基于DT—CWT变换统计模型的医学图像纹理检索

针对离散小波变换具有平移变化性和弱方向性的特性,本文提出了一种基于双树复小波变换(DT-CWT)统计模型的医学图像纹理检索方法。该方法首先利用双树复小波变换系数的平移不变和多方向选择特性,建立广义高斯分布的统计模型,然后基于该模型提取图像的特征矢量,最后利用改进的Log-likelihood(ILL)相似性测度算法进行纹理图像检索。实验结果表明,该方法的检索查准率达到了82.8%,相比于传统的Gabor算法和小波算法都有了较大的提高,对今后的纹理图像检索具有重要的理论与实际意义。     

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。     

贝叶斯决策分析在医学步态分析中运动目标检测的应用研究

针对医学步态分析中的运动目标检测问题,提出了基于最小错误率的贝叶斯决策规则的方法。该方法由变化检测、变化分类、前景目标提取和背景更新四部分组成。变化检测采用自适应阈值法检测二值化变化点和非变化点。变化分类基于颜色共生特征向量,采用贝叶斯规则进行决策,前景对象的提取融合了时间差分法和减背景法。针对复杂场景中背景的＂渐变＂和＂突变＂情况,提出了不同的背景更新策略。实验表明,该方法能将包含有摇动的树枝或者灯的开关等复杂背景中运动目标准确地提取,可用在医学步态分析的研究中。     

贝叶斯决策分析在医学步态分析中运动目标检测的应用研究

针对医学步态分析中的运动目标检测问题,提出了基于最小错误率的贝叶斯决策规则的方法.该方法由变化检测、变化分类、前景目标提取和背景更新四部分组成.变化检测采用自适应阈值法检测二值化变化点和非变化点.变化分类基于颜色共生特征向量,采用贝叶斯规则进行决策,前景对象的提取融合了时间差分法和减背景法.针对复杂场景中背景的"渐变"和"突变"情况,提出了不同的背景更新策略.实验表明,该方法能将包含有摇动的树枝或者灯的开关等复杂背景中运动目标准确地提取,可用在医学步态分析的研究中.     

基于DT-CWT变换统计模型的医学图像纹理检索

针对离散小波变换具有平移变化性和弱方向性的特性,本文提出了一种基于双树复小波变换(DT-CWT)统计模型的医学图像纹理检索方法 .该方法 首先利用双树复小波变换系数的平移不变和多方向选择特性,建立广义高斯分布的统计模型,然后基于该模型提取图像的特征矢量,最后利用改进的Log-likelih60d(ILL)相似性测度算法进行纹理图像检索.实验结果 表明,该方法 的检索查准率达到了82.8%,相比于传统的Gabor算法和小波算法都有了较大的提高,对今后的纹理图像检索具有重要的理论与实际意义.