基于模糊聚类优化的序列图像快速分形压缩

针对传统序列图像分形压缩算法编码时间过长的问题,提出了一种基于模糊聚类优化(OFC)的快速算法,它是一种基于单帧的序列图像帧间分形压缩算法。首先使用LBG(Linde-Buzo-Gray)方法对序列图像组成的搜索空间样本集进行初始化,然后将OFC方法应用于对样本集的软分类,匹配时通过用类内搜索取代全局搜索,将分形编码过程聚焦在最有效的局部范围内,从而减少了匹配次数,降低编码时间。由于OFC算法是一种软分类方法,样本集类别数的确定即最终聚类方案是取样本集所有可能的分割中对应于目标函数最小者的分割,所以它不但是基于全局最优的聚类方法,避免了基于局部最优LBG算法中的某些误判,而且有效抑制了传统硬分类方法中类别数需预先指定的人为干扰因素,使恢复图像的质量能够得到更有效保证。相同运算环境下的仿真实验结果说明,在不影响信噪比和压缩比的前提下,与传统序列图像分形压缩算法相比,OFC算法编码速度可提高约5倍,证明了本算法的优越性。     

适应于野战医学PACS系统的序列图像编码研究

本文主要针对野战医学PACS系统中海_量影像数据的存储与传输问题,将模糊聚类优化思想应用于医学序列图像的分形压缩.通过采用有效组织分形编码搜索空间的方法,提高了编码效率,从而实现编码速度的明显改善.相同运算环境下的仿真实验结果说明,在不影响信噪比和压缩比的前提下,与传统序列图像分形压缩算法相比,本文的OFC算法编码速度可提高大约5倍,这有力证明了本文算法的优越性.     

一种改进的自适应谱聚类图像分割算法

摘要：目的提出一种改进的自适应谱聚类图像分割算法,该算法能自动选择出最优尺度参数从而提高谱聚类算法分割的准确
率。方法利用约束条件优化相关准则函数,对相似度量函数自动学习迭代并得到最优尺度参数,再运用基于Nyström 估计的
谱聚类算法得到最后的图像分割结果。选择对不同性质的纹理图像采用适合的相似度量函数并应用本文的算法进行图像分
割,最后与k-均值算法和预分割后再使用人工调整到最优参数的谱聚类算法的分割结果进行了比较。结果这种改进的自动选
择最优尺度参数的谱聚类算法在分割效果上较其它两种聚类算法能得到更好的分割结果。结论本文提出的改进方法,能使谱
聚类算法的图像分割效果更理想。
     

基于深度学习的肺部CT图像分割研究进展

肺部CT图像分割是早期筛查和诊断肺部疾病的关键。传统的CT图像分割技术（如阈值法、聚类法和区域生长法）存在精确性差、效率低和鲁棒性差的问题。随着深度学习的发展，基于深度学习的模型在CT图像分割方面表现出卓越的能力。本文结合近年来国内外研究文献，对深度学习的算法发展及其在肺部CT图像分割中的应用进行综述。文献复习结果表明，采用图像分割评价指标Dice相似系数（Dice similarity coefficient,DSC）对算法性能进行评估，肺部CT图像分割深度学习算法的DSC均大于0.9。这些结果表明深度学习能实现精确、高效和鲁棒性的肺部CT图像分割。同时，未来需要对医学图像的复杂性，深度学习数据集的大小、隐私性、网络架构设计和模型可解释性等难题进一步深入研究。     

基于模糊核聚类的MR图像分割新算法

在传统的模糊聚类算法中引入了核函数,同时引入了控制邻域作用的约束项,提出了改进的基于模糊核聚类的MR图像分割新算法.通过对模拟图和仿真的脑部MR图像的分割实验,证明本算法可以有效地分割含有噪声的图像.     

基于粗糙熵和K-均值聚类算法的图像分割

针对基于粗糙熵的图像分割算法不能满足复杂图像的多类目标提取的需要,本文先利用K-均值聚类算法对图像进行区域分割,再利用基于粗糙熵的方法对分割结果进行目标提取,从而达到多阈值分割的目的。通过对遥感图像进行分割处理,证明了改进后算法的有效性。     

基于核密度估计和K均值聚类算法的骨扫描图像分割

目的:探讨K均值聚类的改进算法,并将其应用于全身骨扫描图像的分割?方法:首先对二维全身骨SPECT图像进行锐化?平滑?灰度变换等预处理;其次用核密度估计方法拟合出图像像素概率密度函数曲线,根据曲线的峰值点确定K个初始聚类中心值;再应用K均值聚类对图像进行分割;最后使用模板匹配排除误识别的区域?结果:图像预处理凸显了感兴趣目标,并改善了图像质量;基于核密度估计的K均值聚类算法的Tanimoto相似度系数明显优于传统K均值算法,平均耗时短于其他分割算法?结论:核密度估计有效地避免K均值聚类算法中初始聚类中心选取的盲目性,使聚类结果更为快速?准确?稳定?改进的K均值聚类算法对骨扫描图像分割效果显著,更便于对感兴趣区域进行定性?定量分析?     

基于直方图统计快速FCM算法的医学脑部图像分割

针对模糊聚类算法（FCM）在脑部MRl图像分割中存在计算量大的缺点,提出了一种结合直方图峰值信息和统计信息的快速FCM（HF—KFCM）算法。算法首先利用多尺度窗口遍历的方法找到直方图的峰值点,然后将其作为模糊聚类的初始化中心。并采用基于直方图统计的快速聚类方法减少每一次迭代的运算量。仿真结果表明,相比于FCM算法和其他改进FCM算法,该算法的分割结果在聚类有效性和模糊性上提高显著。     

基于遗传搜索和模板匹配的快速运动估计

基于遗传算法的运动估计具有较好的全局寻优能力,但其过高的算法复杂度需要很大的计算和存储开销,增加了编码时间;另一方面,传统的基于遗传算法的运动估计普遍采用较低的遗传迭代次数,降低了遗传算法的搜索精度。为解决传统算法搜索时间长和搜索精度低的缺陷,提出了一种基于遗传搜索和模板匹配的混合算法。该算法结合多种运动矢量的预测方法以及运动矢量的统计特性设计了3种终止策略,使用模板匹配算法对遗传搜索过程进行优化。实验结果表明：该算法在确保编码质量的同时,能大幅缩减搜索点数和编码时间。     

基于改进的GHSOM聚类算法的图像检索

传统的图像检索需要顺序比较图像库中的图像与请求图像的相似度,检索速度和检索准确度都很低。针对此问题,提出了一种基于改进的增长型分层自组织映射网络（GHSOM）的图像检索方法。先将图像特征库用改进的GHSOM算法进行聚类,在图像检索时先在GHSOM网络模型上找到相似的类,然后在相似的类上继续进行检索,大大提高了检索效率。并且在搜索相似的类时充分利用GHSOM网络的分层结构,更进一步地提高了检索效率。改进的GHSOM网络根据算法的特点构建了赤迟信息量（AIC）准则,用该准则来选择每个独立的SOM网络的生长参数,使得每个网络都能正确地表达映射到它的数据集的结构,提高GHSOM网络的聚类效果,从而提高检索的准确性。实验结果表明,改进的GHSOM算法得到了更好的聚类效果,基于它的图像检索方法提高了将近3倍的图像匹配速度,同时图像检索准确率也得到了一定程度的提高。     

Compression of CT Images using Contextual Vector Quantization with Simulated Annealing for Telemedicine Application

The role of compression is vital in telemedicine for the storage and transmission of medical images. This work is based on Contextual Vector Quantization (CVQ) compression algorithm with codebook optimization by Simulated Annealing (SA) for the compression of CT images. The region of interest (foreground) and background are separated initially by region growing algorithm. The region of interest is encoded with low compression ratio and high bit rate; the background region is encoded with high compression ratio and low bit rate. The codebook generated from foreground and background is merged, optimized by simulated annealing algorithm. The performance of CVQ-SA algorithm was validated in terms of metrics like Peak to Signal Noise Ratio (PSNR), Mean Square Error (MSE) and Compression Ratio (CR), the result was superior when compared with classical VQ, CVQ, JPEG lossless and JPEG lossy algorithms. The algorithms are developed in Matlab 2010a and tested on real-time abdomen CT datasets. The quality of reconstructed image was also validated by metrics like Structural Content (SC), Normalized Absolute Error (NAE), Normalized Cross Correlation (NCC) and statistical analysis was performed by Mann Whitney U Test. The outcome of this work will be an aid in the field of telemedicine for the transfer of medical images.     

一种新的小波压缩方法在医学图像压缩中的实现

介绍一各小波变换用于图像数据压缩的新方法,提出其基本的思路,并对医学ＣＴ图像进行了传统小波变换方法和新方法的计算机数据压缩编码实现,讨论了该算法与传统小波变换方法相比具有的优缺点,结果证明了该算法可对于医学图像数据效的压缩编码。     

一种引入ISODATA动态聚类的医学图像中值滤波算法

目的提出一种医学图像中值滤波算法,以改进经典中值滤波存在的不足。方法将模式识别中的ISODATA聚类引入到中值滤波算法中,将分类的结果作为参数来确定如何进行中值滤波,以及是否需要进行中值滤波处理。结果本算法能够滤除严重的脉冲噪声干扰,同时保持图像细节。结论本算法跟经典中值滤波算法相比,提高了信噪比,增强了图像质量。     

一种引入ISODATA动态聚类的医学图像中值滤波算法

目的；提出一种医学图像中值滤波算法，以改进经典中值滤波存在的不足。方法：将模式 识别中的ISODATA聚类引入到中值滤波算法中，将分类的结果作为参数来确定如何进行中值滤波，以及是否需要进行中值滤波处理。结果：本算法能够滤除严重的脉冲噪声干扰，同时保持图像细节。结论：本算法跟经典中值滤波算法相比，提高了信噪比，增强了图像质量。     

基于数字虚拟人体血管的三维重建

[目的]探讨使用切片技术建立虚拟人体图库,重建人体血管三维图像的表面形状的方法．[方法]在目前的计算机装备基础上,结合计算机视觉、图像分割及图像配准等技术,重建人体血管的三维模型．[结果]通过滤镜除去噪点,提取边界,确定可见边界点,利用基于表面的三维重建方法重建后构成血管图像.     

基于小波变换的图像压缩

目的探讨利用MATLAB的小波变换进行图像压缩的方法。方法对图像进行小波变换,保留低频部分,高频部分置0。结果第一次压缩时压缩效果较好,压缩比较小,第二次压缩时压缩较大,图像视觉效果也令人满意。结论本方法是一种简单、有效的压缩方法。     

液化气扩散火焰的分形结构特征

基于图像处理方法和分型理论研究了液化气扩散火焰边缘分形结构特征。沿火焰轴向将火焰均分为5个区域,研究火焰边缘分形维数沿火焰轴向的变化,通过改变中心通道氧气速度,研究火焰长度、分形维数与过氧系数的关系。研究结果表明：随着过氧系数的增大,火焰长度逐渐缩短;火焰波动范围也减小,从喷嘴到火焰末端分形维数先减小后增大,并且变化范围不大。