医学图像论文精品(七篇)

序论：写作是一种深度的自我表达。它要求我们深入探索自己的思想和情感，挖掘那些隐藏在内心深处的真相，好投稿为您带来了七篇医学图像论文范文，愿它们成为您写作过程中的灵感催化剂，助力您的创作。

篇(1)

目前，生物医学图像信息技术主要包括生物医学图像传输、图像管理、图像分析、图像处理几方面。这些技术同以前的图像技术、医学影像技术都有一定的联系，其在涵盖以往图像技术、医学影像技术的同时，也具有自身的特点，与传统的图像和医学影像技术相比，生物医学图像信息技术更加强调在医学图像信息收集、处理等过程中应用计算机信息技术。

1.1图像成像

从本质上来看，生物医学图像成像技术（下文简称“图像成像技术”）与医学影像技术的区别并不大，仅仅是人们更习惯将其表达为医学影像。生物医学图像成像技术的研究内容为：利用染色方法和光学原理，清晰地表达出机体内的相关信息，并将其转变为可视图像。图像成像技术研究的图像对象有：人体的标本摄影图像、观察手绘图像、断层图像（如ECT、CT、B超、红外线、X光）、脏器内窥镜图像、激光共聚焦显微镜图像、活细胞显微镜图像、荧光显微镜图像、组织细胞学光学显微镜图像、基因芯片、核酸、电泳等显色信息图像、纳米原子力显微镜图像、超微结构的电子显微镜图像等等。

图像成像技术主要包括2个部分：现代数字成像和传统摄影成像。通常可采用扫描仪、内窥镜数码相机、采集卡、数字摄像机等进行数字图像采集；显微图像采集则可应用光学显微镜成像设备及超微结构电子显微镜成像设备；特殊光源采集可应用超声成像仪器、核磁共振成像仪器及X光成像设备。目前，各种医学图像技术的发展都十分迅速，特别是MRI、CT、X线、超声图像等技术。在医学图像成像技术方面，如何提高成像分辨力、成像速度、拓展成像功能，尤其是在生理功能及人体化学成分检测方面，已经引起了相关领域的重视。

1.2图像处理

生物医学图像处理技术，是指应用计算机软硬件对医学图像进行数字化处理后，进行数字图像采集、存储、显示、传输、加工等操作的技术。图像处理是对获取的医学图像进行识别、分析、解释、分割、分类、显示、三维重建等处理，以提取或增强特征信息。目前，医学领域所应用的图像处理技术种类较多，统计学知识、成像技术知识、解剖学知识、临床知识等的图像处理均得到了较快的发展。另外，人工神经网络、模糊处理等技术也引起了图像处理研究领域的广泛重视。

1.3图像分析及图像传输

生物医学图像分析技术，是指测量和标定医学图像中的感兴趣目标，以获取感兴趣目标的客观信息，建立相应的数据描述。通过计算测定的图像数据，可揭示机体功能及形态，推断损伤或疾病的性质及其与其他组织的关系，进而为临床诊断、治疗提供可靠依据。生物医学图像传输技术，是指应用网络技术，在互联网上开展医学图像信息的查询与检索。通过网上传输图像，在异地间进行图像信息交流，可实现远程诊断。同时，在院内通过PACS（数字医学系统—医学影像存档与通信系统），也能在医院内部实现医学图像的网络传递。

2总结

篇(2)

关键词： 法学基础理论教育 法律认知科学 实验 教学步骤

法学基础理论教育是法学教育的基石，由于其所涉及的理论问题众多，与其他人文社会学科的交叉较多；长期以来，深受哲学、政治学、社会学和历史学的影响；最近一二十年又受到了经济学的重大影响，因此，传统法学教育以讲授、探讨为主，后来受到社会科学的影响，加入了社会调查和经济分析演算的模式。但是，法学教育与自然科学存在一定交叉，也能进行一些实验课程，典型就是犯罪学、侦查学方面的实验研究。在法律心理学方面，不仅能够进行法律心理学的社会研究，还能够进行生理、心理学方面的实验研究，典型的就是从事“法律与认知科学”交叉问题的实验研究。本文以“法律认知科学”（法律认知心理）实验为例，对法律实验问题进行探讨。

法律属于社会科学，作为法律基本理论的法哲学问题则既属于社会科学问题，又属于哲学问题。所以，法哲学属于人文社会科学。法律认知科学是指运用认知科学的一些理论和方法对法哲学的基本问题进行研究；法律认知科学是运用自然科学的方法研究人文社科的法哲学问题，其属于人文社会科学与自然科学的衔接。

与传统的法哲学讲授、讨论的方法不同，法律认知科学也可以采用实验的教学研究方法。但是，法律认知科学实验与自然科学（医学和生物学）实验有本质区别。一般的医学和生物学实验是研究生命体的生理状况和病变的医治问题，而法律认知科学的实验则是运用医学或生物学的手段，研究法律决策中生理心理过程，研究人文社科问题的生理基础。

法律认知科学实验的教学步骤如下。

一、实验之前的课程讲授

1.相关法哲学理论的讲授。法哲学理论的讲授，主要是介绍现有的一些法哲学流派和主要的法哲学观点争议，这为日后提出问题奠定了基础。法律认知科学的实验设计主要是运用生理实验解决法哲学问题或者部门法的主要问题，所以人文社科问题是实验的目的之所在。很多法律认知科学的生理实验流程大同小异，运用的设备相差无几，但是其所解决的法哲学问题却大相径庭，所以，相关的法哲学理论的基础必须夯实，否则实验就是无的放矢。

为了进行“法律认知科学”的实验，就必须让学生选修“法哲学”、“西方法律思想史”和各个部分法的法哲学课程（如“民法哲学”、“刑法哲学”、“诉讼法基础理论”等课程）。为此，我们开设了“西方法理学”和“法哲学”等课程。通过相关法哲学课程的讲授，并组织学生对部分重点问题、争议问题进行详细分析，提炼出核心争议之所在，由此设想日后可以进行实验的粗略方案。这一点也是体现“认知研究”与“治疗研究”之间的区别，体现我们研究的人文社科的目的指向（而非一般的自然科学或医学意义）。此外，我们还为法学硕士生开设了“神经元法学”和“法律认知科学”等课程，对此类问题的探讨更为专业、细致。

2.联系医院的医生前来讲课。由于课程具有跨学科性质，这种课程需要其他学科的知识。而本学科的教师虽然具有一定的跨学科知识背景，但毕竟其主导学科还是法学或法理学，在其他学科方面的学识显然不如这个领域的专家。所以，邀请其他学科的教师或研究人员前来授课就显得很有必要。而对于法律心理实验课程而言，这方面主要是请医院的医生前来上课。这里包含了以下三类，一类是神经科专业的医生，其为我们讲解脑神经系统的相关知识。部分高学历的医生由于拥有系统的硕士、博士乃至博士后的教育和科研知识，甚至还可能从事过“认知”领域的生理研究，就能够从“生理心理学”的“认知”角度为我们讲解实验设计的方案、流程等对实验特别有意义的问题。

3.带领学生前往实验室参观。由于法学专业学生对工科和医科的实验室一般都比较陌生，如果他们对医疗设备或者医学实验室没有相关的认识，就不可能设计出好的实验方案，因此，非常有必要让他们参观实验室或者医疗设备。在参观的过程中，由医务和实验人员进行相关知识的讲解，其中包括仪器、操作流程和仪器软件的介绍。老师和学生甚至可以进一步接触机器，如进入密封的磁共振室，躺入磁共振仪器内模拟作为实验的受试者。这样，他们能够亲身体会到躺在仪器内接受检查或实验者的境况，设计出更加切实可行的实验方案。

从事“法律认知科学”实验的仪器设备与“医学治疗和检查”的实验设备虽然相同，但是依旧存在一些差别。如磁共振机器，一般医学治疗目的进行的检查往往只需要运用“1.5T”级别的机器；虽然这种级别的机器也能运用于“法律认知科学”实验，但是相关实验对仪器的要求往往更高，通常要求是“3.0T”级，此级别仪器在普通医学检查中的运用就比较少；认知科学实验的磁共振仪器甚至使用到高达“12T”级别。

二、带领学生进行实验工作

1.通读实验报告。法律认知科学相关的实验论文很多，必须进行大范围的选题筛选。粗略筛选之后的论文，由任课教师组织学生进行研读。研读的目的有两个，一是看看研究现状，知道他人的研究进程、重点、热点和难点。通过这些研读，我们就能够根据现有的研究进度，选择尚未研究（发表的）而又可能比较重要的一些问题，这些问题就是日后实验选题的大致范围。

二是参考他们的研究手段、流程，对他们的研究方法进行借鉴。现在发表的论文，一般都会大致介绍实验的流程。然而，学术论文毕竟不是实验报告，其更多侧重于问题的提出、解决和分析，流程的介绍往往比较粗糙。当然，部分学术论文也有比较详细的实验流程，对此类论文的仔细研习，就能对实验设计产生比较大的影响。①

2.对主题进行社会科学的探讨。在进行文献研读的基础上，我们能够得出大致的可能的研究“主题”，这时返回法律社会科学领域，以法哲学的视角重新进行审阅，才能更好地获得“生理心理学”和“人文社会科学”之间的自然衔接。在生理自然科学领域可能可以从事实验研究的“主题”，还必须获得“法哲学”、“法社会科学”上的意义。因为，有的问题虽然在自然科学上具有很大的研究价值，然而从人文社会科学的角度看，其意义可能就会大打折扣（或者意义就不那么直接）。此类论文的价值更多是在“治疗性”而非“认知性”。很多人文社会科学（法哲学）的问题虽然意义重大，但从自然科学（生理心理学）的角度看，在现阶段却还缺乏研究该问题的“方法”和“设备”。所以，必须获得二者的协调和平衡。

主题的选定是法律认知科学实验的第一个难点。这个难点意指“我们要解决什么主题”，其既涉及“什么主题十分重要”，又指“对该主题的研究到什么程度”，还指“现在已经具备研究该主题的手段或方法”。

3.组织实验设计。从法律认知科学实验的角度看，组织实验设计的第一步是设计实验方案，这是最重要的一步。设计何种方案、设计何种场景、设计何种问题，以及何种音像、问卷材料，都关系到实验结果的真实与否。这也是法律认知科学实验的第二个难点。我们要设计出一些“场景”或者“问题”，让受试者在这种环境下能更真实地思考或者表达情绪，从而得出比较真实的实验结果。

西方国家在以往的研究中，存在比较巧妙的实验设计，例如对于道德中不公正问题的容忍情况，研究者在最后通牒实验中，部分受试者拒绝接受不公平的分配方案，这是其情绪化的表现。该实验设计如下②：19名（方案接受者，“responder”）接受磁共振扫描，共进行了30轮游戏，对手（方案的提出者，“offer”）部分是人，部分是计算机。每次都涉及10美元的瓜分。对手所提出的方案中，一半是公平的（对半开），剩下的为2次“9比1”，2次“8比2”，1次“7比3”；在这些方案中，方案提出者的分配比例较大，而接受者的比例较小。结果是，对于公平的方案，方案接受者都接受了；越不公平的方案，则参与者的接受率越低，“7比3方案”至“对半开方案”的所有方案（即“5∶ 5”，“6∶ 4”，“7∶ 3”）都被接受了。在“9比1”和“8比2”两种方案中，如果“方案提出者是人”，则其方案的接受率低于“方案的提出者是计算机”。这就意味着方案接受者对于不公平方案存有情感性反应。这种不公平引发的脑区为：两侧前脑岛（bilateral anterior insula）、背外侧前额叶皮层（dorsolateral prefrontal cortex，DLPFC）、前扣带回（anterior cingulate cortex）。这证明了两侧前脑岛（bilateral anterior insula）厌恶不公平，作为负面情感的脑区，其反映出了对于不公平方案的厌恶。诸如此类实验设计非常巧妙，就能够为我们进行相关实验提供设计上的参考或模仿。

4.进行预实验。在实验设计之后，有必要进行预实验，检验实验的可实施程度。这种预实验，可以提升实验者的信心，也可以作为申请相关课题的依据。更为重要的是，预实验还可以检测实验的可行性，对可能出现的问题或缺陷进行适当的修正。

在预实验之后，还必须进行志愿者的招募和筛选。

三、实验操作

实验操作是实验的核心状态。法律认知科学的实验流程具有自己的特殊性，其与医学实验相比通常更简单。其运用的仪器设备有核磁共振（FMRI）、眼动仪和脑电图等，其中核磁共振最为典型。该仪器不仅运用于医学治疗和研究，现在还广泛运用于认知科学的各类研究。核磁共振运用于法律认知科学的研究，主要优点在于其定位非常准确（虽然时间上稍有迟滞）。

由于实验的磁共振仪器操作是高度专业化工作（而且机器极为昂贵），只能由专业的实验技术人员进行操作，因此法学教师和学生不能从事，在此不做详细介绍。

四、实验之后的分析总结

实验之后的分析总结属于实验的后期工作，主要是数据、图像分析，以及人文社会科学分析总结。

1.数据、图像分析。数据分析具有客观性，需要专业的实验工作人员进行数据和图像的分析。法律认知科学实验主要运用核磁共振仪器，对于脑区图像的要求比较高，还需要比较好的核磁共振配套分析软件，对此进行精细的分析。此类软件一般只有磁共振专业技术人员才会使用，由他们进行相关数据图像分析比较科学。如果涉及大量的数据分析和必须建立数据模型，则还需要数学专业人士进行相关的工作。

此外，除了实验工作人员和数学人才外，还需要神经科专业医师或者认知神经学专家对此类数据和图像进行“认知神经心理”方面的分析。这种分析就是我们后期进行人文社会分析和理论化的基础。

2.进行相关的人文社会科学分析总结。与前一步工作的科学性和客观性相比，对实验结果进行人文社会科学的分析总结则具有一定的主观性质。我们需要从已有的数据和图像，根据我们需要解决的人文社科（法哲学）主题进行解读。这种解读是人文社科的解读，是运用实验数据和图像得出人文社科的结论。所以，一定的主观性是原有的实验设计思路和人文社科理论基础的延续。现有实验的理论分析，如道德的情感性实验，就需要根据道德哲学理论进行分析；“先天犯罪人”问题的实验，这就需要根据刑法哲学理论进行相关探讨。

五、注意事项

1.“主题的选定”、“实验设计”和“理论性总结”这三点是整个流程的重中之重。这三点工作如果没有做好，整个实验就是失败的实验。这三点如果做好了，实验获得成功的概率就非常大。

2.法律认知科学的实验需要人文社会科学（法律基础理论）和医学两个大领域（两大领域内还有各个小专业）的工作者进行跨学科的合作，尤其需要强烈的团队合作精神。因为随着知识分工越来越精细，知识总量的迅速膨胀，此类合作需要跨越多个传统学科。一方面，我们跨越的知识领域非常大，另一方面，在各种细微领域却依旧要求保持原有的严谨性（否则就违背科学的客观性）。所以，很难有一个人在多个领域内同时保有各个领域的专业技术水平。因此，为了在多个学科领域内的合作能够维系原有各个学科的严密性，我们只能求助于多学科专业人士之间的合作。这是完成此类工作的最佳模式，所以我们必须组建紧密团结的团队。

注释：

①在认知科学领域，例如以下论文：M.R.DELGADO,H.M.LOCKE,V.A.STENGER,J.A.FIEZ.Dorsal striatum responses to reward and punishment:Effects of valence and magnitude manipulations.Cognitive,Affective& Behavioral Neuroscience，2003，3（1）：27-38.

②Fiery Cushman,Liane Young,Marc Hauser.The Role of Conscious Reasoning and Intuition in Moral Judgment.PSYCHOLOGICAL SCIENCE，2006，（17）：1082-1089.

篇(3)

【关键词】 DR医学图像;变换域;局部增强;直方图均衡;Retinex

Abstract：In order to enhance the image contrast as well as to represent the image details， we propose a new multi-scale contrast enhancement algorithm which separates the low frequency signals and the high frequency signals of the image in logarithmic domain， processes them separately by using HE method and local contrast enhancement. This method integrates HE and local contrast enhancement and finally produces a visually comfortable result image.

Key words：Medical image;Ttransform domain; Local enhancement;Histogram equalization; Retinex

1 引 言

数字X线摄影(DR)图像在医学诊断中有着广泛应用，能够帮助医生发现病灶、提高诊断正确率。但由于人体结构和组织的复杂性，以及数字X线成像系统中X线散射、电器噪声、光量子噪声等各种不利因素的影响，使得DR图像成像效果不尽如人意，影响医学诊断的正确性。因此，对DR图像进行处理是必不可少的。[1]

未经处理的DR图像有如下特点：信息量大，对比度低，细节丰富但湮没不可分辨。另外，图像常常伴有较为明显的椒盐噪声。因此，对于DR图像的图像增强算法，要求能够在提高图像的动态范围、增强对比度的同时，尽可能抑制噪声的放大。

直方图均衡是图像增强处理最为常用的方法之一，是将给定图像的直方图分布映射成为均匀分布的直方图，从而提高图像的动态范围，增强图像对比度。但直方图均衡存在一些缺陷，例如当图像灰度集中于某个灰度值时，经过直方图均衡的图像会出现“洗白”的效果，见图1。另外，基于直方图的图像增强方法利用的是图像的灰度统计信息，并未考虑到图像灰度在空间上相关性。

局部对比度增强方法，能够显著提高图像局部的对比度，但同时对于噪声有放大作用，且对全局对比度的提高没有显著作用。

综合以上考虑，我们提出一个结合局部增强和全局直方图均衡的算法。主要原理是在不同尺度上提取图像细节予以增强[2-3]，并根据Retinex理论对图像照明分量用直方图均衡方法进行处理，最后对上述高低频分量进行混合，使之在图像动态范围得以改善的同时也能增强局部对比度，最终得到较好的视觉效果。

2 算法与分析

2.1 Retinex模型

按照Retinex图像理论[4-5]，一般自然景物的图像f(i，j)可以用照明函数I(i，j)和反射函数R(i，j)的乘积来表示，照明函数描述景物照明，与景物无关;反射函数R(i，j)包含景物的细节，与照明无关。基于该模型，定义理想的图像f(i，j)为：

f(i，j)=R(i，j)×I(i，j)

利用对数函数，可以将两者分开，同时也符合人眼主观亮度近似为客观亮度的对数这一视觉特性。

ln〔f(i，j)〕=ln〔R(i，j)〕+ln〔I(i，j)〕

一般认为，照明分量的频谱落在空间低频区域，通常具有变化缓慢的特性;而反射分量的频谱落在空间高频区域，随着图像细节不同在空间上迅速变化。若物体受到照明度明暗不均时，图像上对应照度暗的部分，其细节就较难分辨。

2.2 局部增强技术

医学X光图像大多存在对比度不足的缺陷，但仅仅利用全局信息的增强技术往往不能够达到很好的对比度增强效果。

局部增强技术是解决该问题的途径之一。一般认为，窗口中心的像素灰阶与窗口邻域中所有的像素灰度值相关[6]。本研究利用局部窗口中像素灰度均值作为基准，计算窗口中心像素灰度与均值的差，并按照一定的拉伸函数对差值进行拉伸，从而增强局部对比度。

y(m，n)=u(m，n)+A(x(m，n)-u(m，n));

其中，u(m，n)表示局部均值，A表示增益系数。增益系数的选择对于图像处理效果也有较大影响。若选择常数作为增益因子，在灰度陡然变化的边缘部分往往会出现伪影，且无法控制噪声的放大。所以，一般将增益因子看成是关于原始图像的函数，找到合适的增益函数较为困难[7]。

经过多次实验，我们采用了幂函数形式的增益函数y=bxa，见图2。

图2 归一化增益函数图像

Fig 2 Normalized gain function figure

通过对a值的选择，可以按不同的曲线对归一化差值进行拉伸。选择a=0.8的曲线(图中红色曲线所示)，使差值较小的部分拉伸幅度较大，而差值较大部分拉伸幅度较小。利用这样的增益函数，使许多被湮没的细节得以显现。

2.3 算法思路与基本步骤

本研究的主要思路，在对数域上[8]对图像在大、中、小三个尺度下进行高频/低频信息的分离，使原图中各个尺寸的结构和细节显现在不同尺度下，并在不同尺度下实行局部对比度拉伸，从而凸显细节。

在此基础上，结合Retinex理论，将最大尺寸下分离出的低频图像看成是原图像的照明分量，对该部分图像进行直方图均衡，使其有较为均衡的灰度分布。

最后对各个尺度下的分量进行混合，映射到灰阶域。基本步骤如下：

(1)对图像进行一次中值滤波，旨在消除图像中明显的椒盐噪声。

(2)利用对数变换ln(·)将原图像x(i，j)转换到对数域T(i，j)。

T(i，j)=ln〔x(i，j)+1〕;

(3)在对数域上，利用均值滤波器实现低通滤波，得到图像的低频部分。

LPL{T(i，j)｝=1L×L∑i+L2m=i-L2∑j+L2n=j-L2T(m，n)

相应的，得到图像高频分量：

HPL{T(i，j)｝=T(i，j)-LPL{T(i，j)｝

高频分量往往体现了图像的细节。考虑到医学DR图像中信息丰富、结构复杂，通过控制滤波窗口大小，分别在大、中、小三个尺度上提取图像细节，并按一定增益系数进行局部对比度增强，以凸显不同尺度的细节。

T′(i，j)=LPL{T(i，j)｝+AL×HPL{T(i，j)｝+

LPM{T(i，j)｝+AM×HPM{T(i，j)｝+

LPS{T(i，j)｝+AS×HPS{T(i，j)｝

(4)结合Retinex理论，可以将大窗口滤波下的低频分量看成是滤去图像细节的照明部分，对这一部分进行修正——直方图均衡，使图像照明分量有更为均衡的灰度分布，则

T″(i，j)=LP″L+AL×HPL{T(i，j)｝+

LPM{T(i，j)｝+AM×HPM{T(i，j)｝+

LPS{T(i，j)｝+AS×HPS{T(i，j)｝

(5)对这三通道增强结果平均，最后利用指数变换将结果变换到灰阶域，得到最终的增强结果。

流程见图3。

图3 算法整体流程图

Fig 3 Flow chart of the algorithm

3 实验结果与分析

图4所示是人体侧脊DR图像在不同处理方法下的效果图。图4(a)为原始图像;4(b)为基于直方图均衡方法处理后的效果图;4(c)为多尺度的局部增强算法处理后的效果图;4(d)是本研究论述的算法处理后的效果图。可以看出，基于直方图均衡方法处理后的图像有明显的动态范围增大，但细节丢失严重，有“洗白”现象发生，无法清晰看到侧脊形态和细节，不利于医生诊断。而图4(c)中多尺度局部增强算法的使用，明显增强了图像局部对比度，对于细节部分表现良好，但图像整体偏暗，人工处理痕迹明显，失去DR图像真实感，视觉上有所欠缺。

而图4(d)，对比((b)、(c)图像，可以发现，本研究论述的方法结合了直方图均衡方法和局部增强两种方法的优点，提高图像动态范围的同时，局部对比度也显著提高，凸显图像细节。

图4(a)原图;(b)基于直方图均衡处理效果图;(c)多尺度局部对比度增强效果图;(d)本文论述算法处理后的效果图。

Fig 4 (a) Original image; (b) Enhancement result by HE method; (c) Enhancement result by multi-scale local enhancement method; (d) Enhancement result by the proposed method of our article

通过滤波器窗口大小的选择，可以对不同尺度细节加以提取增强。医学图像具有其复杂性，不同部位细节尺度不同，应对图像进行分析后，确定细节大小，再决定滤波器窗口大小。图5中胸片(局部)的大中小滤波窗口分别选择为S=11，M=21，L=121。最大的滤波窗口一般选择较大尺寸，将该尺度下的滤波后图像作为照明分量。可以看出，选择合适的滤波器窗口，可以使不同尺度的细节，如胸骨、肺纹理都得到增强。

需要指出的是，窗口越大，均值滤波耗费的时间越长。该算法需要在三个尺度上进行滤波，即使使用了均值滤波的快速算法，依然需要较长时间，以秒为单位计。另外，增益函数的选择也较为困难，本研究中增益函数是在多次实验的经验积累下确定的，不具有自适应性。这两部分需要进一步实验探究。

图5(a)为原图，图5(b)为用本文方法处理后的图像。从图中可以看出不同尺度的细节都得到较好的增强。

4 结论

本研究论述了一种基于人眼视觉特性的多尺度图像增强方法。在多尺度上进行局部增强，并在Retinex理论基础上，结合直方图均衡处理算法对图像进行处理，处理后的图像结合两种算法的优点，有较好的视觉效果，是一种适合于医学DR图像的增强算法。

参考文献

[1]杨词银.基于人眼视觉特性的数字X线医学图像增强方法的研究[D].中国科学院博士学位论文，2003.

[2]Boccignone， Picariello.Multiscale contrast enhancement of medical images[C].Proceedings of the 1997 IEEE International Conference on Acoustics， Speech and Signal Processing (ICASSP '97).

[3]Eli Peli.Contrast in complex images[J].J Opt Soc Am，1990，(7)：10.

[4]Land E and McCann J.Lightness and the retinex theory[J].J Opt Soc Am，1971，61：1-11.

[5]肖燕峰.基于Retinex理论的图像增强恢复算法研究[D].上海交通大学硕士论文， 2007.

[6]Zeyun Yu and Bajaj C，A fast and adaptive method for image contrast enhancement[C].International Conference on Image Processing， 2004.[7]Go Tanaka， Noriaki Suetake and Eiji Uchino.Image enhancement based on multiple parametric sigmoid functions[C].International Symposium on Intelligent Signal Processing and Communication Systems，2007.

篇(4)

[关键词]嵌入式系统；数字图像处理；技术探讨

现今，伴随着信息技术的迅速发展与用户需求的逐年提高，嵌入式系统的应用逐年扩大，已经逐渐的融入到了国民生产的诸多方面。嵌入式系统具体讲，就是一种拥有特定功能的计算机系统。嵌入式系统与网络技术、通信技术有机结合，有效的提高了通信的智能性与灵活性。应用嵌入式系统对图像进行处理，可以显著的提高图像处理系统的数据处理、通信等能力，进而有效的扩大图像处理技术的使用范围，以及对于不同要求与环境的适应能力。应用嵌入式系统进行图像处理，是进行图像处理的新的途径之一。当前图像处理技术应用范围十分广泛，涉及仪表检测安全、消费电子、工业自动化、医学等领域，因此图像处理技术具有十分广泛的应用前景。

1嵌入式图像处理系统特点

1）图像处理系统，具有系统专用的图形用户界面，同时具备运行速度快、简单易用与功能强大的特点。2）图像基础数据库的建立，可以为智能化模式识别技术，诸如图像匹配等提供支持。3）改变了原有的对待处理图像的处理策略与算法，可以依据具体的待处理图像的不同特点，提供有效的图像处理算法，进而提高图像处理的效率与速度。4）对于外部图像的总线结构与输入输出设备等都是采取专用的设备，进而有效的提高了外部图像输入输出设备、中央计算单元的数据交换速度。5）改变了原有的计算机体系结构，应用了嵌入式的专用平台，同时应用图像高速处理器，使图像处理的速度有效的提高，同时也提高了图像处理任务的实时性。

2图像处理系统总体设计

2.1嵌入式图像处理系统

嵌入式图像处理系统，具体由嵌入式操作系统、图像处理算法的应用软件与硬件平台构成。系统的组成结构图具体如图1所示。硬件平台可以为图像处理提供显示、存储器与计算支持，主要采用的是MagicARM2410嵌入式开发平台，同时包括图像存储模块；显示模块；通信模块；嵌入式处理器S3C2410、SDRAM等。

2.2图像处理过程

嵌入式操作系统，可以为底层硬件提供有效的技术支持与管理，诸如可以进行图像处理任务管理；中断管理；内存管理；任务管理；驱动支持等。首先，在系统启动后，经由引导程序启动操作系统，进而完成硬件的初始化。其次，经由操作系统的任务管理模块，进行内存的分配，同时将图像信息存储在存储器的视频缓冲区中。第三，经由软件算法，将显示缓冲区的图像信息，写入到LCD缓冲区，进而实现图像的实时显示。第四，通过图像处理的算法，进行图像的编码与处理，同时进行存储。应用软件可以实现图像处理算法，其主要是针对目标要求编写的专用程序。

2.3系统的功能设计

嵌入式图像处理可以有效的解决在嵌入式环境下实现图像的处理。具体的主要应用模块化设计的方式，将需要系统完成的任务进行功能模块化的设计。在每一个模块中，都包含一类图像处理的操作方法，而且在进行执行时都会调用对应的算法。系统功能模块具体如图2所示，主要分为形态运算；几何变换；图像分析；图像增强。其中图像增强的模块具体又包括：灰度变换调整；直方图修正法；直方图等，具体如图3所示。各大系统模块的下面都会细分图像的处理操作，其余的三个模块的设计形式与图像增强模块的设计具有相似性。

3图像处理系统发展趋势

1）在图像处理系统的内部，主要进行集成软件的开发，对于用户而讲，可以依据自己的需求开发相应的图像处理算法，可以显著的提高系统的效率。2）图像处理系统与网络的结合性逐渐提高，进而实现了图像的远程传输与采集。3）图形处理系统的功能不再完全借助PC与多种辅助设备，而是会集成在一个方便使用的电子设备上。4）伴随硬件设备的进步，图像处理系统的性能逐年提高，因而价格也会逐年下降。

4结语

在嵌入式系统的图像处理技术的基础上，使得图像处理领域中出现了人机用户界面、多种通信模式与网络接口的便捷性。图像处理技术的应用范围越来越广泛，因此，在未来的发展道路上，其必然会朝着网络化、便携性、多任务与多功能的方向发展。伴随着嵌入式操作系统的强大功能，图像处理技术的发展方向必定会更加宽广。

[参考文献]

[1]崔磊,董守平,马红莲.数字图像处理技术的发展现状与展望[M].北京:中国石油大学出版社,2003.

[2]刘禾.数字图像处理及应用[M].北京:中国电力出版社,2005.

[3]杨永敏.嵌入式图像处理系统的研制[D].哈尔滨工业大学硕士学位论文,2006.

[4]杨柯.嵌入式图像处理技术研究及其应用[D].西北工业大学硕士学位论文,2003.

[5]宋延昭.嵌入式操作系统介绍及选型原则[J].工业控制计算机,2005.

[6]严丽平,甘岚.基于嵌入式平台的图像处理系统的研制[J].微计算机信息,2008.

篇(5)

关键词：盲源分离，自然梯度算法，自适应步长

 

引言

在科学研究和工程中，很多观测信号可以看成是不可见的源信号的混合，这意味着源信号和传输信道都是未知的，仅仅由观测信号对未知的传输信道和源信号进行估计的问题称为盲源分离（Blind Signal Separation,BSS），所谓“盲”是指（1）源信号不可观测；（2）混合方式未知。硕士论文，自然梯度算法。BSS技术是当前信号处理领域的一个热点研究问题，在生物医学信号处理、军事雷达技术、通信信号处理中有着广泛的应用[1-3]。硕士论文，自然梯度算法。

在Amari[4]的自然梯度算法中，步长的选择对算法的稳定性和收敛速度有着非常重要的影响。步长越大，算法的收敛速度就越快，但同时会引起算法的稳态失调；步长越小，算法的稳态误差就越小，但同时收敛速度变慢。本文算法在迭代过程中，适时对步长进行优化，使得算法在保证稳态误差的情况下收敛速度大幅提高。

1 线性混叠盲源分离模型

假设有n个相互统计独立的未知源信号，经过未知的传输信道后获得m个观测信号,写成矩阵形式为：

（1）

即，该模型称为盲源分离的线性混叠模型，称为混叠矩阵或者传输信道，t为时间指标。硕士论文，自然梯度算法。盲源分离的任务就是在源信号和传输矩阵A均为未知的情况下，仅仅由对源信号作出估计，通过学习，寻找一个满秩的分离矩阵W使得各分量之间尽可能的独立，依此作为对源信号的一个估计。若全局矩阵[5]的各行各列只有一个元素接近于1，其余的元素皆接近于0，此时估计信号是源信号的一个拷贝。硕士论文，自然梯度算法。

2、Iformax[6]（information maximization）盲源分离算法

Informax算法采用信息传输极大准则，通过调整分离矩阵使得非线性输出与网络输入之间的互信息最大：

图1 Informax 算法原理图

由信息论知识：

（2）

边缘熵： （3）

微分熵： （4）

得到代价函数：（5）

与分离矩阵无关，优化代价函数为：

（6）

即算法通过调整通过调整分离矩阵，使得(5)式极大。

采用自然梯度算法搜索代价函数（5）的极值点：

（7）其中： （8）

第个分量：（9）

称为激活函数，是对源信号的概率密度函数的近似估计。硕士论文，自然梯度算法。

3、改进的自适应步长算法

在信号分离的初始阶段，由于信号之间的强相关性，算法需要使用较大学习速率，以加速信号的分离，到了算法的后期，需要跟踪分离出来的信号，同时还需要捕捉未分离出来的信号，此时较小的步长可以满足需求，以分离出剩余的信号。硕士论文，自然梯度算法。算法收敛时满足：

（10）

计算过程的迭代式为[4]：

（11）

当（9）式成立时，算法的迭代式满足：

（12）

由（11）式可以看出，当[7]取值较大时，则信号分离情况较差，需要较大的步长，算法趋于收敛时，取值趋于0。所以可以依据取值大小调整步长。现有定义如下：

（13） （为源信号个数）（14）

（15）

综合（10）(11)（12）（13）（15），本文的自适应步长算法可以描述为：

（16）

令，设置小的正数，当时算法收敛。

4、计算机仿真

随机选取混合矩阵，两个语音信号为：

图2：源声音信号图

Fig2:Sourcespeech signal

混合后的信号图像为：

图3：混合声音信号

Fig3:Mixture speech signal

还原后的信号图像为：

图4: 还原声音信号

Fig4: Recovery speech signal

串音误差曲线图[8]为：

图5：串音误差曲线图

Fig5: Crosstalk error

5总结：

本文在对自然梯度算法进行分析的基础上，提出了算法迭代过程中步长适时调整的依据，在加快算法收敛速度的同时兼顾稳态误差，通过计算机仿真，本文算法的收敛速度明显优于原算法，且稳态误差较小。

参考文献：

[1]张贤达，保铮.盲信号分离.[J]电子学报，2001，29(12):1766一77.

[2]CardosoJF.Blindsignalseparation:statisticalprinciples.ProceedingofIEEE.[J],86(10):2009-2025,1998.

[3]E.OjaThenonlinearpcalearningruleinindependentcomponentanalysis.[J].NeuroComputing,17(1):25-46,1997.

[4]SAmari.NaturalGradientWorksEfficientlyinLearning.[J].NauralComputation,10,251-276,1998.

[5]CardosoJF.Blindsignalseparation:statisticalprinciples.ProceedingofIEEE.[J],86(10):2009-2025,1998.

[6]RLinsker.Self-organizationinaperceptualnetwork.Computer,[J].21:105-117,1988.

[7]一种改进的步长自适应EASI算法。[J].舰船电子工程，2006，（2），P137

[8]AmariS,CichockiA,YangHH.Anewlearningalgo2rithmsforblindsignalseparateion[J].NeuralInformationProcess2ingSystems,1996,(8):757～763

篇(6)

关键词：遗传算法；肝脏CT图像；图像分割；阈值

中图分类号：TP391文献标识码：A文章编号：1009-3044(2011)04-0864-02

Research on Liver CT Image Segmentation Based on Genetic Algorithm

KONG Xiao-rong1, SHI Yan-xin2, LIU Peng1

(1.Department of Computer Technology，Inner Mongolia Medical College, Huhhot 010059; 2.Department of Mathematics and Physics, Xi'an Technology University, Xi'an 710032, China)

Abstract: Genetic Algorithm (GA) is a global optimization and random search algorithm based on natural selection and genetic mechanism. It is suited to dealing with the tradition searching algorithms which cannot solve difficult and complicated problem. And it have great potentialities. First, this paper discusses fundamental principle and primary features of Genetic Algorithm. And it emphases on image segmentation based on GA. Then applying genetic algorithm to select theproper threshold, and it uses maximum entropy method to process liver CT images by segmentation methods. It obtains the results by segmentation experimentation and analyses the results.

Key words: genetic algorithm; liver CT images; image segmentation; threshold value

遗传算法(Genetic Algorithm, GA)的基本思想来源于Darwin的生物进化论和Mendel的群体遗传学，该算法最早是由美国Michigan大学的John Holland教授于20世纪70年代创建，之后，遗传算法的研究引起了国际组织及学者的关注。遗传算法通过模拟生物的遗传进化过程形成一种全局优化概率搜索算法，提供了一种求解复杂系统优化问题的通用框架，可以不依赖于问题的具体领域[1]。近年来，遗传算法已被广泛应用于函数优化、组合优化、生产调度、自动控制、人工智能、人工生命、机器学习、图像处理和模式识别等多个领域，具有巨大的发展潜力。本文主要介绍遗传算法在医学图像处理方面的应用。

1 遗传算法的基本原理

遗传算法是模拟生物进化和遗传机制发展起来的一种全局优化、随机、自适应搜索算法。它模拟了自然界遗传过程中的繁殖、和变异现象，依据适者生存、优胜劣汰的进化原则，利用遗传算子（即选择、交叉和变异）逐代产生优选个体（候选解），最终搜索到适合的个体。

遗传算法的运算对象是由N个个体所组成的集合，称为群体。遗传算法的运算过程是一个群体反复迭代的过程，这个群体不断地经过遗传和进化操作，每次按照优胜劣汰的进化原则将适应度较高的个体以更高的概率遗传到下一代，这样最终在群体中将会得到一个优良的个体，它将达到或接近于问题的最优解[2]。

遗传算法的求解步骤如下：

1）编码：定义搜索空间解的表示到遗传空间解的表示的映射，两个空间的解需一一对应且编码尽量简明。遗传算法把问题的解也称为个体或染色体，个体通常由字符串表示，字符串的每一位称为遗传因子，多个个体形成一个种群。

2）初始化种群 随机产生N个个体组成一个种群，此种群代表一些可能解的集合。GA 的任务是从这些群体出发，模拟进化过程进行优胜劣汰，最后得出优秀的种群和个体，满足优化的要求。

3）设计适应度函数：将种群中的每个个体解码成适合于计算机适应度函数的形式，并计算其适应度。

4）选择：按一定概率从当前群体中选出优良个体，作为双亲用于繁殖后代，一些优良的个体遗传到下一代群体中，适应度越高，则选择概率越大。进行选择的原则是适应性强的优良个体将有更多繁殖后代的机会，从而使优良特性得以遗传。选择是遗传算法的关键，它体现了适者生存原则。

5）交叉：交叉操作是遗传算法中最主要的遗传操作。对于选中的用于繁殖的每一对个体，随机选择两个用于繁殖下一代的个体的相同位置，在选中的位置实行交换。交叉体现了信息交换的思想。

6）变异：从群体中选择一个个体，对于选中的个体按一定的概率随机选择改变串结构数据中某个串的值，即对某个串中的基因按突变概率进行翻转。变异模拟了生物进化过程中的偶然基因突变现象，遗传算法中变异发生的概率很低。对产生的新一代群体进行重新评价、选择、杂交和变异。

7）终止准则：如此循环往复，使群体中最优个体的适应度和平均适应度不断提高，直至最优个体的适应度满足某一性能指标或规定的遗传代数，迭代过程收敛，算法结束。

2 遗传算法在图像分割处理中的应用

在图像处理中，图像分割是图像三维重建的基础，常用的分割方法包括阈值法、边缘检测法和区域跟踪法，其中阈值法是最常用的方法[3]。图像阈值分割算法是利用图像中目标物体与背景灰度上的差异，根据图像灰度值的分布特性把图像分为不同灰度级的目标区域和背景区域，目前已有模糊集法、共生矩阵法、四元树法、最大类间方差法、最佳直方图熵法、最小误差阈值法等多种阈值分割方法。

遗传算法在图像分割中的作用是：帮助现存的图像分割算法在参数空间内搜索参数，或者在候选的分隔空间内搜索最优的分隔方案[3]。在参数空间内搜索参数主要是指利用遗传算法的全局搜索特性优化现有的阈值分割算法，用于帮助确定最佳分割阈值。

3 基于遗传算法的肝脏CT图像分割

本文基于遗传算法选取阈值，采用最大熵原则对肝脏CT图像进行分割。目的是将图像的灰度直方图分成两个或多个独立的类，使得各类熵的总量最大，根据信息论，这样选择的阈值能获得的信息量最大[4]。在图像的灰度直方图中设定一个灰度阈值，可以把图像分成背景和物体两类区域，这是一般的单阈值选择的情况，而设定N个阈值，可以把图像分成N+1类区域[4]。

最大熵分割方法步骤为：

用p0,p1,…,pn表示灰度级的概率分布，如果把阈值设置在灰度级s，将获得两个概率分布，一个包含1到s间的灰度级，另一个包含s+1到n间的灰度级，这两个分布如下：

其中，与每一个分布相关的熵为：

令: (4)

当该函数取最大值时即为图像的最佳分割，用此函数作为遗传算法中的适应度函数。通过遗传算法的设计步骤，取得最佳阈值，既而对人体肝脏中有病灶组织的CT图像进行分割，得到下面分割处理实验结果。

(a) 原图 (b) 分割结果(c)原图 (d) 分割结果

图1 对有病灶肝脏图像进行分割

通过实验结果可以看到，基于遗传算法采用最大熵原则，对人体肝脏CT图像进行分割，能够使选取的阈值获得的信息量比较大，从而原始图像和分割图像之间的信息量差异最小。因此分割后的图像效果明显，具有一定的优势[5]。

但由于医学图像的复杂性和人体的差异性，对人体同一器官不同状况的图像，无法找出一种最为适合的分割方法处理，必须根据具体情况具体分析，针对图像的特点来选取相应的分割算法，才能较好地解决问题。

参考文献：

[1] 田莹,苑玮琦.遗传算法在图像处理中的应用[J].中国图象图形学报,2007,12(3):389-396.

[2] Hsieh puted Tomography Principle, Design, Artifacts and Recent Advances（中文翻译版）[M].北京:科学出版社,2006.

[3] 徐丹霞,郭圣文,吴效明,等. 肝脏CT图像分割技术研究进展[J].医疗卫生装备,2009,30(3):34-36.

篇(7)

“国家优秀自费留学生奖学金”从2005年设立至今，已评选了三届。该奖项已经成为祖国关爱自费留学生的知名品牌，受到国内外权威媒体和有关人士的普遍关注和广泛赞誉。

广大自费留学生是国家宝贵的人才资源，为了进一步加强他们与祖国的联系，弘扬优秀自费留学人员奋力拼搏的精神，本刊从2006年第1期开始，向广大读者介绍部分获奖者。同时近期我们又开辟了“我的自费留学经历”专题，真诚欢迎更多的自费留学生将你们留学中的酸甜苦辣与心得写给我们。

本栏目联系电话：010-62257722转208

传真：010-62252501

电子信箱：baiyu48@sina．com

叶海涛，2003年获奖者，留学英国。现任英国伦敦大学学院(UCL)纳米研究中心博士后研究员，与劳斯莱斯公司(Rolls-Royce plc)合作共同研发飞机引擎内部的高温功率放大器。1998年西安交通大学本科毕业，曾获得“好来西”企业奖学金、首届美国联合科技公司(UTC)容闳科技教育奖。2000年新加坡南洋理工大学(NTU)硕士毕业，获新加坡Tan Chin Tuan国际交流奖学金及李氏基金(Lee Foundation)。2004年英国伦敦大学博士毕业，主要专业方向为金刚石由子学及纳米器件2004～2005年被聘为日本电信电话株式会社国际研究员，从事单晶金刚石场效应管的研发。现已发表国际期刊论文20多篇及国际会议论文40多篇，多次应邀参加国际学术会议并做大会专题报告。在攻读博士期间，连续三年荣获英国大学校长委员会颁发的海外研究生奖学金(ORS)、英国EPSRC奖学金和香港王宽成奖学金(KCWong)，并被吸收为英国材料学会(IOM3)(2000年)、英国物理学会(10P)(2001年)及英国电子工程师学会(IEE)的会员，(2003年、2006)年当选为旅英中国工程师协会的理事，并应邀成为以色列国家科学基金委的特约评审人。

而立之年的叶海涛表示：“一定不会辜负祖国的期望，不断提升和完善自己，脚踏实地做好每一份工作，心系祖国，愿为祖国的繁荣和发展贡献自己的青春和智慧。”

谢向华，2004年获奖者，留学英国。2000年毕业于上海同济大学环境科学与工程学院，2001年9月赴英国布里斯托尔大学攻读计算机硕士学位，一年后顺利完成“高级计算科学”课程，并获得理学硕士学位。2003年11月开始在布里斯托尔大学计算机科学系媒体计算科研小组攻读博士学位，同时担任“研究助理”一职从事科研工作。2006年3月通过博士论文答辩。自2006年2月起，在布里斯托尔大学计算机系做博士后，从事一项由欧盟委员会(European Commission)资助的旨在开发帮助盲人和视力严重损伤的病人与外界交互的计算机认知系统的研究项目(CASBliP)。其研究主要为立体计算机视觉系统，动态曲线分割模型，计算机材质分析，自动缺陷识别和医学图像。他在计算机视觉与图形处理领域的国际性刊物和国际性学术研讨会上以第一作者发表了10多篇论文。2004年，应美国玛柯尼医疗系统(Marconi Medical System，Inc．)苏里博士的邀请，在《医学图像分析手册高级图形分割与图像注册模型》一书中撰写章节――“区域支持的几何彩色动态曲线分割模型”。谢向华现参与《材质分析手册》一书的编撰工作，该书将于2007年出版。2006年初，他与默曼迪博士的PRINS研究方案得到了英国Levelhulm研究基金会为期两年的资助。他现担任多个国际性学术期刊的评委，并是英国“医学图像分析与认知”年会等多个国际性学术协会的会员。谢向华认为，获得“国家优秀自费留学生奖学金”是祖国对自己在海外多年努力学习的莫大鼓励与肯定，同时也让所有海外的莘莘学子看到祖国对于他们的重视与厚望。在今后的研究工作中，他将继续努力学习尖端技术，为祖国将来的科技发展贡献微薄之力。

姚小军，2004年获奖者，留学法国，研究方向为化学信息学。1994年就读于兰州大学化学系，2002年1月获“促进科学技术研究中法协会信息科学奖学金”资助，作为兰州大学与巴黎第七大学联合培养的博士生，赴法国留学，师从法国巴黎第七大学ITODYS研究所化学信息学和分子模型实验室主任范波涛教授和兰州大学胡之德教授。在范教授和胡教授的共同指导下，主要开展了以下两个方面的研究：(1)新的机器学习算法在QSAR／QSPR中的应用；(2)计算机辅助分子设计。他在国际知名学术刊物上发表了30余篇论文并被多次引用，所做的工作曾多次在国际会议上介绍，得到了同行的广泛好评。留学法国期间，曾获得2002年“法国华人青年企业家协会”教育基金会第二届“优秀中国留学人员奖”和2004年中国国家留学基金委“国家优秀自费留学生奖学金”以及2005年“促进科学技术研究中法协会信息科学奖”。2004年12月获得博士学位。获得学位后，姚小军响应国家西部大开发战略，怀着对母校的深厚感情，决定回到兰州大学，从事教学和科研工作，为国家的西部大开发战略和母校的发展贡献自己的力量。获奖后，他深深地感谢国家对海外留学生的关心和支持。他表示将会继续努力，争取更大的成绩，更好地报效国家。