基于新的形态学梯度参数的DTI图像分割算法

为了解决传统DTI图像分割中更细致边缘信息的丢失问题,提出了新的张量形态学梯度参数,并基于张量相似性形态学梯度和各向异性形态学梯度,采用标记的分水岭算法对DTI图像进行分割.通过对人脑胼胝体图像的分割实验表明,利用新参数TMG-l2和TMG-RA能够更加快速、准确地对DTI图像进行细致边缘轮廓的定位和分割,保护了重要分割区域的边缘信息.     

弥散加权成像在原发性癫痫诊断中的诊断价值

目的:应用弥散加权成像(DTI)分析原发性癫痫(IE)大脑白质弥散张量的改变.方法:对30名原发性癫痫患者以及30名正常对照者,分别行常规T1WI、T2WI、FLAIR序列以及DTI检查,并重建每个受试者的平均弥散系数(ADC)图及部分各向异性(FA)图,分别在双侧海马、额叶、丘脑以及胼胝体膝部、压部测量ADC与FA值...     

基于张量高斯混合模型的SAR图像分割

本文利用SAR图像的灰度、均值、标准差及行和列位置信息等特征组成一个三阶特征张量,结合高斯混合模型,采用贪婪EM算法进行参数寻优,提出一种SAR图像分割方法,即张量高斯混合模型算法。     

基于深度学习网络PSP-NET的前列腺MR图像的分割

为了提高前列腺磁共振图像分割的准确性,文中提出一种新的基于金字塔场景解析网络(PSP-NET)的深度卷积神经网络分割方法。先将三维前列腺磁共振图像经相应的转换工具包得到二维图像切片,然后将二维图像的切片输入基于PSP-NET神经网络进行训练。为了训练网络,从临床科室抽取50个病人的三维前列腺磁共振图像,共5 000张图像切片,其中4 000张切片用来训练,1 000张切片用来测试。实验结果表明,对其中1 000个对象的识别,分割精度达到91.3%,此分割算法与已经提出的算法相比,图像分割精度明显提高,分割用时更少,能够更好地应用于临床诊断。     

基于多阈值归一化分割的模糊图像边缘分割算法

模糊图像边缘的像素特征较为复杂,一般需要采用多个阈值作为分隔约束条件的方法来进行图像边缘分割,但是该方法存在诸如多阈值无法形成统一标准、边缘提取过程需要多次校对,以及效率较低等缺点.提出一种基于多阈值归一化分割的模糊图像边缘分割算法,通过设计超像素网格对模糊图像边缘特征的像素进行匹配,分析模糊图像的反调张量信息,并根据不同张量信息对多阈值进行归一化,以及采用灰度窗口相关系数匹配方法,将获得的多阈值归一化结果分别覆盖图中的单一目标对象,以实现模糊图像的边缘分割.实验表明,利用该算法进行模糊图像边缘分割能较好地获取图像的边缘细节特征,使得边缘具有更好的连线段连通性和宽度一致性.     

基于HEA算法的二维最大相关准则图像分割

针对目前一些算法对于同一图像每次分割得出的阈值不同,存在分割不稳定的问题,提出了一种基于和声五元素算法(HEA)的二维最大相关准则图像分割算法。该算法利用图像目标和背景分布的相关量最大值来选取阈值,并运用 HEA算法优秀的全局搜索能力优化运算速度,提高图像分割的稳定性和质量。实验结果表明本文方法有较好的稳定性,分割效果良好。     

基于2维最大熵最佳阈值算法的图像分割研究

为了提高图像分割的质量,采用2维最大熵最佳阈值方法,首先通过灰度区域确定该域像素的2维随机向量,在准则函数下求得到2维最大熵最佳阈值;接着通过递推优化对2维最大熵最佳阈值计算数据优化处理,减少重复性数据计算量;最后通过分割图像区域与原目标空间位置的互信息量最大准则,把误分割误差函数作为检测分割标准,给出了算法流程;并仿真出了不同算法的图像分割结果。结果表明,该算法得到图像分割的精度较高,没有背景与噪声的残留,保留了图像信息,执行速度快、分割效果视觉好、误分割误差最小。这对提升图像分割效率是有帮助的。     

采用进化规划和最大熵的目标图像分割算法

图像分割是图像处理和计算机视觉中关键技术之一。在分析最大熵法和进化规划算法(EP)基础上,提出一种自动阈值选取的图像分割算法。该算法以图像的最大熵作为适应度值,将图像分割问题看作一个全局数值优化问题,利用进化规划全局寻优和快速计算的特点,搜索一个最佳阈值用于图像分割。仿真结果表明,本方法很好地解决了最大熵法计算量大的缺点,速度快且分割效果好。     

基于DCT 编码图像分割算法研究

针对传统图像分割算法存在的计算量大和实时性能不佳等问题提出了基于DCT编码图像分割算法。该算法的是一种改进的交互式快速分割算法,通过DC系数与AC系数提取出纹理特征,结合自适应的正则化参数构造成一个能量函数。测试结果表明此算法不但分割效果很好,而且算法效率也大大提高。     

基于迭代均值漂移滤波图像分割新算法

图像分割技术在系统计算机视觉领域一直扮演着重要的角色.针对传统的图像分割迭代算法由于过分重视图像分割的精确度,造成算法复杂度大大的增加.为了解决该问题,提出了一种全新的基于迭代均值漂移滤波图像分割方法.算法采用了熵作为停止准则,并使用均值移动跟踪滤波来给出递归实时的分割过程.仿真实验结果表明,提出的迭代均值漂移滤波图像分割能快速的有效的分割图像,不仅可以得到了比较高的分割精度,还大大减少了计算量,一定程度上能够改善图片分割的效率和质量.