一种基于三阶中心矩的图像边缘检测方法

利用像素邻域的三阶中心矩,可以提取图像边界。根据边缘图像灰度的众数,边缘强度图像的二值化变得非常简单,不需要手工交互。利用中国数字化虚拟人数据进行实验,结果表明,应用这种基于三阶中心矩的新方法来检测边缘的效果良好。     

基于图割与均值漂移算法的脊椎骨自动分割

为提高图割算法的效率并减少用户交互量,提出将图割与均值漂移算法结合应用的脊椎骨自动分割方法。该方法利用均值漂移算法产生的区域邻接图代替像素点图,从而大幅减少参与图割算法的顶点和边的数目,并有效利用了均值漂移良好的边界结构保持特性。实验结果表明,该方法有效地结合了两者的优点,提高了算法的精度和速度,并减少了用户交互量。     

数字人切片数据的硬件加速体绘制

实现了一个PC平台下的体绘制硬件加速算法,并对中国数字人、美国可视化人数据集进行可视化．预处理去除图像背景时,将图像从RGB颜色空间转换到YCbCr颜色空间,然后对Cb分量进行Otsu阈值化处理,用生成的二值图像作为掩码图像去除背景．为支持任意大小的体数据,采取了分块策略,并使用BSP树组织数据块,以生成正确的绘制顺序．此外还设计了一种基于图像的CIELUV颜色空间L分量的梯度向量场的传输函数,并取得了良好的绘制效果．     

基于图割与概率图谱的肝脏自动分割研究

提出一种利用均值漂移算法做预处理,将概率图谱与图割算法相结合的肝脏自动分割方法。该方法一方面有效利用概率图谱所代表的形状信息,并且以无参形状建模;另一方面,均值漂移算法对灰度和形状信息组成的综合信息进行过分割处理,利用过分割的区域代替单个像素参与图割算法,降低了优化算法的复杂度。实验结果表明,该方法有效结合了概率图谱和均值漂移算法的优点,提高了图割算法的精度和速度。     

CT图像引导脊柱外科配准方法研究

提出一种用于CT图像引导脊柱外科系统中,把患者物理坐标系和术前CT图像坐标系进行精确配准的方法.根据临床实际情况,在不依赖激光定位系统的条件下,先从图像和脊椎骨上选择三对对应点配准,得到一个初始稳定解;再通过阈值分割得到脊椎骨的表面点云,在初始解基础上,从脊椎骨表面选取更多点进行迭代最近点优化.应用共线性避免选点带来的初始配准误差,保证配准的可靠性,通过线性距离图提高配准速度.实验结果表明,该方法可在低成本条件下,实现精确便捷配准.     

一种改进的医学体数据水平集分割方法

在医学影像临床实践中,三维体数据的应用越来越广泛.应用医学图像中的三维体数据集,在快速遍历法和水平集的基础上,通过把原始体数据分成小单元体数据,分段加载进入内存进行计算,实现了减少内存的消耗和前沿演化的迭代次数,大大加快了计算速度.     

积厚文档扫描图像校正

扫描已装订的积厚文档时,由于页面不能紧贴于扫描平面,会产生两个问题：(1)扫描图像中离装订线较近的一侧出现黑色的阴影区域;(2)阴影区域中的文本产生扭曲．基于图像信息和几何变形信息,提出一种去除阴影和校正文本的算法．首先采用分块自动阈值算法去除阴影;然后通过垂直投影函数、有效包围盒和标记点提取文本行中心线,中心线被用于全局几何参数的估计;最后,扭曲的文本通过估计的几何参数和分片四边形映射进行校正．实验结果表明该算法能给出较好的校正结果．     

基于随机森林的多谱磁共振图像分割

应用分类树和自助法重采样技术,结合随机特征选取,使用随机森林这种组合分类器方法对多谱磁共振图像进行分割,实验证明此方法有很好的分割性能。     

纹理图像基及其应用

纹理图像被视为基本微模式的线性组合．拓扑图格独立分量分析首先被用来学习图像基,然后根据生成模型,通过变换图像基获得基本微模式．最后给出了其两个应用例子：从微模式中提取基本视觉元素,并提出了相应的算法;将学习获得的分离基视为滤波器,实现其纹理分割．对比实验分析表明,该算法可取得活意的分割结果．     

基于 CT 和磁共振 T2 加权图像双模态分类模型的 自发性脑出血后脑水肿在 CT 图像上的分割

自发性脑出血后脑水肿在 CT 图像呈现的模糊边缘是 CT 图像上实现脑水肿自动分割的一个严峻挑战。在磁共振 T2加权图像上,脑水肿的边界相对清晰。因此,文章提出利用14套同时拥有磁共振和 CT 图像的病例,将其磁共振 T2加权图像的手动分割金标准通过配准映射到 CT 空间,结合 CT 图像信息通过对配准后的结果进行机器学习得到脑水肿体素分类器,并利用此分类器进行 CT 图像上的脑水肿分割。采用近邻采样策略,选择公共测度子空间进行特征选择,基于支持向量机方法利用穷举法得到分割精度最高的水肿分类器;通过36套临床脑出血的 CT 数据的验证,结果显示该方法的 Dice 系数达到0.859±0.037,明显高于基于区域增长的方法(0.789±0.036,P＜0.0001)、半自动水平集方法(0.712±0.118,P＜0.0001)和基于阈值的方法(0.649±0.147,P＜0.0001)。与之对比,使用 CT 手动分割金标准得到的分类器分割精度 Dice 系数(0.686±0.136,P＜0.0001)明显小于基于 T2金标准的分类器。试验结果显示磁共振 T2加权图像上脑水肿的清晰边界在精确区分水肿与周围正常脑组织的时候可能提供更强的约束。文章提出的方法为脑出血患者的脑水肿量化、病理改变严重性的评估、以及治疗提供潜在的工具。