首页 > 文献资料
-
基于PCA和图像匹配的飞机识别算法
更准确地对高分辨率可见光机场区域图像进行飞机目标的识别,提出了一种基于主成分分析(PCA-principal component analysis)和模板匹配的方法进行飞机识别.首先对图像进行均值滤波和直方图均衡化,并进行灰度直方图分析,判定图像中是否存在机场,在机场提取的基础上进行飞机图像分割,并对各个分割区域进行主成分分析,将其主轴旋转成水平方向,然后和模板库匹配,进行飞机识别.实验结果证明,该方法对飞机目标的识别是有效的.
-
二维大类间方差阈值分割的快速迭代算法
传统的二维Otsu阈值分割算法采用穷举搜索法搜寻佳阈值向量.与此不同,本文提出了一种二维大类间方差阈值分割的快速迭代算法,用迭代的思想解决原始二维Otsu方法计算复杂、实时性差的问题.文中导出了迭代算法的公式,给出了算法流程.实验结果表明,与二维Otsu原始算法及其他两种快速算法相比较,本文提出的二维Otsu快速迭代算法分割结果准确,实现简单,其运行时间仅为原始算法的0.4%左右,大大减少了计算量和存储空间,是一种快速有效且实时性好的图像阈值分割算法.
-
基于改进自生成神经网络的皮肤镜黑色素细胞瘤图像分割
针对皮肤镜黑色素细胞瘤图像,提出一种基于自生成神经网络(self-generating neural net-work,SGNN)的自动分割算法.算法首先采用区域生长的方法将图像进行粗分割;然后将每一个子区域看作一个叶节点,根据节点之间的相邻关系定义连接规则;后采用SGNN对这些节点进行聚类.完成黑色素细胞瘤图像的分割.本文方法克服了传统SGNN算法对样本训练顺序敏感的缺陷,提高了效率,实验结果表明,该方法能够自适应确定聚类数目并准确分割黑色素细胞瘤图像.
-
减影技术在射线图像分割与提取中的应用
将缺陷信息正确提取和分割出来是射线检测中的重要环节.为了使分割算法更加自动、快速、精准,本文把减影技术应用到图像分割中来.首先利用形态学模拟图像背景,然后利用数字减影法提取缺陷目标.对几种阈值化方法进行分析,比较各种方法的基本思想,优缺点及使用范围,终提出选择迭代分割方法得到图像佳阈值将图像二值化.实验结果表明,针对不同的缺陷均能得到轮廓清晰的分割效果,为缺陷特征参数的提取和识别的实现打下坚实的基础.
-
基于大方差的免疫细胞图像双阈值分割
细胞图像分割是医学图像处理的热点研究内容,论文针对传统的阈值分割方法,将大方差阈值选择函数进行推广,获得双阈值选择函数,实现了免疫细胞图像的自动双阈值分割,并采用数学形态学方法中的开运算进行后处理,有效消除了阈值分割所带来的毛刺及噪声.实验结果表明,该方法简单、快速,分割结果令人满意.
-
基于国人皮肤镜黑素细胞肿瘤图像的智能化分类与识别研究
目的 建立国人皮肤黑素细胞肿瘤(MT)图像智能化分类与识别方法.方法 采用皮肤镜法获取MT图像信息,提出自生成神经网络的自适应聚类分割与特征提取算法,定量分析MT的形状不对称(AY)、形状偏心率(EY)、边界凹陷率(BDR)、过渡区辐射不均匀度(URTA)、颜色多样性(CD)、纹理相关性(TC)六个特征,结合组合神经网络分类器对MT的良、恶性进行分类与识别,经病理验证与统计学分析.结果 642幅MT图像,其中良性82.4％；恶性17.6％；URTA、TC、BDR、CD灵敏度86.73％ ～95.58％,特异度97.3％ ～ 100％；AY和EY灵敏度41.59％～47.78％,特异度69.91％ ～76.99％；对MT的良、恶性分类与识别,准确率达93.65％；分类符合率经x2检验均有显著性差异(x2 =4.51,P＜0.05).结论 皮肤镜MT图像分析法,可有效实现MT良、恶性分类与自动识别,为解决国人皮肤恶性黑素瘤的智能化识别瓶颈问题奠定了基础.
-
基于形变模型Level Set方法的图像分割
本文阐述了基于形变模型(Deformable Models)的Level Set分割方法的基本原理及其特点,介绍了在图像域的实现方法,实现并改进了基于该模型的NarrowBand快速算法.该算法的基本流程是:先在需要分割的目标内或外给定一封闭的初始曲线,通过Gaussian滤波后计算图像的梯度,后通过Narrow Band算法完成轮廓线的抽取.该算法应用于医学CT/MRI影像以及显微图像的目标分割中,取得了较好的实验结果,证明该方法非常适合于对具有分支、突触以及拓扑结构变化的目标进行快速精确分割.文中给出了算法实现的基本流程、相关参数的选取准则和部分实验结果.实验发现算法中涉及的参数对提取的轮廓线的精确和光滑程度有较大影响.
关键词： 形变模型 Level Set Narrow Band算法 图像分割 医学影像 -
一种半监督的彩色图像分割方法
提出一种基于半监督EM聚类的彩色图像分割方法,算法利用了有限的人工信息,即在图像上点击有限的几个点以标识对应区域之间的关系,从而得到满足给定限制的精确图像分割结果.算法首先对图像进行量化处理,而后在量化后的色彩空间中集成先验的分割信息进行色彩聚类.实验表明算法运行速度快,分割效果好,具有很高的应用价值.
-
血细胞图像的自适应分割
目的:对血细胞图像进行自适应分割.方法:首先将RGB图像变换到HSV(Hue/Saturation/Value)空间,清除图像中不具有饱和度信息的杂质;然后利用形态学重建滤波器作滤波,在保持目标边缘性质的同时滤掉脉冲干扰,并消除图像照度不均匀的影响;后用Watershed变换完成图像分割.结果:实现了低质量血细胞图像的自适应分割.结论:该方法具有很强的抗干扰能力,分割结果令人满意.
-
模糊集理论在图像分割中的应用综述
图像分割是许多图像分析和图像处理过程中的重要步骤.由于人的视觉特性和数字图像本身所具有的模糊性,使得图像分割问题是典型的结构不良问题,由Zadeh提出的模糊集合论具有描述不良问题的能力,模糊集合论应用于图像分割是针对图像模糊性非常有效的方法.目前模糊集理论在图像分割中的应用有许多成功的方法.本文就基于模糊理论的图像分割方法进行了综述,主要归纳了模糊阈值分割、模糊聚类分割以及模糊神经网络分割等方法并简要讨论了各种方法的特点.
-
基于Mean Shift和遗传算法的皮肤镜图像分割
皮损目标的精确分割是实现皮肤镜肿瘤图像自动分析的关键.提出了一种皮肤镜图像分割方法.首先采用一种优化的对比度增强方法进行预处理；然后采用具有较好边界结构保持性的Mean Shift算法对图像进行粗分割；根据皮损区域和背景皮肤区域的信息,提出一种子区域合并的目标函数,并采用遗传算法对合并结果进行优化,获得满意的分割结果.实验结果表明,本文方法实现了皮肤肿瘤图像的有效分割,并在准确性上具有更优良的性能.
关键词： mean shift 皮肤镜 图像分割 遗传算法 -
基于GVF-Snake模型改进的X线图像分割
参数活动轮廓模型目前越来越被广泛应用于医学图像分割中,而GVF-Snake模型更是其中研究较为广泛的一种.在人体手部指骨的X线图像分割中,对指节间隙的分割要求较高,传统的GVF-Snake模型方法需要较多的控制点选取,且分割结果并不稳定.因此,本文提出了一种基于改进的GVF-Snake模型分割方法,对图像灰度先进行线性分段处理,再通过直方图的重分布处理,使得图像的对比度增强,便于进行GVF-Snake模型法分割.实验结果表明,采用改进的方法,只需少许几个控制点,即可得到比较精确的图像分割效果,是一种比较好的改进算法.
-
植物根系X射线CT图像序列分割方法研究
为解决土层CT图像边界模糊以及由于CT成像过程中的射束不均匀造成的灰度不一致等问题带来的分割技术难点,本文基于土层序列在三维空间上的连续性和规律性,针对植物根系CT序列分割与表征,研究了基于熵率超像素分割的随机游走算法.该方法通过熵率超像素分割方法将分割目标进行标记,再根据图像序列的结构连续性提出了自动获取分割种子点的方法,将获取的有效标记点作为随机游走算法的种子点对图像进行分割.实验结果表明,该算法解决了逐层搜索种子点的问题,可以较为准确地分割出复杂图像序列的目标区域,提高了算法效率.
-
基于在线生物学文献的MRI图像获取
近年来,利用在线文献构建生物数据库引起越来越多的关注,它包括论文中生物数据的自动收集、组织和分析.在线文献中图像形式表示的数据具有特别的重要意义.而理解图表内容的第一步是分解图表为嵌图,并进一步分解嵌图为感兴趣的对象.作为从在线文献中构建核磁共振图像(MRI)数据库的必要部分,本文研究了嵌图提取以及MRI图像分割方法.提出了嵌图的递归分割,基于MRI图像检测的高斯混合模型,和基于区域增长的形态学算子方法.实验表明MRI或其它感兴趣的图像可以从文献的图表中自动精确地获取.它为我们构建能解释在线文献中MRI图像的知识系统这一长期目标提供了基础支持.
-
黄色人种皮肤镜图像的自动分析与识别技术
皮肤镜是一种观察活体皮肤表面以下微细结构和色素的无创性显微图像分析技术,已经成为皮肤癌以及各种皮肤疾病的筛选和诊断的有效工具.本文针对黄色人种皮肤镜图像,提出了一套带有质量评价功能的皮肤镜图像自动分析系统.该系统首先采用预处理方法对皮肤镜图像进行质量提升;然后采用基于多模式分类的方法实现皮肤镜图像的自适应分类;后采用组合神经网络模型,实现皮损的分类识别.对180幅黄色人种皮肤镜图像进行分类结果统计,获得了87.8％的敏感度和95.8％的特异度,较其他方法具有更好的分类准确率.
-
应用ImageJ程序包进行材料显微组织图像处理、分析和可视化的一种框架
显微组织图像(例如胞、粒子与晶粒等)的数字图像处理、分割和分析,对于获取显微组织特征的三维信息非常重要.已有数种商用和共享程序包可以用于图像的处理和分析.“ImageJ”即其中之一,其长期广泛采用及其可扩展插件形式已使其成为许多不同应用领域科学家选用的工具.它包含了处理、分割、重建和可视化材料显微结构所需要的几乎所有基本的和新的功能以及图像分析工具(例如‘Particle Analyzer’,‘3D object counter’,‘3D Roi Manager’),以用于成组粒子的复杂统计处理.虽然它在生物医学研究领域很受欢迎,被认为是一种有用的和有效的开放源码的图像处理与分析软件,但是在材料科学领域对其所知甚少.面向材料学界,本文尤其是那些没有图像处理和分析经验的材料科学与工程专业人员,在简要介绍ImageJ的基础上,提出了将其应用于在三维空间中处理、分割和分析显微组织结构连续切片图像的一个通用框架.
-
加标记的心脏磁共振成像研究进展
加标记的心脏磁共振影像(tagged MRI)是20世纪80年代末期出现的一种医学成像技术.标记线的引入,为使用非介入方式研究心肌运动提供了新的方法.如何有效地获取和使用tagged MRI提供的信息成为当前医学影像领域的一个研究热点.作者结合近年来在tagged MRI所做的研究工作,从信息处理角度,对tag线跟踪、心脏MRI分割方法、左心室的形状恢复与运动重建、心肌形变应变研究和验证方法等进行了论述,并就该领域今后的研究方向提出了建议.
-
海马结构的磁共振图像分割方法
1 海马结构MR图像分割的目的和意义图像分割(image segmentation)是指根据区域的相似性以及区域间的不同,将一幅图像分割成若干互不交迭区域的过程.海马结构的图像分割就是在图像上把海马结构的边界找出来,使其成为一个连通、闭合区域的过程.海马结构体积测量(volume measurement)在颞叶癫痫、老年性痴呆、遗忘综合征、精神分裂症等神经系统疾病的临床诊断、治疗、疗效评价及计算机辅助诊断(CAD)等方面有重要的应用价值[1].海马结构(hippocampal formation)的图像分割是海马结构体积测量、三维重建的关键和基础.因此,海马结构的图像分割在临床上具有重要意义.临床上使用的分割方法主要还是以人工分割为主,因此研究适用于海马结构MR图像分割的方法有很广的临床应用价值[2,3].
-
三维超声软件系统Ultra 3DTM的设计及临床应用
三维超声成像技术作为科研课题已经存在多年,随着计算机和图像处理技术的进步,开发具有临床应用价值的三维超声影像软件系统吸引了越来越多的注意力.本文基于开发Ultra 3DTM三维超声软件的经验,对三维超声成像系统的特点,设计和实现进行了分析和介绍.临床应用的实例验证了Ultra 3DTM系统的稳定性和有效性.
-
基于MRI图像的羊水体积的测量
目的 探讨基于MRI图像,通过算法计算测量羊水量的可行性.方法 利用MatLab图像处理技术,对胎儿磁共振图像进行分割,提取目标区域并计算目标区域的面积,乘以层厚得出一层的体积,再将每层体积相加计算得到羊水总体积.结果 通过该算法终计算得出羊水的体积为495.10 ml.定性分析显示,图像羊水分割边缘与原图目标区域的边缘拟合较好.定量分析显示,手动金标准分割的体积为458.20 ml,本研究算法与手动分割结果的误差率为8.06％.脂肪抑制序列图像分割效果定性评价亦显示羊水分割边缘与原图目标区域的边缘拟合较好;定量分析显示,金标准手动计算得到的羊水量为557.34 ml,本研究算法计算得到的羊水量为604.50ml,与手动分割的误差率为8.46％.结论 采用本研究算法测量羊水量切实可行.
