医学图像质量评价中的梯度加权SSIM

Zhou Wang等人提出了著名的图像客观质量评价方法：结构相似度（SSIM）,其理论基础是人眼视觉系统能高度自适应地提取场景中的结构信息,大量实验证明SSIM的评价性能多优于PSNR（或MSE）。然而,由于视觉掩盖效应的影响,且SSIM规避了HVS底层视觉特性,直接导致SSIM的评价常与主观评价不符。在深入研究SSIM算法的基础上,根据人眼视觉的掩盖效应之特性,提出图像中不同区域的失真程度引导的权值设计方案：基于梯度加权的SSIM图像质量评价方法（GWSSIM）。实验结果表明,GWSSIM的图像质量评价准确性高于PSNR和SSIM,尤其适用于医学图像。     

Hermite算子在图像配准中的应用

基于Euler-Lagrange方程的医学图像弹性配准算法在临床中有着广泛的应用,它是医学图像处理的研究热点问题。传统算法采用差分近似计算图像的梯度误差较大,本文利用Hermite微分算子计算图像的梯度信息;并在迭代过程中对外力进行平滑约束。通过对模拟和真实数据的实验表明改进方法不仅具有较高的计算精度,而且具有很强的鲁棒性,适合于医学图像的弹性配准。     

利用空间信息实现保留上下文体绘制

直接体绘制中,为了去除非感兴趣组织对感兴趣区的遮挡,增强感兴趣区域的显示效果,提出利用空间信息的保留上下文体绘制方法。通过人机交互设定焦点,快速定位感兴趣区;提取光线上每个采样点与焦点的空间位置以及夹角信息;根据这些信息构建高斯衰减函数,作用于当前采样点的不透明度,控制光线合成,以突出显示感兴趣区。对CT头部数据的实验结果表明,该方法可以去除非感兴趣组织对感兴趣组织的遮挡,突出显示感兴趣区,且具有良好的人机交互性。     

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KL距离加权和局部邻域信息的CV模型

本文提出了基于Kullback-Leibler(KL)距离加权和局部邻域信息的Chen-Vese(CV)模型.引入KL距离作为内外部局部区域能量的权值系数;计算曲线附近点的局部邻域能量之和作为模型的内部能量,从而提高对边缘的检测性能,并降低区域内灰度不均匀等因素对曲线进化的影响.验证实验采用大量实际临床数据,结果表明该...     

基于投影数据非单调性全变分恢复的低剂量CT重建

为获取低剂量CT图像的优质重建,本文提出一种基于投影数据非单调性全变分恢复的低剂量CT重建方法.新方法首先通过非线性Anscombe变换将满足Poisson分布的投影数据转化为近似Gaussian分布,其后对变换后的Gaussian型数据进行非单调性全变分最小化算法（Nonmonotone Total Variatio...     

基于投影梯度的NMF相关反馈医学图像检索算法

相关反馈技术是近年来在图像检索中较为重要的研究方法,由于有人的参与,它能在一定程度上弥补图像的底层特征难以表达图像语义内容的不足.由于NMF在一定程度上勾勒出了相关图像在基矩阵所代表的空间中的分布,因而对整个图像库进行检索时可以查找到更多的相关图像.提出了一种基于投影梯度的非负矩阵分解(NMF)相关反馈方法,与常用的基...     

基于小波分解的快速分形图象压缩算法

为了解决传统分形压缩编码时间过长的问题 ,提出了一种基于小波分解的快速分形图象压缩算法 .该算法利用小波分解后各频带间能量分布不均衡的特性 ,将集中图象主要能量的低频域看作是一种图象 ,进行传统分形编码 ;然后利用小波分解后不同分辨率子带图象之间的相似性 ,用低频域的全搜索代替传统算法中整个区域的全搜索 ,将在低频域得到的分形参数进行适当的比例变换得到整幅图象的分形码 ,解码时 ,进行同传统算法相同的迭代过程 ,所得解码图象即为原图的逼近图象 .实验结果表明 ,该算法在压缩比不变 ,且基本不影响恢复图象质量的前提下 ,大大提高了编码速度 ,明显改善了分形图象压缩中编解码时间的不对称 .     

基于熵和局部邻域信息的高斯约束CV模型

基于曲线演化的Chan-Vese(CV)模型常常不能准确分割非均匀性且结构复杂的医学图像.针对此缺点,文中提出了一种基于熵和局部邻域信息的高斯约束CV模型,作者利用熵构造内部和外部区域能量的权值系数,加强了对曲线演化的控制;同时将曲线上各点的局部邻域信息引入到曲线演化过程中,提高了分割的准确性,并降低了区域内灰度不均匀等因素对曲线演化的影响;高斯约束保证了曲线演化过程中的稳定性、光滑性,同时不需要曲线周长约束项和重复初始化.利用Circular Hough变换对左心室壁内、外膜进行初始定位,避免了人工设置初始轮廓,减少了曲线向目标轮廓演化时间和初始轮廓位置敏感性对分割结果的影响.作者对心脏MR图像的左心室内、外膜进行了分割.结果表明文中方法能够快速准确地分割左心室壁内、外膜,抗干扰能力强,鲁棒性好.