基于形状与纹理特征的显微图像识别

为了实现对空气中的致敏花粉信息进行自动化统计,针对上海地区典型气传致敏花粉的光学显微镜图像,提出了基于形状和纹理特征的识别方法。对图像中分割得到的花粉区域,使用全局形状描述和傅里叶描述子提取形状信息,灰度共生矩阵提取纹理特征,并且构建k近邻分类器进行识别。选用桑科56例、禾本科25例和松科60例共141例实验样本,分别可以实现91%、88%和98%分类准确率。实验结果表明,该方法可以初步实现对花粉显微图像的分割和识别,为花粉的自动识别系统打下基础。     

基于局部二元模式的电子胃镜图像识别

由于受到胃部蠕动、气泡、食物、光照以及图像采集过程中摄像头移动等因素影响,电子胃镜图像存在亮度变化较大等问题,常用的计算机辅助分析方法难以取得理想的效果。针对该问题,在分析电子胃镜图像特点的基础上,提出一种电子胃镜图像病灶良恶性识别方法。在不同颜色通道中使用结合局部二元模式算法,提取其纹理特征向量,分别输入支持向量机进行训练和识别,对不同颜色空间的识别结果采用投票原则确定最终结果。实验结果表明,该方法的识别率达到92.2%。     

乳腺DCE-MRI增强场时间序列和组织形变场的联合估计

乳腺DCE-MRI扫描过程中,病人运动等会使图像序列产生运动伪影,需要对DCE-MRI时间序列图像进行运动补偿,消除运动伪影的影响.为充分利用数据信息和增强在空间和时间上的先验信息,本文提出了联合估计增强场时间序列和组织形变场的贝叶斯框架.采用离散马尔科夫随机场模型分别对增强场时间序列和组织形变场进行建模和添加平滑约束,并通过分步迭代方式进行估计.利用估计的增强场对DCE-MRI时间序列图像进行“去增强”处理后,可将增强时间序列图像视为同一模态图像进行配准.实验结果表明,本文方法可准确估计增强场时间序列,并可达到较高的配准精度.     

基于图像块分类器和条件随机场的显微图像分割

针对花粉显微图像处理提出了一种自动分割方法,将有助于花粉识别系统的开发。使用归一化颜色分量训练图像块分类器,并且结合条件随机场和图割进行建模和优化,利用最大化后验概率(MAP)的方法实现花粉显微图像中花粉区域的分割。对于实验中的133幅图像,自动分割同人工分割的结果相比较,统计得到距离误差均值为7.3像素,准确率的平均值为87%。实验结果表明,使用图像块分类器和条件随机场模型可以用于花粉图像的分割。     

肌骨超声图像特征检测及拼接

目的 肌骨超声宽景图像易出现解剖结构错位、断裂等现象,其成像算法中的特征检测影响宽景图像的质量,也是超声图像配准、分析等算法的关键步骤,但目前仍未有相关研究明确指出适合提取肌骨超声图像特征点的算法。本文利用结合SIFT （scale invariant feature transform）描述子的FAST（features from accelerated segment test）算法以及SIFT、SURF（speeded-up robust features）、ORB（oriented FAST and rotated binary robust independent elementary features（BRIEF））算法对肌骨超声图像序列进行图像拼接,并对各算法的性能进行比较评估,为肌骨超声图像配准、宽景成像提供可参考的特征检测解决方案。方法 采集5组正常股四头肌的超声图像序列,每组再采样10幅图像。利用经典的图像拼接算法进行肌骨图像的特征检测以及图像拼接。分别利用上述4种算法提取肌骨超声图像的特征点;对特征点进行特征匹配,估算出图像间的形变矩阵;对所有待拼接的图像进行坐标变换以及融合处理,得到拼接全景图,并在特征检测性能、特征匹配性能、图像配准性能以及拼接效果等方面对4种算法进行评估比较。结果 实验结果表明,与SIFT、SURF、ORB算法相比,FAST-SIFT算法所提取的特征点分布更均匀,可以检测到大部分肌纤维的端点,且特征点检测时间最短,约4 ms,其平均匹配对数最多,是其他特征检测算法的25倍,其互信息和归一化互相关系数均值分别为1.016和0.748,均高于其他3种特征检测算法,表明其图像配准精度更高。且FAST-SIFT算法的图像拼接效果更好,没有明显的解剖结构错位、断裂、拼接不连贯等现象。结论 与SIFT、SURF、ORB算法相比,FAST-SIFT算法是更适合提取肌骨超声图像特征点的特征检测算法,在图像配准精度等方面都具有一定的优势。