改进的Fast Marching方法在医学图像分割中的应用

Fast Marching方法应用于医学图像分割取得了较好的分割结果,但是Fast Marching方法对边缘比较模糊的图像不能准确完整地分割出来。提出了一种结合像素间信任连接算法和Fast Marching方法的医学图像分割方法,首先用高斯滤波器对图像进行滤波,然后对图像用基于像素间信任连接的算法提取待分割图像中目标区域,取得较大的同质区,最后用Fast Marching方法对图像进行分割。实验结果表明,该方法对边缘模糊和目标内部存在伪边缘的医学图像能取得较好的分割结果。     

基于多尺度颜色小波纹理特征的火焰图像分割

火焰图像分割质量对基于数字成像的燃烧监测十分重要。受炉膛背景及燃烧工况的影响,难以同时满足火焰图像分割速度和准确度（即火焰图像分割结果与真实火焰接近程度）的需求。提出一种基于多尺度颜色特征和小波纹理特征（MCWT）的无监督火焰图像分割方法,用于提高火焰图像分割的质量和速度。结合火焰图像颜色特征及小波纹理特征构建特征矩阵,对特征矩阵进行压缩并初步检测压缩尺度火焰区域。根据压缩尺度火焰边缘确定原始尺度火焰边缘区域并构建火焰边缘区域特征矩阵,进一步分割得到准确火焰图像分割结果。采用该方法对某工业煤燃烧实验炉内不同燃烧工况下的火焰图像进行分割,并与传统分割方法对比。实验结果表明与其他传统分割方法相比,提出方法能够更准确且快速地实现不同燃烧工况下火焰图像的分割,并且其对于含有高斯噪声和椒盐噪声的火焰图像都具有更好的分割效果。     

灰度-梯度共生矩阵模型的加权条件熵阈值法

基于二维灰度直方图的最大熵阈值法是依据“灰度-灰度均值”构成直方图的图像分割方法,该方法着重于图像的内部信息,忽略了边界区域的信息。应用图像的梯度信息建立“灰度-梯度共生矩阵”,构造图像的二维灰度直方图,结合最大条件熵法进行阈值选取。为了充分提取图像内部和边缘信息,提出了二维加权最大熵阈值法。结果表明,该方法一方面能够保留更多的图像边缘信息,另一方面能够根据实际需要调节权值大小,得到兼顾图像内部和边缘信息的分割结果。     

基于最小方差滤波的相对嫡闭值分割方法

基于共生矩阵的相对熵阈值分割法是一类常用的图像分割方法。采用自适应滤波方法构造非对称共生矩阵,对相对熵阈值分割法进行改进,使其更好地适应含噪图像的阈值分割问题。实验结果表明,该方法能更有效地降低噪声干扰,使分割目标更为完整,边缘更加清晰。     

基于局部期望阈值分割的图像边缘检测算法

传统图像边缘特征检测通过梯度算子卷积计算获取梯度图,并根据梯度变化情况设定阈值得到边缘信息,但图像的各局部区域梯度变化不均匀,采用统一阈值分割边缘信息往往会造成获取的边缘信息不准确。本文提出一种基于图像局部区域期望的自适应阈值方法,首先采用Sobel算子获取图像梯度矩阵,然后将梯度矩阵分割为多个子区域,并计算每个子区域的局部期望作为该区域阈值,进行边缘特征提取。实验表明,提出的方法提高了图像主要目标物边缘特征的识别度,区域边缘信息划分准确。     

基于改进的边缘直方图的图像检索方法

利用边缘直方图检索图像,因为人眼并不敏感的细微边缘也参与匹配,所以会影响检索效果。文中提出了一种改进的基于边缘直方图的检索方法,通过阈值把图像分割成目标和背景,利用梯度算子提取目标和背景之间的主要的边缘信息,避免了目标内部或背景内部的细微边缘的影响,更符合人眼的视觉特性。实验结果表明,其检索效果优于基于边缘直方图的方法。     

基于改进的边缘直方图的图像检索方法

利用边缘直方图检索图像,因为人眼并不敏感的细微边缘也参与匹配,所以会影响检索效果。文中提出了一种改进的基于边缘直方图的检索方法,通过阈值把图像分割成目标和背景,利用梯度算子提取目标和背景之间的主要的边缘信息,避免了目标内部或背景内部的细微边缘的影响,更符合人眼的视觉特性。实验结果表明,其检索效果优于基于边缘直方图的方法。     

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达（Synthetic Aperture Radar,SAR）图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。     

一种优化脉冲耦合神经网络模型及在图像分割中的应用

针对目前脉冲耦合神经网络(PCNN)神经元模型参数主要通过人工设定问题,以简化参数为目的将PCNN模型的调制参数β与连接权矩阵K简化为链接系数矩阵W,提出一种优化PCNN神经元模型。该模型应用于图像分割时,充分利用图像本身空间和灰度特性自动确定链接系数,实现对图像的有效分割。实验结果表明,所提方法可以有效对图像进行自动分割,其分割效果优于Otsu方法、人工调整PCNN参数方法。     

基于反对称双正交小波变换的多尺度归一化分割方法

针对工业检测现场拍摄的微电子元件图像产生的模糊和噪声叠加现象,提出基于反对称双正交小波变换的多尺度归一化分割方法.首先通过反对称双正交小波的多尺度边缘检测方法对待处理图像进行平滑、去噪及轮廓提取;然后利用重构后的边缘轮廓、强度值和图像的约束矩阵求得权重矩阵;最后利用谱分割技术得出图像的特征向量,并离散化后得到最终的分割结果。对工业显微镜采集的电路板零件和部分故障图像以及PASCAL VOC2012分割数据集中的图像进行测试,并与归一化割方法、多尺度归一化割方法、最小割/最大流方法和基于约束参数的最小化割方法在精确率、查全率、F-测量、平均绝对误差和运行时间上进行了对比,结果表明,该算法的分割质量更理想.     

基于灰度迭代阈值PCNN的眼底图像血管分割

针对传统的脉冲耦合神经网络（Pulse Coupled Neural Network,PCNN）模型中参数众多且不易自动选取,迭代次数结束条件不好确定的问题,提出了一种基于灰度迭代阈值脉冲耦合神经网络的眼底图像血管分割方法。该方法简化了传统PCNN模型,将其单一的神经元兴奋性链接输入改进为神经元兴奋性与邻域抑制性链接输入之和;同时将其随时间指数衰减的阈值改进为图像的灰度迭代阈值,分割图像时无需人工设置参数,无需特定准则确定最佳迭代次数,一次迭代完成分割。对DRIVE眼底图像库的实验结果表明,该方法在主观视觉效果及客观分割性能和运算耗时上均明显优于传统PCNN方法。     

Simplified parameters model of PCNN and its application to image segmentation

Pulse-coupled neural network (PCNN), which simulates the synchronous oscillation phenomenon in the visual cortex of small mammals, has become a useful model for image processing. In the model, several parameters were usually required to properly set for adjusting the behavior of neurons. However, undesired behavior may occur owing to inappropriate parameters setting. To alleviate this problem, we propose to simplify some parameters of PCNN, and apply it into image segmentation. First, exponential delay factors are abandoned for adjusting the neuron input, and the neural input is then associated with image information as well as pulse output. In addition, neural threshold inherent in PCNN is simplified as an adaptive threshold related to image properties, allowing our model to easily alter the behavior of neurons. Particularly, the characteristic of synchronous pulse is thereby kept by introducing a fuzzy clustering method, instead of linking coefficient for grouping pixels with similarity and spatial proximity through iterative computation. Experimental results on synthetic and real infrared images show that the proposed model has high performance of segmentation. Furthermore, our model has better adaptability for segmenting real-world images when compared with several existing PCNN-based methods and some classic segmentation methods.     

弧焊机器人焊缝图像分割方法研究

提出了脉冲耦合神经网络（PCNN）图像分割的一种新方法,首次使用点火频率矩阵的二值矩阵作为图像分割的最终结果,给出了在此过程指导下PCNN参数选择原则,降低了PCNN对参数的依赖性,提高了图像分割的效果。将该方法运用于石油井架弧焊机器人焊缝图象的识别中起到很好的效果。     

A region-based multi-sensor image fusion scheme using pulse-coupled neural network

For most image fusion algorithms split relationship among pixels and treat them more or less independently, this paper proposes a region-based image fusion scheme using pulse-coupled neural network (PCNN), which combines aspects of feature and pixel-level fusion. The basic idea is to segment all different input images by PCNN and to use this segmentation to guide the fusion process. In order to determine PCNN parameters adaptively, this paper brings forward an adaptive segmentation algorithm based on a modified PCNN with the multi-thresholds determined by a novel water region area method. Experimental results demonstrate that the proposed fusion scheme has extensive application scope and it outperforms the multi-scale decomposition based fusion approaches, both in visual effect and objective evaluation criteria, particularly when there is movement in the objects or mis-registration of the source images.     

一种基于QPSO的脉冲耦合神经网络参数的自适应确定方法

针对目前脉冲耦合神经网络(PCNN)神经元模型中的参数主要通过人工定义的问题,提出一种基于量子微粒群优化(QPSO)算法的PCNN参数自动确定方法,并分析该算法的时间复杂度。该方法利用PCNN分割后的图像熵作为QPSO算法的适应度函数,在解空间中自动搜索PCNN中待确定参数的最优值,提供一种PCNN神经元模型中的参数自动确定方法。将该方法应用于图像分割时,以互信息量作为图像分割评价标准。仿真结果表明文中方法实现正确的图像分割,其性能优于Otsu方法、人工调整PCNN参数方法、遗传算法优化方法和微粒群优化方法,表现出较好的鲁棒性。     

基于改进PCNN和互信息熵的自动图像分割

脉冲耦合神经网络(PCNN)由于其良好的脉冲传播特性在图像分割中得到了广泛应用。针对其需要人机交互通过实验确定其相关参数等问题,改进PCNN模型,以像素对比度作为链接矩阵,以互信息作为迭代终止的判决依据,提出基于改进脉冲耦合神经网络的自动图像分割。实验结果表明,该方法实时性好、自适应性强,分割出的目标轮廓清楚。     

一种改进型脉冲耦合神经网络及其图像分割

文章结合人类视觉系统(HVS)对图像各个区域敏感度不同这一特性,对通常的脉冲耦合神经网络模型(PC-NN--PulseCoupledNeuralNetwork)进行了改进,分析了改进模型的特性及其参数优化原理,提出了一种基于这种改进PCNN的图像分割算法。该算法可根据像素周边区域的灰度梯度大小发放不同值的脉冲,从而自适应地将图像分为多个不同等级的高低信息区域,较好地仿真了人类视觉系统特性。并将该算法应用于图像压缩,在压缩比和重建图像主观视觉感知质量上均达到了较好的性能。     

A coarse-to-fine strategy for iterative segmentation using simplified pulse-coupled neural network

Pulse-coupled neural network (PCNN) has significant characteristics for potential high-performance image processing including image segmentation. However, segmentation accuracy is dependent on the values of network parameters. To overcome the difficulties caused by parameter settings, this paper simplified the original PCNN in terms of input and dynamic neural threshold. In the model, the generalized adjustable neural threshold is defined, and the relationship between parameters and such available information as previous output and image static properties is established. A coarse-to-fine strategy is then employed for further keeping the characteristic of the synchronous pulse, enabling the model to control the behavior of neighboring neurons. This strategy also ensures that the parameters are adjusted properly and facilitates the automatic control of the result through iteration. Finally, experiments on some synthetic and real infrared images show that the proposed model can promote segmentation capability. Furthermore, the proposed model is superior to the traditional thresholding methods and some existing PCNN-based models in terms of segmentation performance and parameter settings.     

基于微分进化的PCNN图像分割方法

脉冲耦合神经网络(PCNN)是一种新型神经网络,可以应用于图像分割。然而在对PCNN的研究应用中,其模型参数的合理确定是个难点,这在很大程度上限制了PCNN的应用。针对这一问题,提出一种基于微分进化的PCNN图像分割方法。该方法使用微分进化算法来实现脉冲耦合神经网络参数的自动设定,并通过将其应用于图像分割,将分割结果与其他优秀分割方法比较,从而验证了该方案的正确性与可行性。     

基于并行点火PCNN模型的图像分割新方法

提出一种并行点火脉冲耦合神经网络(Parallelized firing pulse coupled neural networks, PFPCNN)模型的图像分割方法. 首先用改进的Unit-linking PCNN (ULPCNN)模型对图像进行增强, 便于后续的图像分割. 然后采用PFPCNN新模型对增强后的图像进行分割, 最后用最大香农熵方法判定最佳分割结果. 各种复杂场景下的仿真实验及定量评价表明, 本文提出的图像分割方法, 其效果明显优于常规的PCNN分割方法.