數(shù)字圖像處理文獻綜述(編輯修改稿)
2025-07-14 06:27 本頁面
【文章內容簡介】 向，在圖像邊緣方向上保持光滑，在邊緣跳變方向上保持邊緣的可分辨性，提高了圖像的分辨率。Li Xin等[1922]開創(chuàng)性的提出了一種基于局域協(xié)方差的邊緣插值方法(EDILC)。該方法根據(jù)低分辨協(xié)方差和高分辨協(xié)方差之間的幾何對偶特性，對原始低分辨圖像進行局域協(xié)方差估計，利用所得到的低分辨局域協(xié)方差估計進行高分辨自適應插值。陳小薔等[23]提出了一種充分利用局部降采樣像素之間的相關信息,用和被插點相鄰的6個降采樣像素估計高分辨率圖像的局部協(xié)方差。王立國等[24]提出一種新的墓于線性預測模型的邊緣保持算法。該方法根據(jù)低分辨圖像和高分辨圖像之間的幾何對偶特性(即圖像的邊緣在不同分辨率下具有不變性)，用低分辮線性預測模型取代高分辨線性預測模型，以此來計算最優(yōu)插值系數(shù)向量。黨向盈等[25,26]提出了一種基于圖像邊緣多方向最大相關性的快速數(shù)字圖像插值算法。為了得到高分辨率圖像相關信息,根據(jù)圖像空間域內多個方向鄰近像素點的相關特性，利用與待內插值點相鄰 6個降采樣像素值。隨后又提出一種在傳統(tǒng)插值圖像基礎上，對高分辨率圖像進行邊緣檢測算法,該算法處理彩色圖像時，先進行色融合，再檢側；然后根據(jù)邊緣多方向梯度特征,對邊緣鄰接像素點作優(yōu)化處理。在多倍插值放大時，采用小步長倍率遞進方式。謝征等[27]提出了新的圖像輪廓線光順數(shù)值算法,對輪廓線劃分的兩類子區(qū)域提出了精度更高的插值算法。張雄等[28]提出在對圖像提取邊緣的基礎上，考慮邊緣的方向，先對邊緣像素插值,然后對其余零填充像素用雙三次插值賦值。Qing Wang等[29]提出基于等照度線方向的自適應插值的方法。該方法采用插值內核對局部等照度線方向進行插值，通過定向雙線性插值獲得像素值。 本人的研究思路Ⅰ、對已知兩幅斷層圖像進行分割，得到不同密度物質的分割值醫(yī)學圖像對于不同的組織器官有不同的灰度值。閾值化分割算法主要有兩個步驟：①、確定需要的分割閾值；②、將分割閾值和像素值比較以劃分像素。根據(jù)圖像灰度值得到兩幅根據(jù)空氣、脂肪、軟組織、和骨骼劃分的圖像，并且對其進行相應的標記。在一般的多閾值情況下，取閾值分割后的圖像可表示為：式中T0，T1，T2，…Tk一系列分割閾值，k表示賦予分割后圖像各區(qū)域的不同標號。Ⅱ、利用數(shù)學形態(tài)學的方法，得到被插值圖像每個區(qū)域的輪廓由I得到兩幅4值斷層圖像，接著要確定已知兩幅斷層圖像上每種密度物質的輪廓，分別用和（i=0，1，2，3）表示分割得到的4個不同密度物質區(qū)域的邊界。這里采用數(shù)學形態(tài)學的方法對圖像進行分割。對于任意位于圖像Vk某個輪廓上的點Si= (xi, yj,zk ),即(xi, yj,zk )∈來說，對應于圖像Vk+1上的點Si= (xi, yj,zk+1 )，只能有以下3種情況：① 點Si= (xi, yj,zk+1 )在輪廓內，但不在上。此時執(zhí)行(xi, yj,zk+1 ) ⊕ B，其中，⊕為膨脹，B為結構算子。② 點Si= (xi, yj,zk+1 )既不在輪廓上，也不在輪廓內，即該點和點(xi, yj,zk )不屬于同一密度物質。此時，執(zhí)行(xi, yj,zk+1 ) B。其中，為腐蝕。③ 點Si= (xi, yj,zk+1 )在輪廓，即(xi, yj,zk ) ∈。此時無需任何操作。綜合上述3種情況，可以表示為根據(jù)上述兩式，對任意的兩幅斷層圖像進行操作，最終均能得到兩幅完全一樣的插值圖像。此時，在斷層圖像Vk和Vk+1之間已經(jīng)產生了一系列新的4值圖像，找到與Vk+d位置對應的新圖像，提取出它的每個密度物質輪廓Ci，這樣就構成了插值圖像Vk+d的輪廓。Ⅲ、進行體素插值醫(yī)學圖像經(jīng)過閾值和數(shù)學形態(tài)學方法分割后, 得到人體的不同組織結構信息。要在已被分割的上、下斷層圖像之間插值一個新的斷層圖像, 首先以兩個斷層圖像之間的距離為邊長將這兩個斷層圖像構成的空間體分成若干
環(huán)評公示相關推薦
鄂ICP備17016276號-1