基于边缘特征点匹配的临床X线自动全景成像研究

目的：本文提出了一种基于边缘特征点匹配的X线自动全景成像方法。方法：一,采用双正交小波变换与Canny算子相结合的算法实现X线图像的有效边缘提取,并通过矩阵计算得到特征点;二,利用Pearson相关系数和随机抽样一致算法来建立图像之间的相关性和匹配性;三,利用渐入渐出的融合算法实现X线无缝全景成像。结果：该算法可快速高质量地实现骨科临床无外部特征的X线图像序列全景拼接。结论：该算法对弱对比度的X线图像序列全景拼接具有很强的鲁棒性,允许X线图像序列之间存在较小的图像旋转和缩放差异,有助于减少X线使用剂量,具有较强的应用价值。     

一种连续轮廓组的多边形逼近与匹配算法

提出一种适合于连续医学图像序列的轮廓匹配算法.基于笛卡尔坐标空间,首先对医学图像轮廓曲线进行离散化,运用多边形逼近算法提取点数最多轮廓的特征点,然后依据多边形相似度来提取剩余轮廓的特征多边形,使得相邻轮廓之间达到最好的匹配.实验结果表明,该算法可以得到很好的匹配效果.     

基于活动轮廓模型和边缘对比度特征量的血管内超声图像边缘提取

血管内超声（IVUS）图像冠状动脉血管壁的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义。本研究提出了一种用于自动提取IVUS序列图像冠状动脉血管壁内、外膜边缘的方法。该方法基于活动轮廓模型以及本研究所定义的边缘对比度特征量，利用Hopfield神经网络并结合模拟退火算法自动提取IVUS序列图像冠状动脉血管壁的内、外膜边缘。实验结果表明，本研究方法易于实现，而且准确性和可靠性较高，对IVUS序列图像处理的可重复性和鲁棒性较好，是一种较好的全局最优化算法。     

基于摄像机的皮肤轮廓实时重建算法

分析了图像引导放射治疗的发展,提出了基于摄像机的图像引导放射治疗实现算法.首先,通过非线性优化算法校正透镜引起的图像变形;然后,发展了基于双摄像机极线几何学和特征点的统计和位置信息的两图像中对应点匹配算法;最后,结合精确重建的特征点和图像信息,实现皮肤三维轮廓实时重建.计算机仿真和试验检验的结果表明该算法的准确性.     

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。     

启发式牙颌CT影像自动分割

准确快速地分割CT切片特征轮廓是医学图像三维重建的重要环节。现有的轮廓分割方法必须通过手动层层交互操作,不仅耗时而且分割精度不高。针对这种局限性,提出一种基于启发式牙颌CT影像自动分割方法。首先用拉普拉斯算子对CT图像序列进行边缘增强,其次用轮廓匹配映射技术实现轮廓启发式传递,最后基于收缩包围算法自动分割牙颌序列。以14例完整牙（每例28～32颗牙数据样本）锥束CT断层扫描图像序列进行实验,在相同条件下分别用所提出的轮廓自动提取方法和其他提取方法,对实验样本进行轮廓提取,得到单颗牙轮廓提取的平均用时和提取轮廓与真实轮廓之间的距离差平均值。实验结果显示,轮廓自动分割算法提取单颗牙轮廓的用时约为其他手工分割法提取单颗牙轮廓用时的23%,同时提取的轮廓质量和用传统方法提取的轮廓质量相当。该方法为CT数据特征区自动化分割提供一种可行且高效的方法,为进一步改进现有的CT影像分割和三维重建算法提供了新的思路。     

基于角点的医学显微图像拼接

目的：本文设计了一种基于角点的医学显微图像拼接方法。方法：先利用Harris算子和MIC算法相结合的方法来检测角点,接着对两组角点进行相关性分析,找出匹配的点,并根据匹配点进行拼接,融合。结果：实现了图像的增强与拼接。结论：实验证明,利用该方法对显微图像进行拼接时获得了理想的拼接效果。     

X光图像自动增强拼接技术的研究和实现

目的:设计了一种X光图像的自动增强拼接技术.方法:首先,针对X光影像灰度差异目测困难,单一直方图均衡化增强后可能导致的灰度级减少,某些细节消失,提出一种改进的基于HE的图像增强方法,利用三角函数加权因子对图像进行平滑增强融合;然后,为了解决由于X光图片视野范围的局限性,采用基于相位相关法对图像进行全景拼接重建,并分析了参考图像与待配准图像间存在重叠区域的面积大小与拼接成败的关系;最后,为了提高图像的拼接质量,采用多分辨率算法进行图像融合.结果:成功实现了图像自动增强与拼接.结论:实验证明,对于X光图像存在的灰度差异微小,细节不明显的情况,经过改进的图像增强之后,效果明显,且方法运算简单,能快速有效地对X光图像进行自动增强及拼接及融合,鲁棒性好.当参考图像与待拼接图像重叠区域减小到参考图像2%以下时,才出现误拼接,相同重叠区域面积内,图像信息携带量越多,可得到更好的匹配效果.     

基于改进尺度不变特征变换的手术室多视点图像拼接算法

目的为了提高手术室环境下拼接后全景图像的主观质量,本文提出一种基于改进尺度不变特征变换(scale invariant feature transform,SIFT)的手术室多视点图像拼接算法。方法基于SIFT特征点匹配算法,依据手术室采集设备为平行摄像机且获取的两视点高关注区域重叠较宽泛的特点,提出采用局部加权融合的拼接算法消除拼接重影,并在局部加权融合算法下,对参与图像空间变换的特征点在垂直方向增加约束,筛选出正确匹配特征点对以消除拼接折痕。结果此算法解决了手术室拼接图像中手术衣的袖子、手术剪和手套的重影及治疗巾位置拼缝不对齐的问题,即消除了术野高关注度下的拼接重影及误匹配带来的拼接折痕,保证了两幅图像拼缝后的平滑过渡。结论基于改进SIFT特征点匹配的算法获得了较好的主观手术画面的拼接质量。     

基于SIFT特征关键点匹配的脑组织提取方法

脑组织提取是脑部磁共振图像处理的重要步骤之一。为稳定准确地提取脑组织,提出一种基于点阵SIFT(Scale Invariant Featun Transform)特征匹配的脑组织提取方法。该方法在采用BET方法对脑组织进行提取的过程中,不断提取轮廓点阵的SIFT特征,并提出基于距离约束投票的特征匹配方法,对目标图像当前脑组织轮廓和模板图像脑组织进行匹配,根据匹配结果重新定义BET脑组织提取参数再继续进行轮廓演化,从而得到稳定的脑组织轮廓。然后以该轮廓为初始值采用Graph cuts方法进行精提取,最终得到精确的脑组织边界。采用IBSR网站20套MRI图像序列与其他3种算法进行对比实验,得到最高的DICE精度(0.962±0.008)、Jaccard精度(0.926±0.014)和特异性(0.994±0.004)、最低的假阳性率(4.95%±2.74%)、较低的假阴性率(2.82%±2.0%)。精度最高表明该方法具有很好的提取精度,相应参数的标准差较小表明本方法有很好的稳定性,说明该算法是一种精确稳定的脑组织自动提取方法。     

基于法线特征匹配的主动脉弓动态图像测量方法

目的研究主动脉弓动态图像测量的方法。方法提出基于法线特征匹配的主动脉弓边界动态跟踪方法,首先通过手动选点和曲线拟合的方法确定第一帧图像的边界,从而克服了阈值分割法的边界不连续的缺点,然后使用法线特征匹配的方法对主动脉弓序列图像进行边缘检测,得到平滑的主动脉弓边界曲线,实现了主动脉弓序列图像的动态跟踪。结果准确测量了主动脉弓的运动变形参数。结论成功得出了主动脉弓的运动变形规律,为主动脉弓的有限元计算打下了良好的基础。     

荧光显微图像序列中活性线粒体的跟踪算法

生物图像数据的定量分析通常都包含像素点的检测,使用荧光显微技术的活性线粒体活动图像信噪比很低,线粒体检测和跟踪困难,尤其当线粒体的运动包含了其本身的自主运动和神经元轴突带来的扰动时,更不容易获得线粒体运动曲线。本文提出了一种活性线粒体的跟踪算法,首先对线粒体图像序列进行帧间配准,使得图像中轴突的外廓对齐,其中选取边缘角点作为线粒体的特征点,再在准确对齐轴突外廓的前提下运用帧间位移矢量跟踪线粒体粒子。本文算法已经成功应用在存在神经元轴突和线粒体同时运动的动态图像序列中,整个算法流程不需要手动提取特征点,节约时间,为医学图像处理与生物技术研究提供了一种新方法和新参考。     

基于视觉感光层功能的菌落图像多强度边缘检测研究

借鉴视觉神经系统在轮廓感知中的独特优势,提出一种基于视觉感光层功能的图像边缘检测新方法。构建以带漏感的积累发放（LIF）神经元电生理模型为基本单元的神经元网络;根据特定时间窗口内各个神经元的脉冲发放情况,对神经元的增强(ON)或抑制(OFF)类别进行判断;通过拮抗式感受野特性以及神经元激励的反馈增强模式,实现弱边缘的凸显;为克服视觉感光层所具有的适应性并凸显弱细节的对比度,对图像进行多方向、多距离尺度的移动,并融合感光层神经元网络脉冲发放率的差异信息,最后实现图像边缘的有效检测。以具有丰富边缘特性的20幅菌落图像为样本,以边缘置信度和重构相似度作为评价指标,对多强度边缘进行检测。结果表明,所提出方法可以有效完整地检测出图像多强度边缘,且其对弱边缘检测的重构相似度均值高于08,检测准确性有显著的提高(P<005)。所提出的利用生理视觉系统特性进行边缘检测,为包含多强度边缘信息的图像处理提供崭新的思路。     

一种基于活动形状模型算法的耳郭穴区定位方法

目的耳穴疗法是中医的重要组成部分,而耳穴定位是治疗的前提。由于耳郭面积较小、耳穴众多导致自动寻穴困难,本文提出一种基于图像处理技术的耳郭穴区定位方法。方法通过对来自于北京科技大学USTB人耳图像库和自行采集图像共30幅构建训练集,在最新耳穴国家标准GB/T13734-2008的基础上,选取包含耳郭边缘点、曲率极大值点、等分点等在内的65个特征点构建点分布模型(point distribution model,PDM),采用基于活动形状模型(active shape model,ASM)的图像处理方法,对待测人耳图像搜索匹配后,通过分别连接构成耳郭穴区的特征点,实现对人耳图像的穴区定位。最后通过计算定位后与人工标定的特征点之间的欧几里得距离,对定位的精度进行评估。结果该方法能初步实现耳郭的穴区定位,欧几里得平均距离为6.246±0.429。结论基于ASM的耳郭穴区定位方法能初步实现人耳图像的穴区定位,有利于耳穴疗法的穴区定位、耳穴自动化仪器的开发和中医耳穴示教等。     

基于突触连接视通路方位敏感的图像分级边缘检测方法

视觉通路上的多级方位敏感特性对于视觉轮廓感知起着关键作用,将为更高层次的视皮层图像理解提供重要的特征信息。从视觉方位敏感机制出发,提出一种图像边缘检测的新方法。利用神经节细胞以及外膝体神经元感受野向心分布的生理结构特性,构建具有突触连接和多方向敏感特性的视皮层下功能层,融合多方向上的神经元脉冲发放信息,将视觉激励映射为边缘敏感图像;构建具有去最优方位感受野特性的初级视皮层的功能层,对前级结构生成的脉冲序列按时间信息进行神经编码,经过感受野内侧向抑制和阈值处理,获得边缘检测结果。对层次模糊而细节丰富的菌落图像进行处理,并以边缘置信度和重构相似度以及两者的加权和作为边缘检测评价指标。结果表明,该方法在完整检测图像边缘的同时,并不引入纹理噪声,有着明显的优势,其对12幅图像的加权和指标均值为0.746 8,显著高于其他对比方法。所提出的方法可以模拟视通路中初级视皮层及视皮层下的方向敏感特性,提供一种基于视觉机制的图像处理和理解新思路。     

Local fuzzy fractal dimension and its application in medical image processing

The local fuzzy fractal dimension (LFFD) is proposed to extract local fractal feature of medical images. The definition of LFFD is an extension of the pixel-covering method by incorporating the fuzzy set. Multi-feature edge detection is implemented with the LFFD and the Sobel operator. The LFFD can also serve as a characteristic of motion in medical image sequences. The experimental results show that the LFFD is an important feature of edge areas in medical images and can provide information for segmentation of echocardiogram image sequences.     

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。     

基于边界方向角的CT图像检索

提出了一种新的基于边界的图像检索方法，利用Canny算子提取边界方向角图像，对方向角图像提取其纹理特征，结合灰度直方图进行检索。试验结果证明了此方法有效。     

Automatic analysis of image of surface structure of cell wall-deficient EVC

Some computer applications for cell characterization in medicine and biology, such as analysis of surface structure of cell wall-deficient EVC (El Tor Vibrio of Cholera), operate with cell samples taken from very small areas of interest. In order to perform texture characterization in such an application, only a few texture operators can be employed: the operators should be insensitive to noise and image distortion and be reliable in order to estimate texture quality from images. Therefore, we introduce wavelet theory and mathematical morphology to analyse the cellular surface micro-area image obtained by SEM (Scanning Electron Microscope). In order to describe the quality of surface structure of cell wall-deficient EVC, we propose a fully automatic computerized method. The image analysis process is carried out in two steps. In the first, we decompose the given image by dyadic wavelet transform and form an image approximation with higher resolution, by doing so, we perform edge detection of given images efficiently. In the second, we introduce many operations of mathematical morphology to obtain morphological quantitative parameters of surface structure of cell wall-deficient EVC. The obtained results prove that the method can eliminate noise, detect the edge and extract the feature parameters validly. In this work, we have built automatic analytic software named "EVC.CELL".