到精确、有效的配准结果.
-
血管内超声图像边缘提取方法的研究进展
血管内超声图像在心血管疾病的诊断和介入治疗中具有重要作用,超声图像的边缘提取有很强的现实意义.但超声频率的提高加大了噪声的影响,增加了血管壁内外膜边缘提取的难度.本文从预处理、检测模型以及算法实现三方面,回顾了近几年血管壁边缘提取的发展情况和研究动态,并对未来的发展方向进行了总结和展望.
-
基于抑制性突触多层神经元群放电编码的图像边缘检测
图像边缘检测所获得的目标轮廓细节质量,对于后续图像分析或理解过程具有重要作用.提出一种基于视觉机制的图像边缘检测新方法:构建抑制性突触连接的多层神经元群,在待检测图像的激励下,分析7像素×7像素视觉感受野窗口内互连接神经元的脉冲放电过程,记录发放时刻进行次序编码;同时考虑神经元之间的侧向抑制作用,在选择注意机制作用下获得增强图像;之后利用Log-Gabor滤波器模拟视觉系统中的方向选择特性,获取8个方向的滤波结果,经过输出层神经元群的融合处理并经灰度映射到0～255的范围后获得边缘图像.对含有丰富边缘细节特性的24幅菌落图像进行处理,其处理结果的ROC评价指标均值为0.698 4,优于PCNN法的0.659 3;从评价指标的均方差来看,该结果具有更好的一致性.另外,从信息熵评价指标来看,该方法同样具有一定的优势,能够有效提取图像的边缘信息,而且也能反映更多层次的图像细节.所提出的方法为利用视觉生理特性进行图像处理提供了崭新而有效的思路.
-
基于视觉感光层功能的菌落图像多强度边缘检测研究
借鉴视觉神经系统在轮廓感知中的独特优势,提出一种基于视觉感光层功能的图像边缘检测新方法.构建以带漏感的积累发放(LIF)神经元电生理模型为基本单元的神经元网络;根据特定时间窗口内各个神经元的脉冲发放情况,对神经元的增强(ON)或抑制(OFF)类别进行判断;通过拮抗式感受野特性以及神经元激励的反馈增强模式,实现弱边缘的凸显;为克服视觉感光层所具有的适应性并凸显弱细节的对比度,对图像进行多方向、多距离尺度的移动,并融合感光层神经元网络脉冲发放率的差异信息,后实现图像边缘的有效检测.以具有丰富边缘特性的20幅菌落图像为样本,以边缘置信度和重构相似度作为评价指标,对多强度边缘进行检测.结果表明,所提出方法可以有效完整地检测出图像多强度边缘,且其对弱边缘检测的重构相似度均值高于0.8,检测准确性有显著的提高(P＜0.05).所提出的利用生理视觉系统特性进行边缘检测,为包含多强度边缘信息的图像处理提供崭新的思路.
-
基于突触连接视通路方位敏感的图像分级边缘检测方法
视觉通路上的多级方位敏感特性对于视觉轮廓感知起着关键作用,将为更高层次的视皮层图像理解提供重要的特征信息.从视觉方位敏感机制出发,提出一种图像边缘检测的新方法.利用神经节细胞以及外膝体神经元感受野向心分布的生理结构特性,构建具有突触连接和多方向敏感特性的视皮层下功能层,融合多方向上的神经元脉冲发放信息,将视觉激励映射为边缘敏感图像;构建具有去优方位感受野特性的初级视皮层的功能层,对前级结构生成的脉冲序列按时间信息进行神经编码,经过感受野内侧向抑制和阈值处理,获得边缘检测结果.对层次模糊而细节丰富的菌落图像进行处理,并以边缘置信度和重构相似度以及两者的加权和作为边缘检测评价指标.结果表明,该方法在完整检测图像边缘的同时,并不引入纹理噪声,有着明显的优势,其对12幅图像的加权和指标均值为0.746 8,显著高于其他对比方法.所提出的方法可以模拟视通路中初级视皮层及视皮层下的方向敏感特性,提供一种基于视觉机制的图像处理和理解新思路.
-
基于细胞神经网络的有核细胞边缘检测方法研究
骨髓切片中的有核细胞数是测量骨髓增生程度的一个重要标志.由于骨髓成分的复杂性,计算机自动识别的效果不甚理想.提出了基于改进的细胞神经网络的有核细胞边缘检测的新方法.首先提出了改进的细胞神经网络的形式,推导了它的稳定性的条件.针对具体应用,设计了合适的网络参数.实验结果证明,新方法能够在复杂背景条件下,准确地提取出有核细胞的边缘.由于细胞神经网络硬件的易实现性,所以具有非常好的应用前景.
-
一种基于组合分割思想的尿沉渣图像分割新方法
本研究针对复杂散焦的尿沉渣图像的精细分割,提出了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,然后根据粗分割得到的子图像的情况采用边缘检测或者自适应阈值分割的混合分割方法进行细分割,后再采用剥离算法处理待分割的粘连重叠成分的分割.该方法不受散焦影响,充分利用了图像的多种信息,因此分割结果准确.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.
-
一种改进的医学图像边缘检测算法
边缘检测是医学图像预处理中重要的内容之一.本文系统分析Pal·King模糊边缘检测算法的不足,提出了一种适用于医学图像的新型模糊边缘检测算法.该算法首先使用遗传算法对传统Otsu算法进行优化来确定阈值参数,对待测图像所对应的模糊特征平面通过基于此阈值定义的隶属函数来提取,并且对图像进行模糊增强和平滑处理以达到更好的边缘检测效果.仿真结果表明,与几种经典的处理方法相比,本算法能够对所要处理的医学图像提取出更加真实和完整的边界信息.
-
基于大互信息的医学图像配准算法
本文提出一种新的基于轮廓提取和大互信息理论的医学图像配准的算法.该算法克服了在配准过程中存在鲁棒性因素、出现误配情况及互信息单一的利用图像灰度信息的局限性,将边缘检测与互信息相结合,提高了原有算法的性能,可较准确地完成图像配准任务.本文并对提出的配准算法进行了Matlab仿真实验,对仿真结果进行分析.
-
B-样条子波在图像边缘检测中的应用
由于经典的边缘提取算子的处理结果不是十分令人满意,本文采用基于微分算子的思想以B-样条子波为处理函数的边缘提取算法.该算法充分的利用了B-样条函数在边缘拟合上的优势以及小波方法的多尺度优势,算法的处理结果令人满意.
-
显微图像中形态参数的测定分析
采用图像处理分析技术对图像进行定量分析计算,获得医学细胞和金相组织结构参数,给出被测物体的面积、周长及形状因子等几何参数.利用测定的参数可以对被测物体进行分析,该方法简便、实用而且准确度较高,具有较好的应用价值.
-
颅内出血CT图像血块的分割算法
运用计算机图像处理技术辅助诊断颅内出血疾病对于精确计算出血量有着重要的意义.出血块的位置和形式的多样性给血块的自动识别带来困难.针对颅内出血CT图像颅骨与出血块相接的情况,设计了一个集边缘检测、区域生长、阈值分割于一体的出血块识别算法,并通过计算机模拟实验实现了出血部位的识别与自动分割,为出血量的定量计算奠定基础.并对若干颅骨与血块相接情况的颅内出血CT图像进行测试,测试结果显示了该算法的有效性和鲁棒性.
