Average Calibration Losses for Reliable Uncertainty in Medical Image Segmentation
本文提出基于mL1-ACE的可微校准损失，通过硬/软分箱方法提升像素校准，实验显示其能有效降低校准误差并保持高Dice相似系数，同时引入数据集可靠性直方图分析校准与真实准确性的对齐。
2026-03-11 cs.CV
Histogram Assisted Quality Aware Generative Model for Resolution Invariant NIR Image Colorization
Indian Institute of Science Education and Research Bhopal（印度科学教育与研究学院博帕尔）
HAQAGen通过结合直方图匹配、SPADE和Mamba网络，实现分辨率不变的近红外图像到RGB的高质量着色，提升纹理和颜色的真实感。
2026-01-03 cs.CV eess.IV
Benign-Malignant Lung Nodule Classification with Geometric and Appearance Histogram Features
University of Applied Sciences - Wiener Neustadt（维也纳新城应用科学大学）；LAAS-CNRS（法国国家科学研究中心 LAAS 实验室）；Univ de Toulouse（图卢兹大学）
肺癌是全球癌症死亡人数最多的疾病。肺结节的早期诊断对提高肺癌的诊治水平、降低患者的死亡率具有重要意义。这项工作提出了一个自动化系统来分类肺结节的恶性和良性的CT图像。它提出了广泛的实验结果，使用几何和直方图肺结节图像特征和不同的线性和非线性判别分类器的组合。所提出的方法进行了实验验证LIDC-IDRI公共肺癌筛查胸部计算机断层扫描（CT）数据集包含结节水平的诊断数据。所获得的结果是非常令人鼓舞的正确分类82%的恶性和93%的良性结节上看不见的测试数据在最好的。
2016-05-26 cs.CV
Contour Sparse Representation with SDD Features for Object Recognition
计算一维曲线的斜率差分布（SDD）。该算法不仅对计算分割点实现曲线的逻辑分离具有鲁棒性，而且对计算分离曲线各部分的聚类中心也具有鲁棒性。SDD已被提出用于图像分割，它优于所有现有的图像分割方法。为了验证的目的，我们已经取得了比较SDD方法与现有的图像分割方法在Matlab中心免费提供的Matlab代码。物体的轮廓类似于图像的直方图。因此，通过SDD从对象的轮廓进行特征检测也是可行的。在这封信中，SDD功能的定义，他们形成的对象轮廓的稀疏表示。根据SDD特征建立每个目标的参考模型，然后利用模型匹配进行在线目标识别。实验结果非常令人鼓舞。对于手势识别，SDD在两个公共数据集上实现了100%的准确率：NUS数据集和近红外数据集。对于物体识别，SDD在Kimia 99数据集上实现了100%的准确率。
2020-09-03 cs.CV cs.LG eess.IV
Extraction of Facial Feature Points Using Cumulative Histogram
Jahangirnagar University（贾汉吉尔纳加尔大学）；University Claude Bernard Lyon1（里昂第一大学（克洛德·贝尔纳））
提出了一种新的基于累积直方图的自适应算法，通过改变阈值，自动提取正视图中的眉角、眼角、鼻孔、鼻尖和嘴角等面部特征点。该方法首先采用Viola-Jones人脸检测器检测出人脸的位置，并在图像中裁剪出人脸区域。从人脸结构的概念出发，在人脸图像中裁剪出诸如右眉、左眉、右眼、左眼、鼻子和嘴区域的六个相关区域。然后计算每个裁剪后的相关区域的直方图，并通过改变不同的阈值来使用其累积直方图值，以自适应的方式创建新的滤波图像。每个相关滤波图像的感兴趣区域的连通分量表示我们各自的特征区域。对眉、眼、嘴滤波图像采用简单的线性搜索算法，对鼻子滤波图像采用轮廓线算法，自动提取出所需的角点。该方法在不同光照、表情和光照条件下对大型BioID正面人脸数据库进行了测试，实验结果平均成功率达到95.27%。
2012-03-15 cs.CV
A Novel Technique of Noninvasive Hemoglobin Level Measurement Using HSV Value of Fingertip Image
Blood Center of Wisconsin（威斯康星血液中心）；AmaderGram
在过去的十年中，智能手机已经发生了根本性的变化，以支持我们的mHealth技术，云计算和机器学习算法。有其多方面的设施，我们提出了一种新的基于智能手机的非侵入性血红蛋白（Hb）水平预测模型，通过分析指尖视频的色调，饱和度和值（HSV）。在这里，我们收集了来自两个不同地点的60名受试者的60个视频：美国威斯康星州血液中心和孟加拉国AmaderGram。我们提取智能手机摄像头在闪光灯开启时拍摄的视频中所选图像的红、绿、蓝（RGB）像素强度，然后将指尖视频中所选视频帧的RGB值转换到HSV颜色空间，并生成这些HSV像素强度的直方图值。我们对指尖视频的这些直方图值进行平均，并将其视为对金标准Hb浓度的观察。我们根据对两个不同数据集的观察生成两个输入特征矩阵。偏最小二乘（PLS）算法应用于输入的特征矩阵。通过我们的研究，我们在两个数据集中观察到R2=0.95。我们使用Python OpenCV，Matlab和R统计工具分析数据。
2019-10-07 cs.CV eess.IV
Low-Level Features for Image Retrieval Based on Extraction of Directional Binary Patterns and Its Oriented Gradients Histogram
Kuvempu University（库文普大学）
在本文中，我们提出了一种新的方法，图像检索的基础上提取的低级别的功能，使用的技术，如方向二进制编码，Haar小波变换和直方图的有向分量。DBC纹理描述符捕获沿着给定方向的局部区域中的任何相邻像素对之间的空间关系，而局部二进制模式描述符考虑给定像素与其周围邻居之间的关系。因此，DBC比LBP及其变体捕获更多的空间信息，也比LBP提取更多的边缘信息。因此，我们采用DBC技术，以提取灰度级纹理特征，从每个RGB通道单独和计算的纹理图进一步结合起来，代表颜色纹理特征的图像。然后，对提取的彩色纹理图和原始图像进行Haar小波分解.最后，我们利用方向直方图对小波变换后图像的形状和局部特征进行编码，以实现基于内容的图像检索。该方法的性能进行了比较，与现有的方法在两个数据库，如王的corel图像和加州理工学院256。评价结果表明，我们的方法优于现有的方法进行图像检索。
2015-03-12 cs.CV cs.IR
Deep Image Compositing
Technical University of Munich（慕尼黑工业大学）
在图像编辑中，最常见的任务是将对象从一个图像粘贴到另一个图像，然后最终调整前景对象与背景对象的表现形式。这个任务称为图像合成。但图像合成是一个具有挑战性的问题，需要专业的编辑技能和相当多的时间。不仅这些专业人员的雇佣成本很高，而且用于完成这些任务的工具（如Adobe Photoshop）的购买成本也很高，这使得没有这种技能的人很难完成图像合成的整体任务。在这项工作中，我们的目标是通过使合成图像看起来逼真来迎合这个问题。为了实现这一点，我们使用生成对抗网络（GANs）。通过使用应用于图像的各种滤波器和特殊的损失函数来训练网络，该模型能够解码图像的前景和背景部分的颜色直方图，并且还学习将前景对象与背景混合。图像的色调和饱和度的值起着重要的作用，本文讨论。据我们所知，这是第一个使用GANs进行图像合成任务的工作。目前，没有可用于图像合成的基准数据集。因此，我们创建了数据集，并将数据集公开用于基准测试。在该数据集上的实验结果表明，我们的方法优于所有当前最先进的方法。
2021-03-29 cs.CV
Controllable Lung Nodule Synthesis via Histogram-Regularized Latent Diffusion Models
Johns Hopkins University（约翰霍普金斯大学）；Department of Radiology and Nuclear Medicine, University Medical Center Mannheim, Heidelberg University（放射学与核医学科，曼海姆大学医学中心，海德堡大学）
提出一种直方图正则化潜扩散模型，通过结合亚型、空间掩码和HU直方图条件以及可微特征空间直方图正则化项，在3D CT体积中合成肺结节，以准确建模结节特异性强度分布，提高视觉真实感和亚型一致性。
2026-05-28 cs.AI cs.CV cs.LG
A framework for quantitative analysis of Computed Tomography images of viral pneumonitis: radiomic features in COVID and non-COVID patients
Università degli Studi di Milano（米兰大学）；ASST Grande Ospedale Metropolitano Niguarda（ASST 大都会大医院尼瓜达）；INFN Sezione di Milano（意大利国家核物理研究院米兰分部）
目的：优化在COVID-19大流行危机期间实施的临床数据收集和CT图像处理流程，并为不同的病毒性肺炎开发人工智能模型。方法：对1028例痰涂片阳性患者的胸部CT图像进行自动分割，提取肺部信息。应用Python语言开发的高斯模型，根据每张图像的两个肺和四个几何细分中肺CT数的直方图分布，计算描述肺的通气良好和病变部分的定量指标（QM）。此外，使用PyRadiomic工具从双侧肺提取一阶和二阶放射组学特征（RF）。使用QM和RF开发了4种不同的多层感知器（MLP）分类器，用于区分COVID（n=646）和非COVID（n=382）病毒性肺炎患者的图像。结果：高斯模型应用于肺部CT直方图，正确描述了94%的患者的健康实质。作为受试者工作曲线的积分，COVID诊断模型的准确度在0.76-0.87之间。最佳诊断性能与基于一阶和二阶RF的模型相关，LASSO回归后具有21个相关特征，4倍交叉验证后的准确度为0.81 $\pm$ 0.02结论：尽管这些结果是用来自单中心的CT图像获得的，但开发并优化了从CT图像提取有用定量指标的平台。开发了四种基于人工智能的模型，用于对COVID和非COVID病毒性肺炎患者进行分类，并进行了比较，显示出整体良好的诊断性能
2021-09-28 cs.CV eess.IV physics.med-ph
MRF-based Background Initialisation for Improved Foreground Detection in Cluttered Surveillance Videos
NICTA；The University of Queensland（昆士兰大学）
通过背景建模的鲁棒前景对象分割在杂乱的环境中是一个困难的问题，其中获得清晰的背景视图来建模几乎是不可能的。在本文中，我们提出了一种方法，能够鲁棒地估计在这样的环境中的背景和检测感兴趣的区域。特别是，我们建议扩展最近的补丁为基础的前景检测算法的背景初始化组件与精心设计的技术的基础上马尔可夫随机场，其中最佳的标签解决方案是使用迭代条件模式计算。而不是纯粹依赖于本地的时间统计，所提出的技术考虑到整个背景的空间连续性。CAVIAR数据集上的几种跟踪算法的实验表明，所提出的方法导致相当大的改善，在目标跟踪精度相比，基于高斯混合模型和特征直方图的方法。
2014-06-19 cs.CV
Analysis of proposed PDE-based underwater image enhancement algorithms
University of Nigeria Nsukka（尼日利亚恩苏卡大学）
本文介绍了基于偏微分方程（PDE）的水下图像增强算法的实验分析。该算法执行同时平滑和增强由于这两个过程的组合内的PDE制定。该框架使合适的颜色和对比度增强算法在一个统一的功能。配方的其他修改包括流行的对比度限制自适应直方图均衡（CLAHE）与建议的方法相结合。这种修改使得混合算法能够提供局部增强（由于CLAHE）和全局增强（由于所提出的对比度项）。此外，CLAHE限幅参数在每次迭代中动态计算，并用于衡量CLAHE在公式中执行的局部增强量。这使得算法能够减少或防止噪声伪影的增强，如果存在噪声伪影，则也通过PDE公式内的各向异性扩散项来平滑。换句话说，修改后的算法结合了CLAHE、AD和对比项的强度，同时最小化它们的弱点。最终，该系统使用图像数据指标进行优化，以实现视觉和定量结果之间的自动增强和折衷。实验结果表明，该算法实现了光照校正、色彩增强校正与恢复、对比度增强和噪声抑制等一系列功能。此外，所提出的方法超过了文献中发现的大多数其他传统算法。
2016-12-14 cs.CV
Kidney and Kidney Tumor Segmentation using a Logical Ensemble of U-nets with Volumetric Validation
College of Biomedical Engineering, Rangsit University（兰实大学生物医学工程学院）
自动医学图像分割是计算方法的优先研究领域。特别是，癌性肿瘤的检测代表了该领域当前的挑战，具有现实世界影响的潜力。本文描述了一种为响应2019年肾脏肿瘤分割挑战（KiTS 19）而开发的方法。来自210名肾癌患者的轴向计算机断层扫描（CT）扫描被用于开发和评估这种基于全卷积网络（FCN）架构的逻辑集成的自动分割方法，然后进行体积验证。使用传统的计算机视觉技术，阈值化，直方图均衡化，形态学操作，居中，缩放和缩放对数据进行预处理。训练三个二元FCN分割模型，分别对肾脏和肿瘤（2）以及仅对肿瘤（1）进行分类。对模型输出图像进行堆叠和体积验证，以生成每个患者扫描的最终分割。使用预处理图像和注释计算肾脏和肿瘤像素分类的平均F1评分为0.6758;尽管恢复到原始图像格式降低了该评分。这与其他解决方案相比如何，还有待观察。
2019-08-07 cs.CV eess.IV
Segmentation of Skeletal Muscle in Thigh Dixon MRI Based on Texture Analysis
Instituto de Telecomunicações（电信研究所）；Universidade da Beira Interior（贝拉内格罗大学）
磁共振图像（MRI）中骨骼肌的分割对于肌肉生理学研究和肌肉病理诊断是必不可少的。然而，大MRI体积的手动分割是一项耗时的任务。MRI中肌肉分割算法的最新技术仍然不是很广泛，并且在一定程度上依赖于数据库。本文提出了一种基于局部纹理特征的AdaBoost分类的自动分割方法。纹理描述符由方向直方图（HOG），基于小波的功能，和一组统计测量计算的原始和高斯滤波的灰度MRI的拉普拉斯。分类器的性能表明，纹理分析可能是一个有用的工具，设计一个通用的和自动化的MRI肌肉分割框架。此外，本文还描述了一种基于图谱的个体肌肉分割方法。在使用适当的仿射变换进行图像对准之后，通过覆盖由放射科医师提供的肌肉分割地面实况来获得图谱。然后，它被用来定义AdaBoost二进制分割的肌肉标签。当获得准确的肌肉组织分割时，所开发的图谱方法提供了合理的结果。
2019-04-09 cs.CV cs.LG
Joint-ViVo: Selecting and Weighting Visual Words Jointly for Bag-of-Features based Tissue Classification in Medical Images
医学图像中感兴趣区域（ROI）的组织类型自动分类是计算机辅助诊断（CAD）中的一个重要应用，如乳腺X线照片中的乳腺实质组织分类、高分辨率计算机断层扫描（HRCT）中的肺部疾病模式分类等。在本文中，我们研究使用袋的功能策略，在医学成像应用中的组织类型进行分类。这里考虑了两个重要的问题：视觉词汇学习和加权。虽然已经有很多算法来处理它们，但它们都是独立处理的，即先学习词汇，然后直方图加权。受联合学习特征和分类器的Auto-Context的启发，我们尝试开发一种联合学习词汇和权重的新颖算法。新算法称为Joint-ViVo，以迭代方式工作。在每次迭代中，我们首先通过最大化ROI三元组的边缘来学习每个视觉词的权重，然后基于学习到的权重为下一次迭代选择最有区别的视觉词。我们测试我们的算法在三个组织分类任务：识别脑组织类型的磁共振成像（MRI），分类肺组织的HRCT图像，并分类乳腺组织密度在乳房X线照片。实验结果表明，Joint-ViVo算法能够有效地对组织进行分类。
2013-04-05 cs.CV stat.ML
A Domain Adaptation Model for Carotid Ultrasound: Image Harmonization, Noise Reduction, and Impact on Cardiovascular Risk Markers
Umea University（于默奥大学）
本文提出基于GAN的颈动脉超声图像到图像翻译模型，通过协调与降噪实现跨设备域适应并保留解剖结构，性能优于CycleGAN，但可能影响GSM等下游风险标志物。
2024-07-06 cs.CV eess.IV
