计算机图象处理


图象分割识别的基础算法研究

形态学图象处理研究

图象拼接算法研究

医疗图象处理应用

——组织切片图象的自动识别

——精子运动的自动计算

图象处理的分布处理


图象分割识别的基础算法研究

提出了

二维图象检测算法──"邻域特性相关联的区域增长方法";

序列图象的三维灰度矫正方法;

序列图象的软定位方法;

三维标量数据场的对象识别、模糊分割;

适应性体素介质分类算法;

返回到页首


组织切片图象的自动识别

在医学检查中,组织切片是组胚、解剖中常用的手段,而且是毛细血管、神经、淋巴细胞、腺体等显微结构研究的唯一手段。对怀疑有病变的部位,可以通过手术取出部分组织,通过切片、染色、干燥、切片等手段,制作序列切片,每片厚度仅为几个微米。通过电子显微镜,可以观察各个断层,而且放大倍数可调,可以获得微观上的诊断依据。在一些手术后,也采用组织检查的方法来验证手术的正确性、必要性。

由于组织切片在制作过程中引入了大量噪声,为了使识别过程自动完成,首先对序列图象进行三维灰度矫正,然后使用二维图象检测算法──"邻域特性相关联的区域增长方法"进行区域分割,最后进行定位对齐。

返回到页首


形态学图象处理研究

在数学形态学的基础算法上,构造了带约束的形态滤波,能够在邻域的约束下增强对象的边界。

本文还对形态学的分水岭分割算法进行改进,提出了"基于沉浸与涌出的分水岭算法",算法比原来的分水岭算法更快、内存消耗更小。在计算分水岭的过程中,可以进行噪声去除。分割结果易于进行区域合并。

返回到页首


精子运动的自动计算

从实用的角度,分析了精子分析自动化的方法。利用硬件捕捉静态图象,跟踪动态运动轨迹。应用了数学形态学的处理,分别分析了精子的静态和动态图象,从静态图象分析出精子的个数,在动态图象中,通过细化得到运动的骨架,最后剪枝计算得精子的主运动方向,以计算精子的临床数据。这对精子的分析和计算具有重要意义。

 

返回到页首


图象处理的分布处理

针对当前计算机网络的发展,充分利用网络的计算能力,还研究图象的分布处理算法。作者采用的基本体系结构是客户机/服务器结构,将图象处理制作成基本软件包,分发在网络的各个图象处理服务器上。加快了图象处理的速度。参见分布计算

返回到页首


图象拼接算法研究

为了减少病人所受的辐射量,作者设计了基于X-射线透视得到数字图象以实现无胶片化,使用透视采集人体胸部四个局部的图象,由本文提出的"基于肋骨特征的快速拼接算法",拼接为整个胸部的X光检查图象。算法在横纵两个方向上设置特征位置,由特征位置的灰度分布计算匹配程度。算法可以避免由于肋骨的重复性而导致的图象拼接错误。该算法速度快,结果准确。

返回到页首


src3.sgi.jpg (31059 字节)00.sgi.jpg (8438 字节)3.sgi.jpg (8042 字节)

sperm1.sgi.jpg (4266 字节)sperm4.sgi.jpg (3415 字节)static_src.jpg (1989 字节)static_obj.jpg (1825 字节)


back.jpg (1073 字节)上次修改时间: 三月 03, 2009。