基于灰色关联分析的医学图像分割

医学图像分割处理为临床诊断、病理分析、治疗提供可靠的依据。为了分割出图像中感兴趣的区域,提出了一种基于灰色理论区域生长分割算法。该方法利用灰色关联理论对图像进行关联性分析,根据像素间全局和局部的关联度,指导区域生长的分割和停止。该方法的最大不同之处在利用灰色理论进行关联性分析,不需要大量数据的统计,算法简单,高效。实验证明,该方法能够有效地分割出目标区域,并且具有一定的抗噪能力,是一种较为有效的图像分割新方法。     

基于模糊积分的一类图像度量

通过（S）型模糊积分和（G）型模糊积分定义一类新的图像度量,实验证明,在衡量图像失真度方面该图像度量比传统的图你度量（包括峰值信噪比PSNR））更合适于人类的视觉系统。     

肺癌图像的伪彩色处理

提出了一种新的灰度-彩色处理算法.首先利用Sobel算子对图像进行边缘检测,突出感兴趣区域;然后根据边缘检测的结果做伪彩色处理.实验结果表明:利用此算法对肺癌图像进行伪彩色处理,增强了图像的可视性,突出病灶区,提高了医生的诊断率.     

基于梯度的医学图像伪彩色编码

根据医学图像的特点和人的视觉特性,提出了一种基于梯度的非线性伪彩色编码新方法。利用梯度算子得到图像的梯度场,并确定阈值。根据梯度值与阈值的比较,大于阈值的是基于梯度值的编码方法,用红色编码;否则是基于灰度值的编码方法。通过定义的两个阈值界定范围,设计非线性的正弦函数来进行伪彩色编码。由于映射函数中的三个参数k_1,k_2和k_3,所以增加了算法的灵活性。通过实验比较,处理后的医学图像轮廓更清晰,层次感更强,能有效地突出病灶区,有利于医生的诊断。     

认证码字符识别方法的研究

从加强网站安全性的角度,研究认证码字符识别的技术要点.首先,提出预处理算法去除图像中的干扰因素,分割出字符;其次,采用分类器技术对预处理后得到的字符进行识别.实验指出有效的预处理算法和选择合适分类器对于快速准确识别认证码起着至关重要的作用,证实了目前一些认证码在保障网站安全性的同时,尚存在一些漏洞,需要继续完善.     

Sugeno模糊积分在分形编码中的应用

分形技术已被许多研究者应用于图像编码．在分形编码方案中，L^2距离技普遍采用去评价range块与domain块之间的匹配程度．本文将采用一种新的距离——基于Sugeno模糊积分的模糊距离去替代L^2距离．实验表明，在四叉树算法中，和L^2距离相比，在不损害压缩比和解码质量的前提下，混合或单纯使用模糊距离可提高编码速度35%～50％。