模拟X线头影片的多重分形分析

介绍了一种用于X线头影片进行边缘检测的多重分形方法,并对模拟X线头影侧位片进行了多重分形性质的分析。通过图像的多重分形谱与权重因子相关性的分析,进一步判定线性区间及适当的权重因子。得到了X线头影片图像的多重分形的线性区间,验证了X线头影片图像的多重分形的几何性质,在分析图像各像素点多重分形谱的基础上获取图像的边缘信息。用该算法进行图像边缘提取,保持和加强图像的局部特性,突出图像的细微处,并且该算法克服了多重分形谱对噪声敏感的缺点,能有效抑制图像中的噪声。分析结果表明,利用多重分形对X线头影片图像进行硬组织内部轮廓的边缘提取是可行的。     

颅颌面三维成像测量系统的研究

通过计算机图像处理对分期摄得的X光正、侧位片来重建颅颌骨三维图像.分期摄取颅颌骨的正、侧位片,通过数学方法获取特征点的精确坐标,依此重建颅颌骨的三维图像,并可从任意角度全方位观察和定量测量和定性分析,优化医患界面.     

X线片的颅颌骨特征点的三维确定

在头颅正位、侧位定位片的基础上增加2张斜位定位片,从不同角度0°,45°,90°和135°拍摄4张X线头颅定位片,并从中重构出颅颌骨的特征点,并同时对误差进行校正.     

颅颌硬组织三维信息的获取方法

本文详细论述了利用两张颅颌正、侧位X光片,重构颅颌硬组织三维坐标的基本方法,并给出一个颅颌硬组织显示实例.本方法简明、易行、便于推广,对人体各个部位的硬组织研究均可采用此方法.     

人体数字图像中各组织影像的边缘提取算法研究

针对人体数字医学图像中各组织影像界限不明显、图像总体模糊、单个组织影像不均匀等特点,提出一种能够有效提取影像边缘以区分和观察各组织影像的方法。利用计算机图像处理技术,对组织影像进行灰度处理,进而根据不同组织影像的特征,选定相应的阈值,用算法程序对组织影像边缘进行有效提取,得到一系列效果图,通过观察分析得出实验结果。结果表明,该方法能够有效地提取出人体不同组织影像的边缘,有助于医生的临床诊断与分析。     

人工神经网络在三维X线头影测量系统中的应用

给出一种三维X线头影测量中图形图像重建的方法;南正侧位两张X线头影片上72个标志点。可以重建出颅颌骨三维透视图;利用人工神经网络LMBP算法。以病人颅颌骨72个标志点的三维坐标集合在某一平面的二维投影为理想输出,以人体颅颌骨标本72个同名标志点在相同平面的二维坐标集合为训练样本,在训练结束后即可建立两者之问的近似线性关系;由于网络具有泛化能力,因此可用该网络对颅颌骨标本上每一像素进行变换。结果表明变换后72个标志点坐标和病人很好吻合,变换图像为病人近似的颅颌骨图像;即满足口腔正畸诊断要求又获得较好图像视觉效果。     

微计算机X线头影测量系统

X线头影测量,主要是测量X线头颅定位照像所得的影像,对牙颌、颅面上各标志点描绘出一定的相关线段和角度进行测量分析,从而了解牙颌、颅面硬软组织的结构,使对牙颌、颅面的检查,诊断,由表面形态而深入到内部的骨骼结构中云。几十年来,X线头影测量一直成为口腔科各专业,特别是口腔正畸、外科正畸、口腔修复等专科的临床诊断、治疗设计及研究工作的一个重要手段。传统的手工测量方法不但效率低,而且精度不高,使大样本的科研工作十分困难,也使临床诊断及治疗设计的普及受到限制。电子计算机X线头影测量系统使测量计算机化,从     

X线平片的骨折识别

给出了一种识别人体X线平片中骨折现象的方法。根据X线平片的特点,提出了一种结合高阶统计矩校验分割结果的局部阈值化方法分割骨骼影像。对分割后的图像采用数学形态学分别提取目标的边界与掩盖骨折区域的骨架。通过叠加目标边界图与掩盖图中提取的骨架图,得出骨折区域的精确位置,从而识别出X线平片中的骨折现象。     

ASM的手骨提取方法研究

骨龄自动评估面临的困难是骨骼准确定位与骨骼兴趣区域提取。由于手骨X光图像存在光照不均及骨骼发育程度不规则等因素影响,传统的图像分割方法在骨骼上的分割效果不太理想;为了实现对手骨边缘的精确提取,结合AdaBoost级联分类器,提出基于ASM（主动形状模型）算法的手骨边缘提取方法,丰富了骨龄自动评价系统的应用研究。实验表明,基于ASM算法的手骨分割能有效对手骨X射线图像进行准确的定位,为骨龄自动化评价系统的下一步工作奠定基础。     

边缘追踪模型与SURF检测结合提取天绘影像机场目标

目的 遥感影像提取识别机场目标是遥感领域研究的热点。但是大多研究仅使用被裁剪的影像进行提取识别,由于处理速度等原因很少使用整景高空间分辨率遥感影像提取机场目标。大多数研究是先提取出图像中的直线,根据直线确定机场跑道再确定机场目标,但高分辨率图像提取的直线不仅是机场跑道的,还有可能是高速公路、铁路、大型厂房的外墙、耕地边缘、山脉、地层等,如何区分提取的直线是机场跑道很少被研究。很多研究提取的都是大型机场目标,没有对小型机场进行提取识别,另外如果图像中同时有两个机场应该如何提取也没有被研究。天绘具有数据实时回收,数据全球覆盖等特点,本文将使用高空间分辨率天绘影像（6 000×6 000 像素）提取机场目标。天绘影像地物类型复杂,细节丰富,仅使用一般的空间滤波或边缘探测方法会导致检测结果中有过多的噪声和伪边缘,致使机场目标识别不出来,所以建立了一种以边缘提取追踪模型和SURF（speeded up robust features）检测结合的检测方法和提取流程,达到机场目标识别的目的。方法 边缘提取追踪模型是建立在边缘提取基础上。首先对天绘影像进行滤波处理消除噪声,再对图像进行梯度幅值和法线梯度方向的计算,并利用改进的非极大值抑制方法找到梯度图像中局部变化的最大值,删掉其他值,获得单像素边缘图像,然后对边缘图像进行边缘轮廓线追踪提取出边缘轮廓线,最后使用直线检测和SURF检测方法识别出机场目标。结果 使用本文方法成功地识别了4景天绘卫星图像中的机场目标。借助改进的非极大值抑制和边缘轮廓线追踪提取方法有效地提取了影像中所有地物的边缘,识别出的地物边缘都是清晰的、单像素的边缘,对地物边缘轮廓进行直线提取,并在提取直线的基础上使用SURF检测获得图像中的机场目标。利用天绘卫星图像成功在2景图像中分别提取出一大、一小两个机场,在另外两景图像中分别各提取出一个机场,顺利地实现了用天绘卫星图像提取识别机场目标的过程。结论 本文提出的机场目标提取方法十分有效,该方法不仅适合于天绘卫星遥感数据,还适用于和天绘卫星类似的其他遥感卫星数据。其中对非极大值抑制方法的改进能够提取出更准确的边缘,也能提取出更细微的边缘, 抑制虚假边缘的产生,对提取小型机场有帮助。     

序列滤波器在缺陷边缘检测中的应用

为了提取带钢表面缺陷特征,首先需要正确检测缺陷边缘。针对现有方法对于光照不均和复杂背景条件下噪声抑制以及保持图像细节方面的不足,提出一种新的基于序列滤波器的边缘检测方法。先将缺陷图片进行中值滤波,然后在新的滤波器窗口相对于中心元素计算总变差,结果图像作为预处理图像送入Canny边缘探测器进行边缘检测,最后采用形态学方法进行光滑处理,得到完整的缺陷边缘。实验表明该方法具有较强的抑制噪声能力,有效去除现场工况条件下粉尘、光照不均等因素对检测结果的影响,很好地提取了复杂背景条件下的目标边缘。     

基于Curvelet的边缘纹理特征提取及表情识别

针对小波变换在提取图像边缘特征上的局限性,提出一种使用Curvelet变换进行边缘纹理特征提取的表情识别方法。Curvelet变换在表达图像的边缘曲线上的奇异性时比小波变换更能得到稀疏的图像表示。在表情识别中,对表情图像使用Curvelet变换得到Curvelet系数作为边缘纹理特征能更好地反映表情的变化,使用K最邻近结点算法进行了识别。结果表明在表情识别中该方法比小波变换更有效。     

基于分数阶微分和Sobel算子的边缘检测新模型

现有的边缘检测算法对噪声敏感,检测到的图像边缘效果不够理想,得到的图像边缘有可能模糊不清。为了克服这些不足,以分数阶微分理论为基础,结合Sobel算子边缘检测方法,提出了一种基于分数阶微分和Sobel算子的边缘检测新模型。理论研究和实验结果表明,与现有方法相比较,该模型不仅能较好地提取图像边缘特征,而且对噪声具有一定的抑制作用;特别地,对于纹理细节较丰富的图像而言,该模型能够检测出更多的纹理细节信息,优于常用的整数阶微分方法,是一种有效的边缘检测方法。     

噪声图象中提取边界的随机启发式搜索方法

在噪声图象中如何有效地提取边界是图象分析领域中的难点。启发式搜索的方法常常用于提取边界,但是,这种方法由于采用固定的起始点、固定的引导度量以及对图象仅进行一次性搜索,对噪声往往很敏感,为此提出了一种随机启发式搜索算法,该方法随机地选取起始点,并依照引导度量的概率反复地进行随机搜索获得各种可能的边界轨迹,然后进行各搜索轨迹的积累自增强,最后根据自增强积累统计结果获得边界。大量的实验结果证明,在噪声图象中,随机启发式搜索方法可以在提取出有意义边界的同时有效地抑制噪声。     

结合边缘检测的语义分割算法

针对语义分割中目标边缘模糊与分割不准确的问题,提出一种结合边缘检测的语义分割网络。整个网络由边缘检测网络和语义分割网络并行组成。利用边缘检测网络与语义分割网络分别提取图像的边缘特征和初步的语义分割特征,通过特征融合模块将边缘特征和语义分割特征进行融合,得到最终的语义分割结果。在CamVid数据集和Cityscapes数据集上的实验结果表明,与SegNet算法相比,该算法平均交并比分别提升了1.5和1.8个百分点,验证了所提算法的有效性。     

非均匀彩色图像自动分割在砂砾岩中的应用

砾石图像的复杂多样使得每颗完整的砾石往往具有非均匀多彩色的性质,用一般的分割方法很难准确检测出砾石边缘。该文提出用高精度的边缘流和水平集分割方法提取图像中所有强弱边缘,用一种基于彩色梯度和邻域均值方差相结合的方法去除大砾石内的虚假边缘,使每个颗粒边缘尽量完整。实验证明该算法效果良好,便于后续处理。     

USM增强的边缘羽化拼接图像检测方法

图像拼接过程中,经过羽化模糊处理的图像边缘特征是不同于自然图像边缘特征的。因此,可利用图像边缘羽化特征来进行图像拼接区域的检测。然而,当图像中某些边缘与羽化边缘特征相似时,直接提取边缘羽化特征的方法会导致误判。如果能够扩大拼接区域的边缘与自然图像边缘之间的差异,则可以更准确地检测出图像中的篡改区域。因此,提出了一种基于USM增强的边缘羽化拼接图像检测方法。首先,对待检测的拼接图像进行UMS增强,扩大拼接图像中羽化边缘与自然边缘特征的差异性。然后,计算增强后图像边缘像素的羽化半径。最后,寻找半径相似的边缘像素,定位图像中的拼接篡改区域。实验结果表明,在拼接图像中存在与羽化边缘相似的边缘时,该方法能更准确地检测出拼接区域。     

复杂背景下快速车牌定位方法研究

在YUV颜色空间内，根据车牌图像的纹理特征，充分利用车牌图像的三个分量彩色信息，提出了一种基于彩色边缘的车牌定位方法。该方法利用车牌区域竖直边缘异常丰富的特点，采用一种针对性很强的边缘提取算子，对Y，U和V三个颜色分量分别进行竖直边缘提取；三个分量图像竖直边缘提取之后，依据一定的准则，融合三个竖直边缘图像，得到原彩色图像的边缘。试验结果表明，与一般的单纯灰度图像边缘提取相比，该方法能更准确地定位车牌；并且经边缘提取之后，非车牌区域的边缘所剩很少，使车牌区域搜索部分变得异常简单，从而极大地减少了系统的运算负担和时间开销，满足系统实时性的要求。     

小波变换在X射线图像边缘检测中的应用

分析了X射线探伤图像的特点,将小波变换技术应用到X射线图像的边缘检测中,提出了基于小波变换的模极大值边缘检测算法,利用二次B样条小波,采用Mallat快速算法进行小波分解,采用分块阈值选取方法确定模极大值点,给出缺陷边缘。实验结果表明,该方法去噪效果好,检测出的缺陷边缘具有较强的连续性。