超声医学图像滤波算法研究进展

主要讨论超声医学图像滤波算法的研究现状,几种主要的滤波方法（多方位滤波方法、自适应权值调节滤波方法、自适应窗口选取滤波方法、两步法等）面临的问题及发展的方向。作者通过实践,将有关算法应用于超声医学图像的处理,给出了处理结果,进行了几种算法的比较分析。     

基于形态学梯度和互信息的医学图像配准方法

基于互信息的图像配准方法,已被广泛用于医学图像的配准.但是该方法计算量较大且无法处理图像空间信息,导致运行时间较长且易陷入局部极值.为解决此问题,本研究提出了一种基于形态学梯度和互信息相结合的医学图像配准新方法,该方法充分利用图像的灰度信息和空间几何形状,可节省运行时间且有效改善传统互信息方法中的局部极值问题.实验结果表明,该方法的配准精度和运行速度明显优于传统方法.     

医学超声图像分割技术的研究及发展趋势

图像分割在医学超声图像的定量分析和定性分析中均扮演着十分重要的角色 ,它直接影响到后续分析和处理工作。目前 ,虽然文献中记载着大量的图像分割方法 ,但对于具有复杂特性的医学超声图像 ,这些方法往往显得无能为力。本文拟在分析医学超声图像特性的基础上 ,对医学超声图像分割方法作一综述和评价 ,并对其发展趋势进行了展望     

基于多尺度形态学的医学图像局部对比度增强

本文提出了一种高效的、高精度的适合于医学图像增强方法.本研究表明,使用暗特征增强图像会使图像丢失一些细节,加强小尺寸特征会放大噪声,所以仅使用白tophat变换,从递归开运算后图像中提取特征.为解决非对偶运算引起的图像亮度偏差问题,作者提出了条件归一方法.新算法主要特点是形态运算采用非对偶运算,对比度拉伸运算采用加法代替乘法运算.用本算法对MR图像进行了测试,并与已有基于多尺度形态学方法进行比较.实验结果表明,这种算法可以更有效地增强图像的局部对比度,对噪声不敏感,处理后图像精度更高.与以前形态学方法相比,本文方法仅需使用其四分之一特征层就可实现局部对比度增强,从而大大减少了运算量.     

基于自适应邻域的超声图像加权中值滤波

提出了一种自适应邻域中值滤波算法，用于医学超声内窥镜图像的噪声滤除。该方法以图像象素邻域的灰度方差为阈值，进行保持与修复窗口的自适应改变，在有效抑制Speckle噪声的同时，较好保留了图像的细节信息。对本算法与Loupas提出的加权中值滤波算法进行了比较，指出本算法在一定程度上克服了加权中值滤波器的不足并保留了它的优点，对超声内窥镜图像的滤噪有较好的效果。     

基于对称区域生长算法的超声医学图像分割方法

提出了一种基于对称区域生长算法的超声医学图像的分割方法。该方法分为三步。首先,通过采用自适应加权中值滤波抑制超声医学图像本身固有的Speckle噪声,然后从图像的第一行开始扫描整个图像,并应用生长准则进行区域的生长与合并,生长完成之后应用种子准则标定感兴趣区域,从而得到最后的分割结果。通过图像的分割实验确定了一套对于超声医学图像适用的生长和合并准则。对心脏B型超声医学图像分割的实验结果显示,该方法具有良好的性能。     

超声医学图像滤波和对比度增强新方法

较低的对比度和独有的speckle噪声是影响超声医学图像质量的主要原因,本研究利用各向异性扩散滤波,在去除图像中大量噪声的同时,计算滤波过程中图像信息的丢失,从而得到对比度增强模型中的对比度函数,并利用对比度增强模型达到图像对比度增强的目的。实验结果表明,与滤波后的直方图均衡化后结果相比,不仅能够有效地去除图像中的噪声,也能明显提高图像对比度。因此,本文方法是提高超声医学图像质量的一种有效途径。     

医学超声图像分割技术

图像分割在医学超声图像的定量、定性分析中均扮演着重要的角色,它直接影响到后续的分析、处理工作.但因其本身所具有的复杂性,医学超声图像的分割实际上是一件非常困难的事情,至今仍是一个悬而未决的世界性难题.因此我们更为详细的了解医学超声图像的一些分割技术,才能对这些方法加以运用,使得这些技术相辅相成,在实际应用中才能根据需要结合起来,形成更好的分割效果.     

一种改进的灰度医学图像平滑滤波算法

提出了一种改进的灰度医学图像平滑滤波算法,此算法既有效地滤除了医学图像中的噪声,又能很好的保持了图像的边缘及细节,也克服了作者先前所提算法滤波后图像边缘出现毛刺的缺点。     

医学超声图像分析的研究进展

超声成像是四大医学影像技术之一，由于其特有的实时性、无损性、廉价性被广泛应用于医疗和诊断，因此，有必要对医学超声图像的计算机分析进行研究。从图像分割、图像配准及组织定征和生物测量三个医学超声图像分析的主要方面对国内外近年来的主要研究情况进行综述和评价，并在此基础上探讨其发展前景。     

一种基于图像分割的医学图像融合方法

提出一种新的图像融合算法 ,用于临床治疗计划设计时对病灶的确定。文中采用改进的Canny算子对病灶边缘提取方法进行了研究 ,根据局部直方图计算对非目标轮廓进行抑制。通过对图像配准建立空间映射关系 ,将一种图像中的病灶边缘特征与其它相应的图像进行叠加 ,获得具有病灶边缘和解剖结构特征的融合图像。本文的融合算法简单、直观 ,临床实用性强     

一种快速斜截面医学图像重建算法

提出了一种基于矢量旋转的快速任意截面医学图像重建方法.算法采用矢量方程描述成像截平面,通过两步计算,把成像截平面法矢量的方向数换算为相对于空间参照系三个坐标轴的旋转量,从而将定解问题转化为求不定解的一个特解.算法的优点是避免直接求解方程,直接计算截平面与三维图像场之间点坐标的转换关系.计算仅涉及成像截平面法矢量的方向数,计算量小,易于对人机交互的描述,便于接口软件开发.实验结果表明,算法速度快,实用性强.     

基于各向异性散布的医学图像非线性滤波法

为了向临床医生提供清晰准确的诊断依据 ,在对医学断层图像 (CT、MRI)进行滤波处理时 ,须保留具有重要诊断意义的微细结构。然而 ,绝大多数滤波技术在去噪的同时却滤出了细小结构。本文介绍了一个改进的非线性各向异性散布滤波算法 ,图像滤波被认为是一种散布迭代过程 ,通过自动确定最优散布常数和迭代次数 ,散布过程在遇到边界时就会被抑制或停下来 ,从而保留了边缘信息和微小结构。通过对实际医学图像(CT、MRI)的实验表明 ,本文算法既能提高信噪比又可保留重要的解剖结构     

医学图像重建评价技术综述

对医学图像重建，特别是二值重建的评价方法和评价准则进行了综述，根据评价准则的作用点与特性，本文将它们分为四类进行了介绍，同时分析了它们之间的关系，比较了它们的优缺点，为医学图像重建算法的设计与选择提供了依据。     

基于非参数自适应密度估计理论的医学超声图像去噪方法

在小波变换域中去除图像中的噪声是近年来的研究热点之一。目前在小波域中对加性噪声的去除已经有了许多研究结果,比如Donoho等的处理方法都得到了很好的应用。但是由于超声图像噪声情况的复杂性,其对去噪的方法提出了更高的要求。为了在去除噪声的同时能够更好的保护边缘及有用的细节信息,本研究结合Birg-éMassart等提出的非参数自适应估计理论,提出一种在平稳小波变换域中对超声图像去噪的方法。实验证明,这种基于非参数自适应估计理论的超声图像去噪方法,与Donoho阈值去噪方法相比,去噪效果有所提高。     

一种分形方法在医学图像压缩中的应用

采用了一种新的基于分形的图像压缩方法对一脑CT图像进行了图像压缩。结果表明 :压缩比为 45 .0 2 ,峰值信噪比PSNR为 2 7.5db ,运算时间为 0 .75h。利用分形实现图像数据压缩处理可以获得高的压缩比 ,压缩后能够保持信号与图像特征基本不变 ,有较广的应用前景。     

基于模糊空间的骨膜显微图像识别

医学图像的目标描述往往是带有模糊性的。随着计算技术的发展,模糊逻辑理论渐被引入医学图像处理的理论研究和实际应用中。而采色医学图像和灰度图像具有不同的空间表达和模糊描述方式,其分析处理方法也有区别。我们阐述了一种基于模糊空间的彩色色骨膜显微图像识别,提出用模糊算法进行彩色图像增强、特征撮和自动分割,完成了对骨膜显微图像中的骨细胞的分割过程。通过对多幅实际采集的彩色图像进行处理,实验结果结果表明是一种     

医学超声图像分割的一种新方法

有效地实现超声图像的分割依然是临床疾病诊断亟待解决的一个难题。本研究将图像树型框架小波变换、尺度共生矩阵、KL变换主分量分析和自组织神经网络聚类相结合应用于医学超声图像，提出一种分割新方法。实验表明，对于不同的医学超声图像，应用本研究方法均可得到比较清晰的分割结果，且显著地提高了分割图像的对比度，这对于固有对比度较低的医学超声图像来说不啻一种很有效的图像分割新方法，为临床诊断提供新的借鉴。