针对在立体匹配中弱纹理及纯色区域匹配不准确和图像分割算法耗时较多的问题,提出一种融合图像分割的立体匹配算法。首先,将初始图像进行高斯滤波和Sobel平滑的处理,获取图像的边缘特征图;然后,将原图的红、绿、蓝三个通道值采用最大类间方差法进行二分类,再融合得到分割模板图;最后,将所得到的灰度图、边缘特征图和分割模板图用于视差计算和视差优化的过程,计算得到视差图。相比绝对差值和(SAD)算法,所提算法在精度上平均提升了14.23个百分点,时间开销上平均每万个像素点只多消耗了7.16 ms。实验结果表明,该算法在纯色及弱纹理区域和视差不连续区域取得了更加平滑的匹配结果,在图像分割上能够自动计算阈值且能够较快地对图像进行分割。
针对肺部微小结节难于识别的问题,提出用聚类算法分析肺部感兴趣区域(ROI)的方法。为进一步提高运行速度和识别率,提出全权模糊聚类算法PWFCM,给每个样本及其特征分别赋予权值并引入新的隶属度约束改进收敛性;利用二次聚类策略降低不均衡ROI数据造成的低敏感度。对实际CT影像数据进行测试,实验结果表明:该聚类分析具有高敏感度和低假阳性率,能有效地检测出肺结节。