一种新的Kirsch边缘检测算法

目的:通过改进传统的Kirsch边缘检测方法,提供一种具有较好的抗噪声能力和自适应能力的边缘检测新算法。方法:首先利用模糊数学方法和中值滤波去除图像中的背景噪声和随机噪声。然后,基于三阶样条小波系数构造4个滤波模板并获得滤波图像和极值点图像。最后,根据最大熵算法自动获取的阈值和极值点图像得到边缘图像,连接不连续的边缘使用边缘跟踪算法。结果:新的Kirsch边缘检测方法同传统的方法相比,具有较强的抗噪声能力,边缘图像信噪比平均提高7.45 d B左右。结论:通过改进Kirsch算法,提出了一种具有较好抗噪声能力和自适应能力的边缘检测新方法。     

基于改进小波边缘检测算法的视网膜血管宽度测量

背景:眼底荧光血管造影可反映视网膜血管结构、血流动力学改变、血管病理生理变化及其相关结构的病理改变,广泛应用于视网膜、脉络膜及视神经疾病的鉴别诊断。目的:通过分析视网膜血管的特点和小波边缘检测算法的优缺点,对小波边缘检测算法进行改进,并利用该算法对视网膜血管进行边缘检测与宽度测量。方法:首先由样条函数构造样条小波,由此得到小波滤波系数。根据改进的小波边缘检测方法得到眼底荧光图像的血管初始边缘,利用边缘细化算法对初始边缘进行细化,基于分形技术对细化后的边缘进行连接,由噪声去除算法消除边缘图像中的噪声点,得到连续的单象素点血管边缘。通过两条边缘之间垂直线上的象素点数,得到血管的实际内径。结果与结论:文章使用的方法较好的解决了传统方法边缘细节和噪声太多的问题,具有更好的边缘连续性和更少的过检测点。将其应用于视网膜血管宽度的测量之中,诊断结果与实际情况较为接近,可以为眼科医生的临床诊断提供较大帮助。     

基于加强梯度边缘检测算法和FFT的穿刺针定位方法

目的：针对CT引导介入图像中存在金属穿刺针伪影以及其他噪声,要准确提取穿刺针边缘和针尖的精确位置。方法：将加强梯度边缘检测算法和FFT结合．对图像进行滤波、增强、分割。首先采取高斯滤波器（GLPF）进行低通滤波,然后由罗盘算子、Canny算子提取边缘。通过取样针尖不同坐标计算针道斜率,据此计算针与水平方向夹角。为此训练了300幅CT引导穿刺图像。结果与结论：在MATLAB平台上仿真验证,结果表明,罗盘边缘算子相对应进针角度时,强化了针的边缘．加强梯度边缘检测方法和FFT能有效抑制图像噪声,并能提高针尖角度计算精度。     

改进阈值的小波空域相关去噪法在荧光信号处理中的应用

为了去除荧光免疫层析检测中荧光信号的噪声,保留信号的细节信息,提出一种改进阈值的小波空域相关去噪算法。该算法将基于小波变换的空域相关去噪法和软阈值去噪法相结合,根据小波系数相关性的不同和平滑消去阈值法的思想,改进了软阈值去噪法的阈值变量和阈值函数。结果表明,该方法突出了信号边缘,能够有效地去除荧光信号的噪声,去噪后的信号光滑连续,且保留了信号峰的相关细节信息。     

一种改进的脑白质纤维束连续跟踪算法

目的:改进脑白质纤维束连续跟踪算法,提高纤维束跟踪的连续性和准确性。方法:使用山东第一医科大学第二附属医院影像科和国际人脑连接组共享数据库网站提供的弥散张量图像对算法进行验证。首先,对磁共振弥散张量图像进行中值滤波和高斯平滑滤波,去除噪声对纤维束连续跟踪算法的影响,利用脑模板消除颅骨对后续跟踪的影响。然后,利用最小二乘法获得每一个体素的弥散张量和各向异性指数。最后,从各向异性指数大于阈值的起始体素开始,利用跟踪编辑技术和基于弥散熵的线性跟踪方法完成纤维束连续跟踪。结果:同传统的纤维束连续跟踪算法相比,本研究提出的算法能得到更连续、更准确的跟踪结果,算法具有较好的抗噪声能力和较强的鲁棒性。结论:改进的纤维束跟踪方法可以应用于脑结构网构建以及脑疾病的研究。     

基于小波软阈值滤波的医学图像去噪

目的:为了更好的去除DR医学图像噪声.方法:通过分析其噪声来源,在小波去噪的基础上进行改进.引入方差不变性变换来调整原始图像的噪声模型为高斯噪声模型.图像分解为不同频率的不同子带的小波系数,分别进行不同阈值的滤波.结果:与普通的全局小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比.结论:用此方法处理DR图像在噪声去除、细节质量及骨骼锐化等方面比传统的高斯滤波及小波全局阈值滤波等方法效果要好.     

基于形态学去噪的兔眼相干光断层成像中角膜形态自动识别

目的对兔眼相干光断层成像(optical coherence tornography,OCT)中的角膜边缘识别进行研究,以期从不具有较高清晰度的图像中自动获得角膜边缘以及相关形态学参数。方法首先利用Otsu算法对兔眼OCT图像进行二值化,并以半径为5像素的圆盘形结构元素进行形态学去噪运算消除内部伪边缘,通过Canny算子获得角膜边缘图像;然后使用筛选过错误边缘点后的其余边缘点进行边缘的二次曲线一般方程的曲线拟合,求出各点曲率半径;最后用克朗巴哈系数法与人工描绘的边缘获得的相应点的曲率半径进行一致性检验。结果基于形态学去噪的Canny算法获得了较为连续平滑的角膜内外边缘曲线,与手工标点拟合曲线求出的曲率半径值具有较高的一致性(Cronbach’sα=0.953,P0.05)。结论基于形态学去噪的Canny算法可以较为准确地对OCT图像中的兔眼角膜的形态进行识别。     

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。最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。     

Canny算子联合阈值分割的解剖图像背景去除

研究数字化人体图像的背景去除，是数字化可视人体图像的研究领域（chinesevisiblehuman）中必不可少的一步。本研究提出了一种基于Canny算子计算目标边缘联合阈值分割有效地去除了数字化人体图像的背景。算法首先利用归一化阈值分割技术排除大部分背景，再结合边缘跟踪对目标边界附近保留的边缘进行识别、连接、去噪，准确、有效的去除了背景。用Matlab软件对上述方法进行验证，通过与其他几种分割算法的比较，本方法实际使用效果较好。     

中值滤波法与梯度法的互补效应在CT图像处理中的应用

单独采用中值滤波法与梯度法的其中一种，不能很好地改善CT图像质量。由于这两种方法具有互补效应，可用中值滤波法与梯度法对图像多次交替处理，使CT图像在去除噪声和保护图像边缘的同时使图像边缘得到增强。     

基于比率距离的自适应超声图像去噪方法

针对超声图像噪声的瑞利分布特性,使用一种新的自适应超声图像去噪方法,改进固定窗口包含边缘时无法做到沿边缘方向滤波的不足。采用可自由伸缩的自适应滤波窗口,首先针对瑞利分布的噪声引入比率距离,得到超声图像像素间的相似度距离,然后考虑像素的邻域图像块均值,解决相似度距离之间比较的问题,最后像素根据新的相似度距离进行八方向伸展,得到不规则形状的滤波窗口进行去噪。用仿真超声图像和临床超声图像进行实验,图像评价指标结果表明该算法优于经典算法,更适用于去除超声图像的斑点噪声,在去除噪声的同时能够较好地保留细节边缘。     

基于CT图像的颅内血肿检测与分割

目的:为提高血肿分割精度,提出一种基于改进Canny算子的颅内类血肿噪声检测方法。方法:首先用区域生长算 法分割出颅脑组织,去掉颅骨等干扰信息。然后使用基于改进Canny边缘检测的方法检测颅脑边缘类血肿噪声,并与原 图像进行与运算消除该噪声。最后,通过使用OTSU适应度函数的遗传算法精准分割出颅内血肿。结果:该方法在随机 抽取的200例颅脑血肿图像中,血肿检测的准确率达到96.3%,Dice相似度达到93.5%。结论:该方法能准确、有效地检测 并分割出颅内血肿。     

基于小波的医学超声图像斑点噪声抑制方法

斑点噪声是超声图像中固有的噪声。本文提出了一种新的去除斑点噪声的方法，这种方法结合中值滤波和多尺度非线性小波软阈值的优点，首先把原网像进行对数转换，然后把对数转换后的图像进行中值滤波处理，从而把转换后的图像分成两部分，对每一部分进行小波分析，假设小波系数服从广义高斯分布（GGD），利用小波系数的统计特性估计出各个部分各个尺度的阈值，最后用软阈值方法对上述两部分分别去噪。实验结果表明，本文提出的方法在有效去除斑点噪声方面，优于中值滤波，维纳滤波和多尺度非线性阈值算法（MSSNT-A）。     

基于双正交小波变换与特征匹配的脊柱序列自动拼接

目的:本文提出了一种脊柱X线图像序列全自动无缝拼接方法。方法:首先采用双正交小波变换对图像序列进行多分辨率分解,并结合Canny算子提取图像的有效边缘轮廓,通过计算边缘轮廓矩阵E与和值矩阵H获得图像特征点;其次利用归一化互相关(normalized cross correlation,NCC)算法实现特征点粗匹配,并引入稳健的随机抽样一致(random sample consensus,RANSAC)算法去除误匹配对,实现图像精匹配;然后利用改进的遗传算法对图像序列自动排序,实现匹配系统的自动拼接;最后利用加权平均融合算法实现图像的平滑无缝拼接。结果:实验结果表明该算法可实现高质量快速的脊柱X线图像序列自动拼接。结论:该算法对X线弱对比度脊柱图像序列具有很强的鲁棒性,在一定程度上克服了X线图像序列噪声强、灰度集中、边界模糊、重叠面积过大的缺点及位置关系的限制,具有较强的应用价值。     

眼科高频超声成像中斑点噪声抑制算法的研究

目的 斑点噪声是超声图像中存在的固有问题,而在眼科高频超声这种更为精细的超声检查中,有效地抑制斑点噪声能提高图像的质量,有助于临床医生对病情的判别.方法 提出了一种新的基于拉普拉斯（Laplacian）金字塔的多尺度斑点去噪方法.采用Laplacian金字塔,从斑点噪声中分离出临床图像特征,根据每层子带图像不同尺度及特点,从小尺度到大尺度,首先采用改进后的八方向各向异性斑点去噪（SRAD）去除图像斑点,然后增强图像的边缘、细节及对比度等方面.该方法与传统的SRAD滤波及相干增强滤波（CEDIF）进行对比,采用等效视数及算法的时间耗费对实验结果进行量化评估.结果 与传统SRAD滤波及CEDIF滤波方法相比,基于Laplacian金字塔的多尺度各向异性斑点去噪方法均高于前两种方法（1.172 3 vs 1.122 3、0.929 3及0.864 0 vs 1.396 0、1.468 3）.结论 本研究提出的基于Laplacian金字塔的多尺度各向异性斑点去噪方法在更有效地去除图像斑点噪声的同时,能很好地保存图像边缘及图像细节等.     

基于小波变换的医学图像去噪声处理

利用中值滤波和基于小波变换的去噪声处理对同时含有高斯噪声和脉冲噪声的X线图像降噪方法进行探讨.采用PSNR评价标准分析实验结果,表明小波变换结合中值滤波方法在去除噪声的同时较好地保持了原图像所包含的边缘信息,处理效果优于单纯的小波变换或单纯的中值滤波.     

一种改进的灰度医学图像平滑滤波算法

提出了一种改进的灰度医学图像平滑滤波算法,此算法既有效地滤除了医学图像中的噪声,又能很好的保持了图像的边缘及细节,也克服了作者先前所提算法滤波后图像边缘出现毛刺的缺点。     

基于数学形态学人脑MR图像感兴趣区域的提取

背景:在人脑MRI图像中感兴趣区域提取中,应用数学形态学方法取得了较好的效果,但是在抗噪性能和结构元素选取时存在一些不足之处,使得提取效果有缺陷。目的:在数学形态学的基础上,采用一系列改进的数学形态学方法,以期清晰完整地提取人脑MR图像中的感兴趣区域如脑脊液部位,为医学诊断提供准确信息。方法:首先采用复合形态学滤波去除脉冲和高斯噪声,用高低帽变换进行图像增强,然后用形态分水岭阈值分割提取脑部各成分,对分割出的脑脊液图像进行形态开闭滤波、边缘跟踪和灰度填充后,运用抗噪型边缘检测算子检测出清晰完整的脑脊液区域边缘,最后在原图像中用彩色标定,突出感兴趣区域。结果与结论:综合应用多种数学形态学算法,清晰完整地提取了人脑MRI图像中的感兴趣区域——脑脊液部位。经验证,该方法具有简单、快速、精度高、适用性强等特点。     

基于改进型组织特异纹理滤波器的乳腺肿瘤超声图像处理

基于乳腺超声图像的多参数纹理分类实验,改进了Gjenna Stippel等的自适应纹理滤波器,通过引入模糊函数、增加重叠区域和迭代次数的措施,在减少图像噪声的同时,增强肿瘤与周围正常组织的视觉差别.量化比较乳腺超声图像经该滤波算法和几种常用滤波算法处理前后的的统计特征参量和肿瘤边缘检测的精确率,验证了该算法的有效性和优越性.     

一种新的超声图像斑点噪声抑制方法

斑点噪声是超声图像中固有的噪声。现有的用于斑点噪声抑制的自适应滤波方法,小波软阈值方法及小波域内细节抛弃法在去除噪声的同时,不同程度地丢失了一些图像细节。针对这一问题。本文提出了一种新的结合自适应中值滤波和小波软阈值处理的超声图像斑点噪声抑制方法。对计算机仿真图像及超声图像进行处理的结果表明,本文提出的新方法在有效去除斑点噪声的同时,很好地保留了图像的细节,优于上述的其他方法。