1 河北大学 电子信息工程学院,河北 保定 071002
2 河北省数字医疗工程重点实验室，河北 保定 071002
3 河北大学 附属医院，河北 保定 071002
针对甲状腺B 超图像的低对比度和SPECT 图像的低空间分辨率的特点，提出了一种基于非下采样Shearlet变换(NSST)和改进脉冲耦合神经网络(PCNN)相结合的图像融合算法。本文用NSST 将两幅经过精确配准的源图像分解，得到低频子带系数以及不同尺度和方向的高频子带系数。低频系数采取区域能量取大的融合规则，高频系数采取改进的PCNN 算法，将改进的拉普拉斯能量和作为PCNN 的输入项，梯度能量作为PCNN 的链接强度，利用点火输出幅度总和取大的融合规则选择高频系数，最后通过NSST 逆变换得到融合图像。实验结果表明，本文所提出的算法在主观视觉和客观标准上均取得良好的效果。
图像融合 甲状腺肿瘤 非下采样Shearlet 变换 脉冲耦合神经网络 image fusion thyroid cancer nonsubsampled shearlet transform pulse coupled neural network
1 河北大学 电子信息工程学院, 保定 071002
2 河北大学 河北省数字医疗工程重点实验室, 保定 071002
3 河北大学附属医院, 保定 071000
为了实现甲状腺超声图像中结节组织的快速准确分割, 克服图像灰度分布不均匀和边缘模糊对分割结果造成的影响,采用了基于相位一致性改进的活动轮廓分割模型。首先, 利用相位一致性边缘检测原理构造一种新的速度函数, 不仅弥补了梯度算子边缘检测中由于滤波处理造成边缘损坏的缺陷, 而且可以灵活地控制曲线演化速率; 然后, 将该速度函数乘入到无边缘主动轮廓模型的能量项中, 避免了线性组合中的权重分配问题, 同时具有全局分割能力。通过理论分析和实验验证, 改进模型的相对差异度均小于1%, 运行时间均低于对比模型。结果表明, 新模型实现了灰度分布不均匀图像的精确分割, 同时分割效率也有所提高。
图像处理 甲状腺超声图像分割 活动轮廓模型 相位一致性 速度函数 image processing thyroid ultrasound image segmentation active contour model phase consistency speed function
1 河北大学 电子信息工程学院，河北 保定 071000
2 河北省数字医疗工程重点实验室，河北 保定 071000
3 河北大学 附属医院，河北 保定 071000
为了提高甲状腺肿瘤检出的准确率，将遗传思想中的选择、交叉和变异操作引入蝙蝠算法，提出基于遗传思想蝙蝠算法的甲状腺SPECT-B 超图像配准。首先，利用甲状腺SPECT 图像与B 超图像共有的甲状腺及肿瘤轮廓特征，以改进的梯度归一化互信息为相似性测度，以遗传思想蝙蝠算法为优化策略优化配准所需的空间变换参数。实验结果表明，改进的梯度归一化互信息具有高定位精度和较少的局部极值；遗传思想蝙蝠算法提高收敛速度与收敛精度，改进的梯度归一化互信息与遗传思想蝙蝠算法相结合使甲状腺SPECT-B 超图像较好地配准。
图像配准 甲状腺肿瘤 遗传思想 蝙蝠算法 梯度归一化互信息 image registration thyroid tumor genetic idea bat algorithm gradient normalized mutual information
1 河北大学电子信息工程学院, 河北 保定 071002
2 河北省数字医疗工程重点实验室, 河北 保定 071002
3 河北大学附属医院, 河北 保定 071002
针对无边缘主动轮廓模型 (Active contours without edges, C-V)难以分割灰度分布不均匀的甲状腺超声图像, 本文提出结合局部信息改进的 C-V超声图像分割模型。该方法根据局部信息具有不受灰度分布影响的拟合特性, 利用图像局部拟合信息构造一种新的速度函数, 使速度函数依据图像局部灰度变化控制曲线的演化速率；然后将该速度函数引入到 C-V模型中, 具有全局分割能力。实验结果表明, 本文方法可以实现对灰度分布不均匀的甲状腺肿瘤超声图像的准确分割, 且分割效率也有所提高。
图像分割 C-V模型 局部信息 速度函数 超声图像 image segmentation C-V model local image information speed function ultrasound image
1 北京工业大学生命科学与生物工程学院, 北京 100124
2 天津大学, 精密测试技术及仪器国家重点实验室, 天津 300072
3 安徽大学健康科学研究院, 安徽 合肥 230601
为了能快速准确的识别原料肉与注水肉, 提出了一种基于可见-近红外光谱和稀疏表示的无损的识别方法。通过向猪肉样本(包括猪皮、脂肪层和肌肉层)注水的方法建立注水肉模型, 采集未注水的原料肉和6类不同注水量的注水肉的可见和近红外漫反射光谱数据。为了消除光谱数据中的冗余信息并提高分类效果, 对光谱数据进行光调制和归一化等预处理并截取有效波段, 根据是否注水以及注水量的多少对样本进行分类。用所有训练样本构成原子库(字典), 通过ｌ1最小化将测试样本表示为这些原子的最稀疏的线性组合。计算测试样本与各类的投影误差, 将最小投影误差对应的类作为测试样本的所属类别, 并应用留一法进行交叉检验, 比较了稀疏表示法与支持向量机的识别结果。实验结果表明, 利用稀疏表示法对于原料肉与注水肉的识别准确率可达到90%以上, 获得了较好的分类效果, 优于支持向量机的识别结果。而对于不同注水量的注水肉识别准确率与注水量之差正相关。稀疏方法不需要进行传统模式识别模型的前期学习与特征提取, 适用于高维、小样本量数据的处理, 计算成本低, 将其用于注水肉的光谱数据识别具有一定的创新性, 并取得了较满意的结果, 为原料肉和注水肉的无损识别提供了一种有效方法。
可见-近红外光谱 稀疏表示 注水肉 原料肉 Visible/near-infrared spectrum Sparse representation Water-injected meat Raw meat
1 河北大学电子信息工程学院，河北 保定 071002
2 河北省数字医疗工程重点实验室，河北 保定 071002
3 河北大学附属医院，河北 保定 071002
针对甲状腺肿瘤超声图像对比度低和SPECT 图像边界模糊的特点，结合多尺度几何分析和单尺度稀疏表示的思想，提出了一种Shearlet 变换与稀疏表示相结合的图像融合算法。首先，用该变换对已经精确配准的源图像进行分解，得到图像的高低频子带系数。对稀疏性较差的低频子带系数进行字典训练并求解其稀疏表示系数，并采用能量值取大的规则进行融合。高频子带系数采用区域拉普拉斯能量和的规则。最后，用Shearlet 逆变换得到融合图像。实验结果表明，此算法在主观视觉效果和客观评价指标上优于多尺度融合方法和单尺度下基于稀疏表示的图像融合方法。
图像融合 甲状腺肿瘤 Shearlet 变换 稀疏表示 区域拉普拉斯能量和 image fusion thyroid tumor Shearlet transform sparse representation region sum modified laplacian
1 河北大学电子信息工程学院, 河北 保定 071000
2 河北省数字医疗工程重点实验室, 河北 保定 071000
3 河北大学附属医院, 河北 保定 071000
为了提高甲状腺肿瘤检出的准确率, 提出一种基于人工蜂群算法的 SPECT和 B超甲状腺图像配准。首先, 针对来自两个不同成像设备的 SPECT和 B超甲状腺图像灰度差异大的特点, 使用 NSCT和 GCBAC相结合的方法提取 B超图像感兴趣的轮廓特征, 用 KFCM的方法提取 SPECT图像的轮廓特征; 然后以互信息作为相似性测度, 建立仿射变换模型, 并以改进的人工蜂群算法作为优化策略来优化配准所需的空间变换参数。实验结果表明, 该方法可以有效提高配准速度, 具有较好的配准效果。
甲状腺肿瘤 SPECT图像 B超图像 人工蜂群算法 thyroid tumor SPECT image B-type image NSCT NSCT GCBAC GCBAC artificial bee colony
1 河北大学电子信息工程学院, 河北 保定 071000
2 河北大学附属医院, 河北 保定 071000
针对距离正则化的水平集演化 (the Distance Regularized Level Set Evolution Mode, DRLSE)模型难以处理弱边缘图像、演化效率低问题, 提出一种新的基于相位信息的水平集超声图像分割算法 (the Distance Regularized Level Set Evolution Mode Based on Phase Congruency, PDRLSE)。该算法利用相位一致性检测原理, 构造新的边界指示函数, 代替了 DRLSE模型中的边界停止函数, 得到新的能量泛函。实验结果表明: 该方法在分割超声图像时, 能够较好的分割出甲状腺肿瘤目标, 且演化效率也有所提高。
图像分割 DRLSE模型 变分水平集 相位一致性 超声图像 image segmentation DRLSE model varitional level set phase congruency ultrasound image
