首页 > 文献资料
-
胶囊内窥镜图像溃疡面自动检测方法
目的 针对胶囊内窥镜图像数量多,人工易漏诊,探索自动检测胶囊内窥镜图像糜烂点、溃疡面等异常部位的方法.方法 对图像预处理降噪以及db小波变换进行多分辨率处理,再进行HSB颜色空间转换;结合病灶大小,自适应选择圆盘形结构元素半径值进行开、闭运算,提取出溃疡面的基本形状.后,与专家组人工勾画的溃疡面对照.结果及结论 小波变换能保留目标区的细节,自动检测目标区与专家组人工勾画轮廓相似度达较高,同时能节省溃疡面轮廓勾画时间.
-
基于层间先验知识从脑MRI图像中自动提取脑组织
目的:从脑MRI图像中提取脑组织,解决边缘模糊时脑和非脑组织难以分离的问题.方法:首先利用各向异性扩散滤波的方法对脑MRI图像进行去噪处理;然后利用形态学的方法对初始脑MRI图像进行脑组织提取,在此分割结果的基础上,利用相邻层脑形态差异较小的特点,实现结构元素的自适应选取,完成从脑MRI图像中逐层准确、自动提取脑组织.结果采用不同来源的数据对算法性能进行了测试,结果优于经典背散射电子成像(BSE)方法的分割结果.结论利用层间先验知识有利于实现边缘模糊的脑组织自动准确提取,且适用性较强.
-
基于形态学滤波器的ECG信号预处理
针对心电(ECG)信号受到噪声干扰及发生基线漂移的问题,利用数学形态学的滤波方法,提出了ECG信号去噪及校正基线漂移的算法.根据ECG信号和噪声的不同性质,采用不同尺寸的结构元素对信号进行处理.形态学滤波器的优点是计算简单、速度快、实时性好,在矫正基线漂移和去除高频噪声的过程中,不但有效地滤除干扰信号,同时还很好地保持了ECG信号的特征形态.通过LabVIEW进行试验仿真,结果表明该方法可以有效地去除噪声.
-
基于多结构元素的医学图像形态学边缘检测修正算法
针对某些医学CT图像边缘弱、噪声强的特点,我们提出了一种综合多种形态学运算的修正算法,该算法对边缘检测算子的组合方式进行了改进,从而避免了边缘的模糊性;在结构元素的选取上,引入多结构元素的方法,能够兼顾到不同方向的边缘,保持边缘的完整性;同时进行了局部对比度增强与形态学滤波处理.实验结果表明,与传统的边缘检测算子相比较,该算法抗噪性能良好,得到的边缘更为准确精细,能够有效地检测出图像的边缘,因此具有一定的实用性.
-
基于形态学的骨髓基质干细胞溶液图像分割研究
采用现在研究比较多的骨髓基质干细胞的培养液图像作为研究对象,实现骨髓基质干细胞分割.首先采用灰度形态学中的高低帽算法组合应用对图像进行预处理,结构函数取半径为30的球;预处理完成后,采用两次取阈值法将前景(骨髓基质干细胞)和背景(溶液)粗略地区分出来;然后采用二值形态学方法对所得到图像进行去噪处理,去噪后所得到的图像能将前景和背景较好区分出来.在此基础上求取细胞的个数和面积.
