基于图像融合与亚像素边缘提取的医学病变诊断_PPT课件.pptVIP

图像增强 直方图均衡化的处理结果： 分别对两幅曝光不足与曝光过度的灰度图像应用Matlab编程进行直方图均衡化。 曝光过度 转换函数 图像增强 本课题中直方图均衡化的处理结果： 原始灰度图像 增强后图像 亚像素边缘检测 亚像素边缘检测 数字图像的边缘检测是图像分割、目标识别、区域形状提取等图像分析领域的基础。 亚像素边缘检测 传统的边缘检测方法的检测精度最高只能达到一个像素级。 工业检测等应用对精确度的要求不断提高，传统的像素级边缘检测方法已经不能满足实际测量的需求，需要更高精度的边缘检测方法。 亚像素边缘检测 在视觉检测系统中，系统的测量精度与边缘检测的精度成正比关系。 提高视觉检测系统精度的方法有两种，第一、提高硬件分辨率，但其将导致成本提高；第二、采取亚像素边缘提取的方法提高边缘检测精度。 亚像素边缘检测 传统的像素级边缘检测方法有：Roberts算子，Sobel算子,Prewitt算子，Canny算子，二阶微分拉普拉斯算子。 像素级边缘检测方法的缺点：在除去噪声的同时，易将某些边缘除去；只对阶跃型边缘效果较好。 亚像素边缘检测 像素级方法能够检测出边缘点位于具体的像素点内，边缘存在于像素点的任何位置，最大误差为0.5个像素。 亚像素级边缘检测方法有：曲线拟合法，矩法，数字相关法，基于海森矩阵的方法。 亚像素级边缘检测方法的边缘点最大误差为-1/2~1/2个像素。 亚像素边缘检测 常见的边缘形状有斜坡型、阶跃型、高斯型等。高斯型边缘横截面零阶极大值点、一阶过零点、二阶极小值点将位于同一点。 正常边缘 亚像素边缘检测 颜色吸收区域 亚像素边缘检测 强漫反射区域 亚像素边缘检测 镜面反射区域 亚像素边缘检测 实际测量中受噪声的影响和干扰,极可能出现边缘的横截面的二阶极小值点与一阶过零点不是同一点。且灰度零阶极大值点与二阶极小值点也不重合。 亚像素边缘检测 高斯函数： 的选择？ 越大，图像平滑越厉害，对边缘的检测不利。 高斯卷积核 亚像素边缘检测 时，即边缘的一阶过零点在当前像素内,且二阶梯度值大于指定的阈值,则该点为边缘中心点。 那么以 为基准点的一阶过零点亚像素坐标为： 亚像素边缘检测 某一像素点是边缘点，其Hessian 矩阵的绝对值最大的特征值为负，且该特征值可近似为该点所对应的局部图像灰度的二阶方向导数负极值，相应特征向量的单位形式可近似为该点的法线方向。 亚像素边缘检测 流程设计： 亚像素边缘检测 亚像素边缘提取结果： 结论 结论 金字塔变换的图像融合中的关键参数：融合层数，低频子带图像系数选择，高频子带图像系数选择。 本方法的优点：相对于空间域的图像融合方法而言，本方法为多分辨率分析，能够提取更多的细节图像信息。 结论 海森矩阵的亚像素边缘提取方法中的关键参数：高斯核函数，二阶梯度阈值，边缘宽度。 本方法的优点：总体精度比像素级高，对于阶跃型、高斯型、模糊、强度较低边缘的提取精度高。 基于图像融合与亚像素边缘提取的医学病变诊断 智能检测理论与技术研讨课 源图像 融合图像 增强图像 分割图像 图像融合 图像增强 边缘提取 图像融合 图像融合 图像融合在医疗、军事、地物分类、机场导航、故障诊断、目标跟踪与识别等众多领域有着广泛的应用。 图像融合 图像融合是指将多源信道所采集到的关于同一目标或场景的图像数据经过图像处理和计算机技术等，以最大限度的提取各自信道中的有用信息，最后综合成高质量的图像。 图像融合 图像融合是指将多源信道所采集到的关于同一目标或场景的图像数据经过图像处理和计算机技术等，以最大限度的提取各自信道中的有用信息，最后综合成高质量的图像。 融合层次 像素级融合 特征级融合 决策级融合 融合图像 多传感器图像 多聚焦图像 多序列图像 遥感图像 图像融合 1. 拉普拉斯金字塔： 图像融合 2. 对比度金字塔： 图像融合 3. 梯度度金字塔： 图像融合 低频子带图像系数选择： 图像融合 高频子带图像系数选择： 系数选大： 绝对值选大： 图像融合 基于窗口的系数加权平均： 小于设定的相似度阈值 ，则第i个高频子带系数为： 大于设定的相似度