广义模糊Gibbs随机场与MR图像分割算法研究

为了对图像进行准确、可靠的分割,提出了一种基于广义模糊集的软分割算法,并将广义模糊集和G ibbs场结合起来,提出了广义模糊G ibbs随机场模型,同时建立了广义模糊G ibbs分割(GFGS)算法。该算法是首先把每一个分割类看作是广义模糊类,并以最大后验概率(MAP)为判别准则来决定每一个像素值的归类以及它属于该类的隶属度;然后用广义隶属度函数中负的部分来刻划数据中的异常值,使得该算法能有效地处理异常值;最后用该模糊类的质心来更新类的中心,并以人脑的仿真图像和临床MR图像进行了实验。实验结果表明,该算法能有效地滤除噪声和处理部分容积效应,是一个分割能力强、稳健性好的算法。     

基于MRF-MAP和模糊质量图的相位展开算法

相位展开是磁共振成像技术应用中最关键的环节之一,可以为磁共振的某些重要临床应用提供精确的相位信息。然而,由于临床磁共振成像过程中,部分区域真实的相位存在急剧变化,同时伴有不同性态的噪声污染,导致相位展开时存在信息的高度不一致性。为了有效地解决上述难题,基于马尔可夫-最大后验（Markov Random Field & Maximum A Posterioi,MRF-MAP）模型,首次将相位展开看作计算机视觉中的标记问题,并结合磁共振相位数据的特点,设计出相位图的模糊质量图,完成相位展开的能量函数构建。针对能量函数的优化求解,采用高效的图割算法进行。     

基于等效子午面与互信息量的医学图像配准

提出了一种新的基于等效子午面和互信息量的三维医学图像快速配准算法--EMP-MI算法.传统的互信息量的方法需要考虑整个三维数据的信息,计算复杂度大,无法满足临床需要.而本算法将三维数据的配准转化为二维数据的配准,在保证精度的前提下,减少了配准所需时间.文中创新点在于利用主成分分析计算出图像的等效子午面并将图像转化到标准坐标系下,从而将质心和等效子午面粗配准,精细配准时只需要对浮动图像进行微小的调整计算等效子午面的互信息量,这就大大提高了配准速度,减少了陷入局部极值的可能.实验结果表明这种先整体后局部的方法能准确、快速地处理图像刚性配准问题,特别适用于三维医学图像的配准.     

一种适用于真实人体数据能有效消除Gibbs伪影的MR重建新算法

Gibbs振铃是在磁共振成像中常见的主要存在于组织边缘处的一种伪影,它是在采用部分k空间数据进行图像重建时产生的.Gegenbauer重建方法能够有效消除Gibbs环状伪影并能保持图像高分辨率,但重建时间长且参数的选择对重建结果影响很大.文中引入逆多项式方法对Gegenbauer重建方法进行了改进,同时以Chebyshev多项式替代Gegenbauer多项式,免去了参数的人为选择,提高了重建精度并加快了速度.由于上述方法是针对连续区间讨论的,因此如何通过边缘检测准确地划分连续子区间显得尤为重要.文中提出的频域滤波边缘检测法能得到准确的边缘检测结果,有效地提高了文中方法对具有复杂组织结构的真实人体MR数据重建的精度,使其更具实用性.     

磁共振成像PROPELLER数据网格化中的采样密度补偿新算法

PROPELLER磁共振数据的重建是一个典型的K空间非笛卡尔采样数据的重建问题.由于现有网格化重建算法中的密度补偿需要计算每个采样点的密度补偿系数,须对非笛卡尔分布的数据进行卷积运算,给定N采样点,该卷积运算需要N×N/2次距离运算,由于PROPELLER采集的数据量N很大,计算耗时非常长.本文提出PROPELLER数据网格化重建中的密度补偿新算法,通过基于网格化分量全为1的向量来计算在均匀网格点上的采样密度分布值进而加以补偿,使得算法复杂度大大下降.实验表明,本文算法比现有算法的运行时间缩短400多倍,而重建质量与原有算法基本相同.     

PROPELLER磁共振成像数据重建中的仿射运动校正新算法

 PROPELLER (Periodically Rotated Overlapping ParallEL Lines with Enhanced Reconstruction)磁共振成像方法对刚性运动伪影的消除效果非常显著,已经在头部磁共振成像中获得了成功应用。但是刚性运动一般仅存在于头部成像中,人体其它部位成像往往伴随着不同程度的软组织拉伸变形。对于这种软组织变形必须基于非刚性运动模型才能准确地进行描述并加以校正。本文将PROPELLER采样中的每个k-空间条经过傅立叶逆变换重建得到临时图像,通过基于仿射运动模型的图像配准算法获得非刚性运动信息,然后根据仿射变换的频域性质,对PROPELLER采样中的每个k-空间条进行校正,最后经网格化重建得到最终图像。仿真实验与真实数据实验表明,相对于现有的PROPELLER重建算法,本文所提算法对于刚性运动与仿射运动造成的伪影均具有很好的校正效果。     

基于广义模糊吉伯斯随机场图像分割新算法

吉伯斯分布作为一种引入图像空间信息的先验模型已广泛运用于贝叶斯图像分割中．然而，由于传统该模型只在确定类上有定义，而在模糊类上未曾涉及，使得在运用该模型对一些模糊图像或退化图像进行处理时，分割效果不理想，甚至无能为力．该文针对这些不足，从模型本身出发，在传统的吉伯斯随机场模型中引入模糊概念，并针对实际多值分割特点，提出一种高效、无监督的广义模糊算法，从而实现对多值图像的精确分割．文中首先介绍一种二值的广义模糊吉伯斯随机场模型；然后将这种二值模型进行多值扩展，提出分段模糊与广义模糊吉伯斯两种实用的多值分割算法；最后将其运用于一系列医学图像分割．实验表明，文中提出的广义模糊分割算法比基于传统随机场的算法有更好的图像分割能力．     

基于主相位一致性的医学图像配准

 本文提出了一种新的图像特征——主相位一致性(Principal Phase Congruency,PPC),并在此基础上构造了一种新的基于主相位一致性的配准算法.首先计算不同尺度、方向上的相位一致性,然后利用主成分分析将它们进行融合,从而得到信息更加丰富的主相位一致性;将待配准图像的主相位一致性看作模糊集合,引入模糊数学中的贴近度概念,计算它们的模糊相似性.我们对模拟和真实数据进行了实验,结果表明在图像空间分辨率较低,有噪声影响等情况下该算法具有精度高、鲁棒性强的特点,特别适合于医学图像的配准.     

基于Gibbs随机场与模糊C均值聚类的图像分割新算法

模拟C均值聚类(FCM)是一种非常经典的非监督聚类技术,已被广泛用于图像的自动分割.由于传统的FCM算法进行图像分割仅利用了灰度信息,而没有考虑象素的空间位置信息,因而分割模型是不完整的,造成传统FCM算法只适用于分割噪声含量很低的图像.为了克服传统FCM算法的局限性,本文利用Gibbs随机场所描述的邻域关系属性,引入先验空间约束信息,提出拒纳度的概念,建立包含灰度信息与空间信息的新聚类目标函数,继而提出基于Gibbs随机场与模糊C平均聚类的GFCM图像分割新算法.实验证明,利用本文所提GFCM算法可以有效地分割含噪声图像.     

基于Chebyshev多项式的消除Gibbs伪影的快速算法

在磁共振成像中通常通过减少相位编码次数来缩短数据采集时间，这样只能得到部分原始k空间数据，运用傅里叶变换成像时会在图像中产生常见的Gibbs环状伪影。Gegenbauer重建方法是一种能够有效消除Gibbs环状伪影并能保持高分辨率的图像重建方法，但是这种方法的缺点在于重建时间长且参数选择必须满足严格的限制且对图像重建质量影响较大。本文提出的基于Chebyshev多项式的逆多项式重建方法是针对Gegenbauer方法的改进算法，在改进原有算法不足的同时有效提高了重建精度。实验结果验证了该算法的有效性。