基于估计补偿的医学显微图像拼接技术

图像拼接能很好地解决显微镜高倍镜成像时视野减小的问题.我们在分析显微成像系统对医学显微图像灰度分布影响的基础上,提出了一个系统对图像灰度分布的影响函数.结合系统影响函数和精确匹配下的相关性方程,得到一个以最小平方和形式误差函数为基础的方程组.利用奇异值分解得到系统对图像灰度分布的影响的估计值,然后用估计值来补偿系统的影响,得到图像的原始灰度,再进行拼接.这种方法能在不影响拼接速度的前提下消除医学显微图像中存在的拼接缝和拼接痕迹.     

医学显微图像自动拼接的方法研究

图像拼接技术能够很好地解决显微镜高倍镜下图像视野减小的问题。本研究针对医学显微图像的特点，提出了降低分辨率全图搜索算法，并具体讨论了拼接缝处理和图像显示等问题。实验证明，采用该算法人工参与少，客观性好，硬件依赖性小，速度快，能够得到满意的拼接结果。     

基于双向异步投票策略医学图像特征点匹配

图像特征点匹配作为图像处理领域的一项基本技术,在临床医学图像处理中具有很重要的意义。本文根据医学图像的特点提出一种基于双向异步投票策略的特征点匹配方法。首先,利用改进的harris角点检测算子提取图像角点作为图像的特征点;其次,采用本文提出的基于双向异步的投票策略的角点匹配算法完成角点的粗匹配,使待拼接图像的特征点大致对应;最后利用RANSAC优化算法剔除误匹配,使特征点达到精确匹配。     

一种显微图像的拼接方法

描述了一种显微图像拼接的方法,共包括特征检测、特征匹配、空间坐标转换和图像混合等四个步骤.实验结果显示本方法对重叠面积在50%以上的显微图像,能够进行拼接并且都没有出现明显的缝隙、错位、变形、图像模糊、图像重影等错误.     

一种X线医学图像的增强及角点检测算法的研究

目的：利用MSR算法提高图像质量及角点检测的精度,然后再利用提取的角点来提高图像的配准与拼接速度及精度。方法：首先采用基于人眼感知亮度和色度的视觉模型改进的MSR算法对图像进行增强处理,然后采用改进的harris算法对增强后的图像进行角点提取。结果：采用本文算法对来自COX网站的一幅X线医学图像进行增强、角点检测,处理前后图像的信息熵分别为4.3706、7.3817,增强后的图像质量有明显提高,有效地避免了角点簇拥现象并使角点定位更加精确。结论：实验结果表明,本文采用的算法不仅能有效改善图像质量,而且能更有效、更精确地进行角点检测与提取。     

医学显微图像分割方法研究进展

医学显微图像分割是医学图像处理中的一个经典难题.针对近年来出现的新方法、新理论,对各种分割方法进行了系统论述,主要包括基于数学形态学方法、神经网络分割、模糊分割、小波分析、遗传算法、统计方法和基于特定模型等方法的图像分割.由于显微图像的复杂性,采用单一方法很难准确分割,故对混合方法也作了一定论述.文中还简要讨论了各种方法的特点和局限性.同时对分割的评价体系也做了简要论述.     

X射线图像中的角点检测设计

角点检测是计算机图像处理中经常会遇到的问题。和通常所处理的图像相比，X射线图像成像质量较低，因此常用的角点检测方法不适于X射线图像的角点检测。该文针对X射线图像的特点，首先设计了一个用于角点检测的棋盘状模板，并针对该模板图像设计了一个通用的检测方法。该检测方法采用分块处理的策略，首先采用自动阈值提取包含角点的每个子区域，然后采用了一个简单实用的边缘算子进行边缘检测得到边缘点，在此基础上采用Hough变换进行直线拟合得到四条边，它们的交点即为所需的角点。该方法较好地解决了由于X射线图像质量比较差而给角点检测带来的困难。实验结果表明，该方法具有很强的鲁棒性。     

荧光显微图像亚细胞斑点检测方法研究进展

高通量荧光显微图像数据定量分析,是研究活细胞动态过程的有力工具。亚细胞观察对象在图像中常以衍射极限点斑的形式出现。成像条件的限制往往导致荧光显微图像均一度差、信噪比较低,给人工分析带来了挑战。设计自动化的亚细胞斑点检测方法,是高通量荧光显微图像数据处理的必要前提。本文就近年来斑点检测的关键技术进行了较详尽的综述,包括降噪滤波、信号增强和信号阈值化。在总结现有斑点检测方法优缺点的基础上,讨论算法设计的瓶颈和共性难点,并对相关研究做了展望。     

一种基于图像分割的医学图像融合方法

提出一种新的图像融合算法 ,用于临床治疗计划设计时对病灶的确定。文中采用改进的Canny算子对病灶边缘提取方法进行了研究 ,根据局部直方图计算对非目标轮廓进行抑制。通过对图像配准建立空间映射关系 ,将一种图像中的病灶边缘特征与其它相应的图像进行叠加 ,获得具有病灶边缘和解剖结构特征的融合图像。本文的融合算法简单、直观 ,临床实用性强     

医学图像融合技术的研究

利用图像融合技术,将不同模态的医学图像有机地结合在一起,可以充分利用各种医学图像的优点,为临床诊断和治疗提供帮助.本文主要介绍了医学图像融合技术的基本概念、发展情况、常用方法及面临的困难等,并对医学图像的研究前景作了预测.     

基于互信息与边缘梯度相结合的多模医学图像配准方法

针对传统互信息配准方法未利用图像空间信息的缺点,本文研究了图像边缘信息的梯度相似性.首先采用小波模极大值边缘检测提取出图像边缘,提出将边缘图像的梯度相似性系数与传统的互信息相乘作为图像配准的目标函数.然后通过使用Powell优化算法对目标函数进行寻优,得出配准变换参数.最后在互信息的基础上引入图像边缘梯度信息,突出了全局最优解.实验结果表明,该方法可以得到精确、有效的配准结果.     

基于人体信息三维可视化的医学图像边缘检测算法研究

针对医学图像处理和三维医学图像可视化，系统总结了目前边缘检测技术，归纳了各种边缘检测算法。     

基于MDL的病毒冷冻电镜图像边缘检测

信息技术在生物分予病毒微观研究上有着越来越多的应用。本文介绍了应用MDL小波软阈值去噪结合盲目反卷积来实现病毒原图像的恢复，以达到对比度提高的效果。首先简单介绍了小波软阈值去噪和盲目反卷积原理。然后结合这两种算法，有效的恢复了冷冻电镜病毒图像。实验表明用该算法得到的病毒恢复图像来做边缘检测，在同一些经典图像复原算法比较中，衬度上有明显的改善。     

Research and Realization of Medical Image Fusion Based on Three-Dimensional Reconstruction

A new medical image fusion technique is presented. The method is based on three-dimensional reconstruction. After reconstruction, the three-dimensional volume data is normalized by three-dimensional coordinate conversion in the same way and intercepted through setting up cutting plane including anatomical structure,as a result two images in entire registration on space and geometry are obtained and the images are fused at last. Compared with traditional two-dimensional fusion technique,three-dimensional fusion technique can not only resolve the different problems existed in the two kinds of images,but also avoid the registration error of the two kinds of images when they have different scan and imaging parameter. The research proves this fusion technique is more exact and has no registration, so it is more adapt to arbitrary medical image fusion with different equipments.     

边缘检测微分算子的分析及在医学图像中的应用

边缘检测是医学图像处理必不可少的一步 ,采用微分算子检测边缘是最常用也是处理效果比较好的一种方法。我们从频域角度出发 ,分析了 Roberts算子、Prewitt算子、Sobel算子以及拉普拉斯算子的频谱特性。提出了在使用和构造微分算子时 ,要充分考虑它们的频谱特性。不同的微分算子对不同边缘检测的敏感程度是不同的 ,因此对不同类型的边缘提取 ,应该采用对此类型边缘敏感的算子进行边缘提取。最后通过实际的 MRI图像处理验证了边缘检测算子选择的重要性。     

基于颅脑CT图像的边缘提取

边缘提取是CT图像三维重建前期工作中的关键步骤.本文一方面利用CT图像分割的等距法求取图像的灰度阈值;另一方面求取图像的梯度阈值,利用这两个阈值将颅脑CT图像中各器官的边缘提取出来,作为三维重建的轮廓输入.实验结果表明:这种方法实时性好,适应性强,提取的边缘清晰完整,准确性较高.     

基于剪切波变换的医学图像融合算法

剪切波变换是一种新颖的多尺度几何分析工具,具有多分辨率、多方向性、效率较高等优点,比小波变换、曲波变换、轮廓波变换等图像表示方法有独特有的优势.基于剪切波变换提出一种医学图像融合算法,先将原始图像通过剪切波变换分解为低频子带图像和高频方向子带图像,然后采用非负矩阵分解方法融合低频子带系数,再通过深入研究人类视觉系统的特性提出最大视觉能量对比度方法,利用局部对比度和局部区域的能量和进行高频方向子带系数的融合,最后通过剪切波逆变换得到融合图像.两组实验均显示所提出的融合方法在与其余3种融合方法的比较中,采用的5项客观评价指标均有4项指标达到最优值,证明所提出的方法获取的融合图像效果最好.     

小波变换在医学图像融合中的应用

图像融合是医学图像处理中的关键技术。文中探讨了基于小波变换的医学图像融合方法。首先对源图像进行小波多尺度分解,然后采用基于窗口的融合规则进行小波系数融合,最后通过小波逆变换重构融合图像。实验结果表明,该方法能在保留原图像信息的情况下增强融合图像的细节信息。