基于改进的互信息结合边缘互方差的医学图像配准方法研究

研究了灰度多模医学图像配准中广泛使用的最大互信息方法,在此基础上,又研究了边缘图像的互方差配准原理,并将其引入到原始图像的互信息中,综合互信息和边缘互方差对图像配准的目标函数作了改进,定义了一个新的测度函数.通过使用Powell算法和模拟退火混合优化算法对目标函数进行寻优,得到了配准变换参数,最终对图像实现了配准.这种方法既利用了原始图像的灰度互信息,又利用了边缘图像在二维水平面上像素间的关系,起到了补偿互信息缺陷的作用,提高了配准的精度.通过Matlab仿真实验证明这是一种有效的医学图像配准方法.     

基于加权互信息的医学图像配准方法

互信息作为多模医学图像配准的测度函数被广泛应用,但是当配准图像不理想时,互信息配准方法可能会失效.为了提高配准的精度及稳定性,提出了一种改进加权互信息的医学图像配准方法.首先,由图像直方图辅助的方法选取一定的感兴趣区域;其次,分别计算感兴趣区域的互信息和整体图像的互信息;最后,由两个不同的互信息加权组合构造出两个新的测度函数并作为图像配准的依据.对3个测度函数的特性、配准误差和配准时间进行实验比对,结果表明改进的方法具有较高的精度和较好的鲁棒性.     

基于互信息和混合算法的印刷图像配准

目的为了提高印刷图像配准的精度,提出一种基于混合搜索算法的图像配准方法。方法首先求取图像的归一化互信息,然后利用GA算法(遗传算法)进行全局搜索,得出粗配准参数;最后,利用Powell算法进行局部寻优,得出精配准参数。结果混合算法的配准结果与只用单一Powell搜索算法或只用单一GA搜索算法相比,在各个几何变换方向上得到了更小的配准误差。结论与GA算法和Powell算法相比,文中建议的混合算法配准精确度更高、速度更快。     

图像配准测度对重叠面积变化的鲁棒性分析

配准测度的鲁棒性是图像配准过程中经常要考虑的问题之一。本文利用数理统计的方法研究了在图像配准过程中主要的几种配准测度对重叠面积变化的鲁棒性。并进行了定量的分析。结果表明：这几种配准测度和重叠面积的线性相关关系特别显著。其中归一化互信息测度[H（A）＋H（B）]/H（A,B）的变化系数最小,绝对差（AD）测度的变化系数最大。用此归一化互信息测度进行图像配准时可以在保证配准精度的情况下有效地减少配准时间从而提高配准速度。本文的配准实验证实了这一结论。     

一种新的基于结构信息的多模医学图像配准算法

为了提高配准的精确度和鲁棒性,本文提出了一种新的基于结构信息的多模医学图像配准.该方法首先分别求出参考图像和浮动图像的相位一致图像和梯度幅值图像;其次将相位一致图像和梯度幅值图像相结合,得到了多模图像的结构信息;最后利用遗传算法和区域互信息对经过上述处理的图像进行配准.通过在MRI和CT图像上的对比实验表明:相对于经典的基于最大互信息的配准方法,本文配准方法能在更少的迭代次数内得到误差更小的配准参数,且对于噪音环境具有更强的适应能力.因此对于多模医学图像配准,本文方法是一种较传统最大互信息法更为有效的配准方法.     

基于人工蜂群算法的SPECT-B超甲状腺图像配准

为了提高甲状腺肿瘤检出的准确率,提出一种基于人工蜂群算法的SPECT和B超甲状腺图像配准。首先,针对来自两个不同成像设备的SPECT和B超甲状腺图像灰度差异大的特点,使用NSCT和GCBAC相结合的方法提取B超图像感兴趣的轮廓特征,用KFCM的方法提取SPECT图像的轮廓特征;然后以互信息作为相似性测度,建立仿射变换模型,并以改进的人工蜂群算法作为优化策略来优化配准所需的空间变换参数。实验结果表明,该方法可以有效提高配准速度,具有较好的配准效果。     

基于机器视觉的丝网印刷样板尺寸测量方法

丝网印刷样板种类和样式多,每片样板上待测目标也较多,不宜采用一致的梯度阈值参数定位边缘实施测量;此外,传统视觉检测采用定位矩形框建立测量坐标系的方式会引入测量误差,因此,提出一种基于机器视觉的丝网印刷样板的尺寸测量方法。采用一种由粗到细的测量策略,借助每一类待测目标的模板进行信息统计,针对性地设置阈值参数,改善测量精度。在测量阶段,利用基于图像金字塔和归一化互相关函数相结合的分层匹配算法实现多个待测目标的粗糙定位,再使用由模板信息统计获取的阈值参数进行边缘精细定位,建立局部坐标系,完成测量。实验结果表明:在同等实验条件下,此方法能够有效提高测量精度,算法改进后测量结果的平均相对误差由原来的4.02%降到1.47%,并且无需用户介入调整测量参数,适用于不同种类丝网印刷样板的灵活测量。     

多特征红外光与可见光图像的分区域配准

针对发生较大角度旋转及平移时图像配准精度不高,图像配准对局部形变和光照较为敏感的问题,本文提出了基于直线和SURF特征的图像分区域配准算法。首先利用Hough变换实现图像的粗配准;然后对图像进行分区,在子区域内利用SURF算子求取变换模型参数,完成图像的配准。实验表明该方法可用于红外与可见光图像的配准,与传统方法相比,本方法能够在图像存在大角度旋转和平移时实现高精度配准,且在图像存在局部形变及光照不均时精度较好。     

霍夫变换耦合蚁群优化图像边缘提取算法

目的为解决图像边缘提取方法中由于噪声浸染导致边缘定位精确度降低、边缘信息丢失和虚假边缘等不足,提出基于霍夫变换(HT)耦合蚁群优化(ACO)图像边缘的提取方法。方法对输入图像进行霍夫变换,消除噪声和线段间隔对图像边缘的影响;计算图像像素梯度和像素圆形邻域统计均值的差值,构建二者之间的权重函数,并作为蚁群的信息素和启发信息;利用蚁群优化算法,引导蚁群搜索图像边缘,完成图像边缘提取。结果实验表明,与当前边缘提取技术相比,文中算法具有更高的提取精度与效率,可获取完整、细节丰富的边缘,有效地降低了噪声影响。结论所提算法具有较强的抗噪性能,能进一步改善边缘提取精度,能够较好地用于包装条码识别与图像处理领域。     

印刷电路板表观检测中光电图像的快速配准方法

印刷电路板(PCB)表观缺陷检测是机器视觉检测领域的一个重要问题,为了有效地利用参考法对印刷电路板光电图像进行检测,需要提高图像配准精度.本文提出了一种基于随机Hough变换(RHT)和空间数据坐标变换理论相结合的配准方法,该方法在寻找配准目标和完成配准效率方面均有很大提高.利用PCB光电图像进行实验,结果表明:在提高检测精度,降低内存空间,减少计算时间等方面,该配准算法的优势明显.     

面向不均衡训练集的印刷图像套准状态检测方法

目的针对不均衡的印刷图像套准状态检测中存在的印刷套不准图像识别准确率低的问题,研究不均衡印刷图像训练集的预处理方法。方法提出不均衡印刷图像训练集数据的集成采样预处理方法。支持向量机先将不均衡的训练集数据分为支持向量和非支持向量,然后过采集少类样本(即印刷套不准图像)中的支持向量,欠采集多类样本(即印刷套准图像)中的非支持向量,实现训练集数据的均衡化。最后采用预处理后的均衡训练集对支持向量机模型进行训练,并优化模型参数。结果采用文中提出的集成采样方法对不均衡训练集预处理后获得支持向量机模型,通过对印刷图像套准状态进行识别,获得的少类样本识别率a+为0.9375,识别准确率几何平均数Gmean为0.9437,F测度为0.9574。结论文中提出方法获得的印刷套不准图像识别准确率a+,Gmean和F测度均优于实验中的其他方法。     

基于卷积神经网络的印刷套准识别方法

目的 针对目前印刷套准识别方法依赖于经验人工设计特征提取的问题,提出一种不需要人工提取图像特征的卷积神经网络模型,实现印刷套准状态的识别.方法 采用图像增强技术实现不均衡训练集的均衡化,增加训练集图像的数量,提高模型的识别准确率.设计基于AlexNet网络结构的印刷套准识别模型的结构参数,分析批处理样本数量和基础学习率对模型性能的影响规律.结果 文中方法获得的总印刷套准识别准确率为0.9860,召回率为1.0000,分类准确率几何平均数为0.9869.结论 文中方法能自动提取图像特征,不依赖于人工设计的特征提取方法.在构造的数据集上,文中方法的分类性能优于实验中的支持向量机方法.     

遗传算法在易拉罐罐盖喷码系统中的应用

目的为实现饮料易拉罐拉环背部激光打码的自动化,提出一种基于遗传算法的易拉罐罐盖图像识别新方法。方法首先搭建一套易拉罐盖激光自动打码机,基于所搭建的实验系统,利用CCD相机实时采集罐盖图像。对所采集到的图像进行中值滤波和灰度增强处理,在此基础上,研究基于遗传算法的罐盖图像阈值分割新方法,分析、确定算法的关键参数(个体数目、交叉率、变异率等),由此得到罐盖的二值化图像,并对算法处理结果进行误差分析。结果遗传算法经过约15代的迭代计算,能够收敛,获取到最优的图像阈值,整个算法的运行时间约30 ms,最终的图像精度约为7.9 pixel。结论基于遗传算法的图像阈值分割实时性好,分割后的图像精度高,与传统的Ostu阈值分割法相比,得到的信息更加丰厚,能抑制光线不均所造成的图像干扰。同时对遗传算法阈值分割后的图像进行了sobel边缘检测,得到了清晰的罐盖边缘,为激光打码的准确定位奠定了基础。     

Simple image intensity compensation (SIMIC) method prior to application of distortion correction algorithms in brain diffusion Tensor Magnetic Resonance Imaging: Validation test for two cost functions of distortion correction algorithms

The purpose of this study is to design a simple image intensity compensation (SIMIC) method prior to the application of a variety of cost functions for distortion correction in diffusion tensor imaging (DTI). The synthetic dataset consists of each direction of diffusion weighted imaging (DWI) made by multiplication of nondiffusion weighted image (b = 0 image) and tensor matrices. We added the effects of patient motion and eddy current distortion using translation, rotation, scaling and shearing matrices. We calculated the b = 0 image of each direction from original DTI, inversely. A co‐registration method was applied to the extracted b = 0 images of each direction based on the original b = 0 image and then, the transformation matrices were generated and the original DTI were transformed using this transformation matrix. For the DTI distortion correction, two kinds of cost functions, normalized mutual information (NMI) and normalized cross‐correlation (NCC), were used. Visual assessments and quantitative measurements were used to evaluate the results. When using the NMI as a cost function, the quantitative results showed no significant differences between NMI and NMI with SIMIC method. However, there are significant differences compared with using the NCC as a cost function. Our study showed cost function for image distortion correction with SIMIC method improved the results both quantitatively and in terms of qualitative accuracy. This method may be helpful for DTI analysis and helpful for increasing accuracy. © 2015 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 25, 328–33, 2015     

Robust MR image super-resolution reconstruction with cross-modal edge-preserving regularization

In this article, we propose a novel image super-resolution (SR) reconstruction method in the field of magnetic resonance imaging, which is based on a cross-modal edge-preserving regularization integrating the internal gradient prior from the target-modal image itself and the external gradient prior from the reference-modal image obtained by pre-scan in many medical imaging scenes. The reference-modal image is a high-resolution guidance image that has much shareable information such as gradient orientation on edge regions, which can be used to improve the image resolution of the target modal. In addition, to be robust against the misalignment between the target-modal image and reference-modal image, a multimodal registration is incorporated in the SR reconstruction process. In this work, the proposed SR method can be formulated as an alternating optimization problem, that is, the target-modal and reference-modal images are alternately updated through iterations. Experimental results on simulated and realistic images show the superior performance of the proposed approach over several state-of-the-art SR techniques.     

基于空间频率响应的印刷品清晰度检测

利用CCD 图像捕获设备,把印刷测试图转换为数字图像,采用基于倾斜边缘梯度分析的空间频率响应检测算法,测量获得了印刷复制系统的空间频率响应特性,并把经过人眼视觉系统滤波后得到的空间频率响应曲线内的面积作归一化处理后,所获得的测量值作为清晰度质量描述因子。实验结果表明,清晰度质量描述因子能较好地反映印刷品的清晰度复制质量,提供了一种新的客观、定量检测印刷品清晰度的方法,为实现印刷品质量的自动化检测与评价提供了有力的技术支持。