基于小波分形配比的医学图像插值算法研究

医学图像一般要求边缘细节清晰,而传统的插值方法会导致图像细节信息的丢失.为了满足医学插值放大图像质量和速度的要求,利用小波变换和几何分形的思想,提出了一种改进的几何分形算法和小波变换相结合的图像插值新方法.实验仿真表明,该算法能极大消除细节伪影,同时还保持很好的纹理细节,峰值信噪也得到提高.     

一种高效的插值算法

通过对一般图像及传统插值算法的分析讨论 ,提出了高低阶结合的插值算法。从而有条件地解决了运算量与插值质量之间的根本矛盾。     

一种图像细化算法及其在医学图像中的应用

提出一种具有较高准确度的细化算法。通过基本细化和优化等步骤,该算法抽取的骨架相当接近理想的骨架。还讨论这种细化算法在人类染色体图像处理中的应用。     

一种基于联合插值的图像旋转算法

针对现有的图像插值方法在图像旋转中容易出现"锯齿"形边缘和模糊的现象,采用新的图像表示模型,提出平面插值、球面插值、斜平面插值、双三次插值相结合的联合图像插值方法,根据待插入点周围像素点空间位置的不同,分别使用不同的插值方法,从而避免了传统的插值方法用同一个模型逼近所有像素存在的不足.示例分析和实验结果表明了联合插值方法的有效性.     

一种基于图像边缘的插值算法

传统的图像插值方法会导致图像边缘模糊,为了得到更好的视觉效果,提出一种基于图像边缘的插值算法,在非边孽区域用传统的插值方法。在边缘区域把数字图像构造成连续曲面,重采样得到插值点的像素值。实验结果表明,该方法插值后的图像边缘清晰,且因非边缘区域用传统插值方法而降低了计算的复杂度。     

一种边缘保护的灰度图像插值算法

提出一种边缘保护的灰度图像插值算法，目的在于从低分辨率图像中复原出高分辨率的图像。首先对低分辨率图像做双线性插值放大，然后用一个二维非线性滤波器做迭代滤波处理，从而得到高质量的插值放大图像。实验仿真结果表明，该算法在插值放大图像的边缘保护方面取得了良好的效果。     

基于小波变换的医学图像插值研究

提出了一种基于小波变换的高频预测方法,能有效地结合多小波实现任意整数倍的图像超分辨率.实验结果表明新的基于小波分析的图像插值方法能够有效地保持图像的边缘特征,达到更好的视觉效果.     

基于小波变换的医学图像插值研究

提出了新的预测高频细节的方法,并能有效地结合多小波实现任意整数倍的图像超分辨率.实验结果表明新的基于小波分析的图像插值方法能够有效地保持图像的边缘特征,达到更好的视觉效果.     

基于互信息和改进PV插值算法的医学图像配准

基于体素的配准方法中最有效的就是最大互信息的配准方法;该方法在计算互信息的时候,采用部分体积插值计算联合直方图,这样就无法避免出现的局部极值,有可能导致误配准。文中提出了改进的部分体积插值方法,有效地避免陷入局部极值,减少误配率。     

一种新的基于图像边缘的插值算法

灰度图像放大时,插值所具有的平滑作用会退化图像的高频部分,使放大图像轮廓变得模糊,本文提出了一种新的图像插值算法,先通过边缘检测分离出图像的平坦区域和边缘区域,对图像的平坦区域采用双线性插值法,对图像的边缘部分采用距离密次反比法,实验证明该算法有效地保持了边缘信息,得到了较好的视觉效果.     

基于神经网络——粒子群优化算法的医学图像分割新方法

提出了一种基于神经网络——粒子群优化算法的医学图像分割新方法,将粒子群优化算法用于神经网络的学习训练,克服了神经网络收敛速度慢,以及容易收敛到局部最优解的缺点。并与遗传算法进行了比较,结果表明,该方法不仅能更快地收敛于最优解,而且在分割准确率、误差率以及运行时间上也都有了较明显的提高。     

基于小波变换的医学解剖与功能像融合新算法

近年来,用于从多模医学图像数据中挖掘有用信息的融合算法不断被提出.但是,还没有一种合适的算法用于医学解剖和功能像的融合.基于此,提出一种基于小波变换的新方法,用于医学解剖和功能像的融合.选择高频系数时,通过计算各子图像的全局梯度来实现高频信息的融合,使融合后的图像较好地保留解剖结构所对应的功能信息;低频系数采用基于邻域能量的融合算法,保留解剖图像的边缘和纹理特征.实验结果和评价参数表明,这种改进的医学图像融合算法强化了融合图像的边缘和纹理特征,有效地保留了原图像的解剖信息和功能信息.     

一种用于CT片层间轮廓线插值的算法

提出一种基于角度建立断层之间匹配点对的线性插值算法。与以往方法相比，该方法简单易行，计算速度快，可实现序列图像的自动插值。通过对人类下肢长骨CT(Compterized tomography)片数据进行实验的结果表明，它是一种可行的层间轮廓线插值方法，不仅对原本相似轮廓的插值效果良好，而且对形状差异大的轮廓线也能得到令人满意的结果。     

基于图像边缘保持的反距离加权插值算法

在数据可视化过程中运用一般的插值算法处理图像,边界效果通常比较模糊,也容易造成图像边缘信息的大量损失,导致图片整体增强效果欠佳。针对该问题,将图像边缘保持策略引入到反距离插值算法中,提出了基于图像边缘保持的自适应反距离加权插值算法(adaptive inverse distance weighted interpolation,AIDWI)。在图像边缘优化方向确定的基础上,利用反距离加权插值函数获取图像边缘区域像素间的关系,根据权值下降指数调节图像边缘的清晰度,设置平滑参数控制算法的平滑效应,达到图像整体增强效果的最佳状态。利用计算机进行图像增强仿真实验,通过基于图像能量谱的图像质量测度值和图像熵值对图像整体增强效果进行评估,结果表明经算法处理后的图像整体增强效果明显,算法在执行效率和提升图像熵值等方面均具有突出的优越性。     

基于粒子群优化算法的多模态医学图像刚性配准

提出了一种基于轮廓特征点及利用PSO(粒子群优化)求解多模态医学图像自动配准新方法．首先采用数学形态学中腐蚀和膨胀算法对图像进行预处理,用区域生长法提取图像的边缘;再用subtractive聚类算法提取出轮廓特征点,将两个特征点集的均方根极小值作为配准准则,然后用PSO算法求解空间变换参数．该算法适用于多模态医学图像配准,与其他算法相比,PSO算法具有操作方便、可靠性好、不易陷入局部极值等优点。     

基于Shannon采样定理的插值算法

在 Shannon采样定理的理论基础上 ,根据函数在等距点上的采样值 ,导出了对其区间内任意点插值计算的基本算法 ,并给出了应用 MATLAB语言的对称插值算法程序 .对一种简单函数的余项分析表明 ,插值余项与对称插值基点数 n成反比 ,计算时间与 n成正比 .就插值精度和计算速度与对应的 Lagrange插值算法作了初步的比较 .     

基于Thiele型向量连分式插值的彩色图像放大方法

提出了将向量有理插值用于图像的无级放大方法。该方法是将图像的每一个像素看作是平面域的关于RGB三原色的一个向量,利用Thiele型向量连分式建立有理插值函数,实现图像的无级放大。通过实验证明,该方法能有效地用于彩色图像的放大处理,并且算法简单,易于实现。     

基于超分辨率分形解码和误差补偿的图像插值算法

插值是图像处理中的基本问题,现有的插值算法无法对具有复杂结构和丰富纹理的图像进行准确有效插值.对图像进行四叉树分形编码,确定相应的最优线性变换参数,建立具有相似关系的"子块-父块对";根据块之间的相似关系与图像分辨率无关的特点,以超分辨率分形解码的方式对吸引子进行重建,进而得到插值图像;对分形编码的拼贴误差进行双立方插值,并以此作为补偿项对插值图像进行修正,进一步提高插值精度.标准测试图像的实验结果表明:与经典算法相比,分形插值能够对图像的结构细节实现准确有效的恢复,不会造成边缘模糊和锯齿效应,具有较高的插值精度和图像质量.