由于医疗图像质量差、对比度低、患者之间差异大导致全自动分割方法很难获得足够准确、鲁棒的结果。为了解决全自动分割方法的局限性, 本文提出一种基于神经网络改进的区域生长法, 并与全卷积神经网络相结合对肝脏CT图像进行交互式分割。首先对图像进行预处理, 突出待分割肝脏区域; 接着计算像素在不同边缘检测算子下的梯度值作为该像素的特征, 形成像素特征向量训练网络: 该网络以一对像素特征向量为输入, 以两像素的关联度系数为输出; 然后将训练好的神经网络模型作为区域生长算法的生长准则, 手动交互选取一点产生分割结果; 最后将分割结果作为原图的交互信息和原图灰度通道连接在一起一同输入全卷积神经网络。实验结果表明: 平均Dice系数达到96.69%, 像素准确率达到99.62%, 平均交并比达到9665%。不同的腹部CT图像序列中肝脏的分割结果表明, 该方法能精确提取肝脏区域, 满足临床应用的需求。

对于隐蔽目标的探测, 雷达技术是常用的手段, 现已发展出探地雷达、穿墙雷达等技术。毫米波具有一定的穿透能力且可以成像, 毫米波辐射计可全天候、全天时工作, 且系统相对体积小、成本低、使用方便, 因而受到越来越多的关注。对于浅埋的金属目标, 提出利用其毫米波辐射成像进行探测, 并利用区域生长法提取图像中的单个感兴趣目标, 依据其辐射温度加权计算目标中心。实验研究表明, 利用该方法处理可探测到浅埋的金属目标, 并提取出感兴趣的单个目标及其特征, 以作为进一步应用的参考。

提出了基于邻域向量主成分分析(NVPCA)图像增强的弱小损伤目标检测方法.该方法将损伤图像中的每个像素和它的8邻域像素看作一个列向量参加运算, 由每个像素生成的所有列向量构建一个9维的数据立方体, 通过PCA变换后中间像素和邻域像素之间不相关, 消除小目标和邻域像素之间的相关性, 这样9维数据立方体的主要信息将集中在第一维, 则变换后的第一维数据为NVPCA图像.另外, 使用局域对比度法对NVPCA图像再一次进行处理后, 获得了较好的图像增强效果.最后, 使用区域增长法将损伤目标从背景中分离出来.实验结果表明, 该方法能够检测损伤大小为1个像素和处于局部亮区的损伤目标, 满足了在线光学元件损伤检测光学系统对于损伤目标精度的要求.