论文部分内容阅读
随着智能概念的普及,越来越多的终端设备开始向智能化转型,图像处理技术作为转型过程中必不可缺的核心技术,得到飞速发展。而能够基于视觉感知的图像特征,因为其信息冗余度低,节约计算成本,和人类观察事物的响应相似等特性,成为研究图像处理领域问题的热点。 在自然图像处理过程中,图像会不可避免地产生信息丢失和外部信息引入,导致图像失真,所以为了改进图像处理过程对图像质量的影响,必须引入图像质量评价体系作为反馈。同时在医学图像处理过程中,确认图像中病灶区域的位置和分析病灶成因,往往需要医生付出巨大精力,特别是本文涉及的无线胶囊内窥镜,这种技术会产生大量的图像,单纯依靠人力分析,耗时太大,所以实现自动检测病灶区域的技术势在必行。本文在这些需求的基础上,对基于视觉感知的图像质量评价和医学图像分割进行了深入研究,提出了针对不同感知特性的特征提取方法,具体内容如下: (1)提出了一种融合Gabor滤波器和独立子空间分析的无参考图像质量评价算法来模拟视觉感知特性。首先Gabor滤波器可以提取多尺度多方向的人眼视觉特征,模拟了视觉神经V1区的感知过程,然后提取的多尺度多方向特征再经过独立子空间分析,加深了特征之间的独立性和非线性,模拟了视觉神经更高维度V2区的感知过程。最后度量出这些特征分布与基于未失真图像训练出来的普适分布之间的差异,映射到人眼图像质量评价的客观分数上。基于LIVE图像数据库的实验结果表明提出的方法与当前主流的方法相比,其性能表现优秀,同时非常好的模拟了人眼对各种失真类型的感知。 (2)提出了一种基于图像显著性的分割方式,这里的显著图主要由三种人眼感知的出血点特征显著图融合得到。一种是利用log-Gabor滤波器提取的基于相位一致性的边缘特征,因为医生能够勾画出病灶区域,必然是病灶区域与正常组织之间有明显的边缘界限;一种为利用灰度直方图提取的形状特征,因为出血点相对于整个出血图像来说,区域非常小;一种是基于红色成分比例的颜色特征,因为出血点相对于正常组织,颜色暗红。这三种感知特征,是医生分析勾画病灶区域的重点观察特征,本文的分割算法正是模拟了这一过程,最后将三种显著图融合成用于自动分割病灶的显著图。基于安翰提供的出血点数据库的实验结果表明,这种显著图的正确性达到98.3%,敏感性达到78.8%,特异性达到99.1%。