基于局部二进制模式方差的分数阶微分医学图像增强算法 
下载： 1060次
Enhancement Algorithm of Fractional Differential Medical Images Based on Local Binary Pattern Variance
1 河北工业大学人工智能与数据科学学院, 天津 300401
2 河北工业大学电气工程学院, 天津 300401
3 河北省大数据计算重点实验室, 天津 300401
图 & 表
图 2. 圆形邻域系统
Fig. 2. Circular neighborhood system
下载图片 查看原文
图 3. 当P=8时的统一LBP模式图
Fig. 3. Diagram of unified LBP mode when P=8
下载图片 查看原文
图 4. 纹理图像的模式与模式频率图
Fig. 4. Mode and mode frequency map of textured image
下载图片 查看原文
图 5. 纹理图像的角度与模式频率图
Fig. 5. Angle and mode frequency map of textured image
下载图片 查看原文
图 6. LBPV的8个方向
Fig. 6. Eight directions of LBPV
下载图片 查看原文
图 7. 分数阶的8方向掩模。(a) 0°;(b) 45°;(c) 90°;(d) 135°;(e) 180°;(f) 225°;(g) 270°;(h) 315°
Fig. 7. Fractional masks for eight directions. (a) 0°; (b) 45°; (c) 90°; (d) 135°; (e) 180°; (f) 225°; (g) 270°; (h) 315°
下载图片 查看原文
图 8. 原图与增强后的图像。(a)原图;(b)图8(a)增强后的图像;(c)原图;(d)图8(c)增强后的图像
Fig. 8. Original images and enhanced images. (a) Original images; (b) enhanced images of Fig. 8(a); (c) original images; (d) enhanced images of Fig. 8(c)
下载图片 查看原文
图 9. 不同方法下肱骨头的增强图像及其局部图像。(a)原图;(b)文献[
5]方法;(c)文献[
6]方法;(d)文献[
9]方法;(e)所提方法
Fig. 9. Enhanced images of humeral head and its local images with different methods. (a) Original images; (b) method in Ref. [5]; (c) method in Ref. [6]; (d) method in Ref. [9]; (e) proposed method
下载图片 查看原文
图 10. 不同方法下腓骨的增强图像及其局部图像。(a)原图;(b)文献[
5]方法;(c)文献[
6]方法;(d)文献[
9]方法;(e)所提方法
Fig. 10. Enhanced images of tibia and its local images with different methods. (a) Original images; (b) method in Ref. [5]; (c) method in Ref. [6]; (d) method in Ref. [9]; (e) proposed method
下载图片 查看原文
表 1图8中各图像的评价参数
Table1. Evaluation parameters of each image in Fig. 8
| Image | AG | E | Image | AG | E |
|---|
| Fig. 8(a1) | 6.68 | 5.75 | Fig. 8(a3) | 4.75 | 5.42 | | Fig. 8(b1) | 10.92 | 6.24 | Fig. 8(b3) | 8.75 | 6.00 | | Fig. 8(c1) | 4.41 | 5.65 | Fig. 8(c3) | 3.03 | 4.44 | | Fig. 8(d1) | 7.42 | 5.95 | Fig. 8(d3) | 5.48 | 5.09 | | Fig. 8(a2) | 5.06 | 4.82 | Fig. 8(a4) | 4.79 | 5.47 | | Fig. 8(b2) | 9.53 | 5.70 | Fig. 8(b4) | 8.34 | 5.88 | | Fig. 8(c2) | 3.32 | 5.27 | Fig. 8(c4) | 2.98 | 4.27 | | Fig. 8(d2) | 5.55 | 5.61 | Fig. 8(d4) | 5.71 | 4.99 |
|
查看原文
表 2图9中各图像的评价参数
Table2. Evaluation parameters of each image in Fig. 9
| Image | AG | E |
|---|
| Fig. 9(a) | 7.37 | 4.97 | | Fig. 9(b) | 11.83 | 5.14 | | Fig. 9(c) | 8.36 | 4.98 | | Fig. 9(d) | 17.41 | 5.27 | | Fig. 9(e) | 12.00 | 5.33 |
|
查看原文
表 3图10中各图像的评价参数
Table3. Evaluation parameters of each image in Fig. 10
| Image | AG | E |
|---|
| Fig. 10(a) | 8.83 | 4.52 | | Fig. 10(b) | 11.23 | 4.57 | | Fig. 10(c) | 9.00 | 4.42 | | Fig. 10(d) | 14.09 | 4.63 | | Fig. 10(e) | 11.61 | 4.80 |
|
查看原文
刘洪普, 郑梦敬, 侯向丹, 李柏岑, 杜佳卓. 基于局部二进制模式方差的分数阶微分医学图像增强算法[J]. 激光与光电子学进展, 2019, 56(9): 091006. Hongpu Liu, Mengjing Zheng, Xiangdan Hou, Bocen Li, Jiazhuo Du. Enhancement Algorithm of Fractional Differential Medical Images Based on Local Binary Pattern Variance[J]. Laser & Optoelectronics Progress, 2019, 56(9): 091006.
PDF全文
