基于多尺度形态学的医学图像局部对比度增强

本文提出了一种高效的、高精度的适合于医学图像增强方法.本研究表明,使用暗特征增强图像会使图像丢失一些细节,加强小尺寸特征会放大噪声,所以仅使用白tophat变换,从递归开运算后图像中提取特征.为解决非对偶运算引起的图像亮度偏差问题,作者提出了条件归一方法.新算法主要特点是形态运算采用非对偶运算,对比度拉伸运算采用加法代替乘法运算.用本算法对MR图像进行了测试,并与已有基于多尺度形态学方法进行比较.实验结果表明,这种算法可以更有效地增强图像的局部对比度,对噪声不敏感,处理后图像精度更高.与以前形态学方法相比,本文方法仅需使用其四分之一特征层就可实现局部对比度增强,从而大大减少了运算量.     

图像的带参数二值化方法

这里提出一种图像的带参数的二值化方法。参数由我们提出的图像的灰度/色度谱分级平坦化技术给出。图像的带参数的二值化方法不仅在实现传统的黑白二值化方面,有强于Windows的绘图软件的黑白二值化功能,而且可以实现任意灰度间隔的二值化。因此该方法除能用于任意灰度起点的一般意义上的二值化外,特别适宜于图像的挖掘和隐藏。     

基于Zadeh-X变换的图像隐藏和挖掘技术

提出了用于底层图像挖掘和隐藏的Zadeh—X变换方法，同时巧妙的运用了人类视觉的对比度分辨率限制（只能分辨大于5个灰度／色度级的图像成份）对图像进行隐藏和挖掘。我们首先通过图像的灰度谱，获取图像的灰度分布信息，然后用Zadeh—X变换对原始图像进行白、黑或其它背景颜色的隐藏，隐藏后的图像具有很好的伪装性。我们同样也可用Zadeh—X变换从隐藏后的图像中把原始图像不失真地恢复出来。     

三种医学图像格式的融合性能研究

医学图像的不同格式影响着图像融合性能,恰当选取合适的图像格式是医学图像融合技术的前提。本文首先选择常用的BMP、JPG、PNG图像格式,采用典型的小波变换进行小波融合,然后选用无下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)进行融合对比验证。实验结果显示PNG格式图像无论在融合性能还是运行时间和存储空间都具有优势。     

应用IQF值评价不同显示器的性能

目的：检测三种显示器的性能,应用图像质量因子（IQF）值定量评价三种显示器用于医学图像显示的效果．评估三种显示器用于医学图像诊断的可行性。方法：使用亮度及照度测量器L100测量显示器的亮度．使用美国医学物理师协会（AAPM）测试图对三种显示器（彩色LED显示器,黑白LED医用显示器,高亮度彩色手机显示屏）的亮度响应进行量化评价并绘出标准的亮度响应曲线。使用对比度细节体模CDRAD2．0图像．通过计算IQF值．评价三种显示器的图像解析能力并使用ANOVA对IQF值进行统计学分析。结果：三种显示器的亮度比均超过了AAPMTGl8的推荐标准,彩色LCD显示器和手机屏对比度响应的测量值都在标准值的±10％范围内,但并不是都完全符合AAPMTGl8文件推荐的标准。黑白LCD显示器与其它两种显示器的IQF值有显著统计学差异,黑白显示器的图像质量较好。结论：亮度响应好的显示器,其成像质量也较好。手机LCD屏虽不能完全满足AAPMTG18文件的要求．但其在显示图像细节方面与彩色LCD显示屏差别甚微。     

基于Retinex理论的眼底彩色图像增强算法

眼底彩色图像存在亮度低、对比度差、局部细节丢失等问题,分析已有Retinex图像增强方法存在的问题,在此基础上提出一种改进的基于Retinex理论的眼底彩色图像增强方法。首先提取亮度分量,对亮度通道进行多尺度Retinex增强,改进将图像映射到显示器上的gain/offset 算法以及颜色恢复方法,最后对具有亮度信息的红色通道进行恢复。为验证方法的有效性,以DIARETDB0眼底图像数据库为研究对象,并与多尺度Retinex(MSR)、带色彩恢复的多尺度Retinex(MSRCR)、直方图均衡化(HE)、对比度受限自适应直方图均衡化(CLAHE) 4种经典增强算法进行比较。结果表明,所处理的图像在色彩保护、血管对比度的提升以及图像细节的增强方面比其他图像增强方法有更好的效果,信息熵提高5%～7%,峰值信噪比(PSNR)比传统方法提高1～2倍,客观评价指标明显优于当前常用的眼底图像增强方法,对进一步眼底图像的识别具有重要的意义。     

基于整型小波变换和SPIHT的医学图像压缩

医学图像数据量大,在高效压缩的同时确保其压缩后的高保真度是医学图像压缩首要考虑的因素。使用第二代整数实现的提升格式小波变换代替原来的小波变换,保证图像的可逆性和小波特性,能够实现真正的无损压缩。实验结果表明,在此基础上完成的多集集合分裂算法(SPIHT),对医学图像的压缩更加平滑,视觉效果好,压缩效果和质量较高,提高了重构图像的PSNR。     

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.     

基于数学形态学的视网膜血管提取算法

目的 影像中血管的分割与特征提取,对疾病的早期诊断具有重要意义。针对很多视网膜血管提取算法分割精度不高的问题,提出了运用数学形态学中的高帽变换的方法对其进行检测。方法 首先,选取结构元素为“圆盘形”的形态学对图像进行高帽变换,经过高帽变换后的图像平滑了图像的背景,同时增强了血管在图像中的对比度。其次,对变换后的图像利用Otsu＇s自动分割法对图像进行阈值分割得到血管的二值图像。再次,根据血管在图像中的结构信息和几何信息,利用基于连通域度量的方法,设置连通域的“面积”和“长宽比”两个阈值,去除虚假目标。最后,为保持血管的连续性,对图像进行一次膨胀运算,可将断裂的血管连接起来,减小了实验的误差。结果 通过上述步骤实现了对血管的提取。结论 结果表明,本文算法能有效提取视网膜眼底图像的血管网络,有较强的分割精度。     

基于非降采样轮廓波和直方图变换的生物图像融合

随着分子成像系统的发展,图像融合在细胞生物学领域得到广泛应用,其中灰度结构图像与彩色功能图像的融合对蛋白质定位和功能的研究有重要意义。针对传统融合方法平衡结构信息和功能信息的难点,提出一种适用于生物图像融合的新方法。该方法基于非降采样轮廓波变换,得到源图像亮度分量的高低频分量,计算融合所需的权重矩阵,并由直方图变换对其做必要的调整,系数融合后经反变换得到融合的亮度分量,继而采用广义亮度-色调-饱和度法的快速实现算法,得到最终的融合结果。实验对117组来自约翰英纳中心的拟南芥细胞图像进行测试,采用视觉信息保真度,量化评估了荧光区和非荧光区中融合图像与源图像的相似程度。结果表明,新方法受荧光图像黑色背景影响较少,并保留了荧光图像中大量的细节信息,相比传统方法更为优越。