首页 > 文献资料
-
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.
-
基于形态学重构的宫腔镜下子宫内膜腺体开口标记算法
目的：在宫腔镜下为胚胎种植窗口期的子宫容受性提供一个量化的评价方法，提出一个宫腔镜下的子宫内膜腺体开口标记算法。方法采用数学形态学重构算法提取可能的腺体开口区域，利用多尺度的高斯滤波增强腺体区域去除噪声，后使用数学形态学的区域大值标记腺体开口。结果该标记算法的标记结果与专家标记结果进行比对，灵敏度为84?72％±8?00％，Dice相似度系数达83?80％±4?56％。结论经仿真和真实数据验证，提出的子宫内膜腺体开口标记算法是有效的。
-
一种用于MRI脑肿瘤图像分割的改进分水岭算法
目的:为了抑制分水岭算法的过分割问题,提出一种适合MRI脑肿瘤分割的分水岭算法的改进方法.方法:使用交互的方式对脑肿瘤目标区域进行前景标记,使用形态学滤波器与区域生长算法相结合的方法对脑肿瘤目标的背景区域进行动态背景标记,终使用肿瘤目标的标记和背景标记合成的标记图像与原图像进行分水岭算法分割.结果:当形态学滤波器的模板尺寸大小为14个像素时,脑肿瘤背景区域的标记效果较好且算法稳定,亦能有效地抑制过分割现象.结论:该方法操作简便,分割效果好,过分割的抑制效果明显.
-
一种基于Matlab的CT脑组织图像提取算法
提出了一种基于Matlab的CT脑组织图像提取算法,该算法克服了传统方法 主观选择阈值等方面的不足,设定算法自动获取阈值,然后采用数学形态学及集合论方法 ,实现脑组织的分割与提取,既提高了工作效率,又提高了分割的准确度.
