引入判别准则的主动轮廓分割模型

基于区域信息的主动轮廓模型应用在图像分割中,难以使初始轮廓线的鲁棒性和分割强度异质图像的能力实现有效统一。针对这一缺陷,根据Fisher判别准则,在基于全局区域信息和局部区域信息的主动轮廓模型的基础上,对局部区域信息项进行了变换以及引入了判别准则,得到了一种改进的基于区域信息的主动轮廓模型。改进的模型不仅增强了初始位置的鲁棒性,而且可以有效处理强度异质图像,通过实验检验了该模型的性能。     

一种改进的交互式医学图像序列分割方法

本文介绍了一种结合live wire算法和活动轮廓模型的医学图像序列的分割方法.我们通过把live wire算法和图像分割中一般的区域增长方法结合来改进live wire算法,并用改进后的算法来对医学图像序列中的单张或多张切片进行交互式的准确分割.然后计算机利用活动轮廓模型来自动分割相邻的未分割切片.我们通过在活动轮廓模型的边缘点中引入记录已分割物体边缘附近局部区域特征的灰度模型来把已分割切片中的物体与背景的局部区域特征带入相邻的未分割切片中,并用由灰度模型定义的区域相似性代替活动轮廓模型中的外能来引导边缘轮廓收敛到物体的实际边缘.本文还介绍了一种基于live wire算法思想的简单的分割结果交互式修补方法.实验表明我们的算法仅需少量用户交互就能快速准确的从医学图像序列中分割出感兴趣的物体.     

X射线图像和CT图像的多维配准

在本文中,我们提出了一种基于Chamfer3-4距离变换和Powell优化的方法,用于X射线图像和CT图像间的配准.该方法首先从X射线图像中分割出目标物体.通过使用投影模型和优化方法,得到了准确的投影矩阵.该方法同样被用于医学介入手术中,处理从三维图像工作站中获取的主动漫游的数据.     

基于SVM能量模型的改进主动轮廓图像分割算法研究

为克服经典主动轮廓模型曲线内外区域能量定义在复杂目标与背景分布情况下的不足,本文将高效的支持向量机有监督学习分类器引入基于Mumford-shah模型的主动轮廓图像分割算法中,提出了基于SVM能量模型的改进主动轮廓图像分割方法.该方法首先利用支持向量机的分类结果对于封闭曲线的内外区域分别构造了一种新的图像能量表示方法,因为分割过程充分利用了有监督学习策略,使得本文提出的算法具有更高的稳定性和更加广泛的适用范围,特别是对目标灰度分布不均或存在多纹理的目标也可以得到较好的分割结果.分割时,首先利用SVM实现粗分割得到目标初始轮廓,然后利用改进的Mumford-shah主动轮廓模型进行精确分割,采用粗分割策略一方面可以大大提高分割速度,另一方面也可以提高了算法的自动化程度.对比实验结果表明本文提出的算法具有更大灵活性和更好的分割性能.     

基于显著性区域的图像分割

在经典的Chan-Vese模型中结合显著性分析,提出了一种有效的目标分割方法.即首先利用频谱残差方法提取图像的显著性区域,针对阈值分割方法的缺点使用改进的自适应阈值分割方法获取目标的大致轮廓,并以此轮廓作为Chan-Vese模型中初始曲线.该方法使得活动轮廓可以从靠近目标物体的位置进行演化,去除复杂背景的干扰.这样就解决了背景复杂时无法得到较为准确的边缘的问题;同时,也减少了CV模型的迭代次数.实验结果表明无论是背景复杂的灰度图像还是医学彩色图像,该算法的分割精度和运行效率都优于CV模型.     

引入光流法的活动轮廓模型

本文在活动轮廓模型的基础上，引入了“图象统计势能”和光流法，提出了一种新的图象分割方法，该方法改进了活动轮廓模型的一些不足，能准确地检测出物体轮廓边界，且分割结果对初始位置不敏感，同时提高了对运动速度较快的物体轮廓检测的正确性，实验结果证实了该方法的有效性。     

基于GVF Snake模型的设备内壁图像轮廓提取

主动轮廓模型主要用于计算机视觉与图像处理,尤其是用于检测对象的边界,是目前流行的图像分割算法,其主要优点是无论图像的质量如何,总可以抽取得到光滑、封闭的边界.通过使用梯度矢量流(Gradient Vector Flow,GVF)主动轮廓模型对设备内壁图像进行分割,克服了传统主动轮廓模型不能检测目标凹陷处,初始轮廓必须靠近物体边缘,以及收敛速度较慢的缺点.实验结果表明该算法不仅可以获得较好的设备内壁图像分割效果,而且能提高轮廓提取的速度,为标定设备内壁有损部位的几何参数提供良好的环境.     

一种快速有效的交互式医学序列图像分割方法

提出了一种结合Live-Wire算法、种子填充以及轮廓插值的序列医学图像分割算法。该方法首先将病灶组织形状变化较大的断层图像作为关键层,然后综合应用Live-Wire算法和种子填充对关键层中病灶区域进行分割,最后利用轮廓插值技术对中间的过渡图像进行自动分割。实验表明这种算法能快速有效地从序列医学图像中分割出感兴趣的物体。     

一种基于三维直方图的改进C-V模型水平集图像分割方法

对Chan-Vese提出的基于简化Mumford-Shah模型的水平集图像分割方法(C-V模型)做了改进.传统的C-V模型仅将灰度同(homogeneity)作为区域分离准则,这使其对于对比度明显的图像能够取得很好的分割结果.但单一的分离准则往往致使其在分割噪声信息丰富的、灰度分布复杂的医学、遥感以及自然图像等时产生大量的冗余轮廓.为此,本文在改善C-V模型全局优化特性的基础上,整合图像的灰度分布信息、邻域空间信息以及图像所固有的模糊信息构造三维向量(灰度值、模糊均值和模糊中值),提出了一种基于三维直方图的改进C-V模型水平集图像分割方法.自然图像和红外光学图像的试验结果证明了该方法的有效性.     

基于自适应多尺度与轮廓梯度的遥感图像分割网络

遥感图像分割算法易受环境因素干扰，如物体遮挡、光照不均匀等。现有的深度学习遥感图像语义分割方法通常采取端到端的编解码结构，但针对相似度较高物体的结构和轮廓，仍存在分割不准确的问题。为了提高算法鲁棒性、分类准确率，提出一种基于轮廓梯度学习的深度卷积神经网络遥感图像语义分割算法。为了提高预测特征图的质量，首先基于SegNet模型，提出自适应注意力的多通道多尺度特征融合网络（D-MMA Net），其中D-MA block采用基于注意力的自适应多尺度模块，根据学习到的权重自适应地对不同尺度特征进行提取，以获得更多有效的高级语义特征。为进一步细化提取物体的边界，基于Sobel边缘检测算子原理提出可学习的轮廓提取模块。最后将轮廓信息与多尺度语义特征相结合，以增强对图像空间分辨率的鲁棒性。实验结果表明，所提算法提高分割的准确率，对于不规则物体边界，能有良好的分割效果。     

基于全卷积网络的遥感图像自动云检测

气象卫星图像云检测是气象预报领域中的一项重要任务。包含降水预测,气象灾害预测在内的若干气象预报任务都依赖精确的云检测结果。依据气象卫星遥感图像数据,本文提出了一种基于全卷积网络模型的遥感图像云分割算法,实现了高分辨率、大尺度、多通道遥感图像的云分割。我们的算法包含: 1)图像分块;2)块状图像分割;3)分割图像拼接三个主要步骤,实现了像素级精度的云分割。相比传统算法,我们的算法不依赖人工经验,完全由数据驱动,并在极端数据情形下具有更好的鲁棒性。测试数据结果显示,我们的算法能够满足气象预报的需要,且具有商业应用的潜力。      

基于3D区域增长法和改进的凸包算法相结合的全肺分割方法

肺实质分割结果的准确性在实际临床应用中具有非常重要的意义。但由于肺结节的位置、大小、形状的不规则性,肺部病变的多样性,以及人体胸部解剖结构的明显差异等,使得各类分割方法不能统一地适用于所有的胸部CT图像,所以对于肺实质分割方法的研究仍具有很大的挑战。该文在国内外研究分析的基础上提出基于3D区域增长法与改进的凸包修补算法相结合的全肺分割方法。在3D区域增长法的粗分割基础上,对分割的结果进行细化工作,通过连通域标记法与形态学方法相结合去除气管和主支气管,得到初步的肺实质掩膜,最后应用改进的凸包算法对肺部轮廓进行修补平滑,最终得到肺部分割结果。通过与凸包算法及滚球法相对比,证明该文所提改进的凸包算法能够有效地修补肺部轮廓凹陷,修补后的结果分割精度较高。     

Adaptive Energy Weight Based Active Contour Model for Robust Medical Image Segmentation

The performance of the traditional active contour model is subject to the energy weight parameters and initial level set functions, which significantly affect the accuracy of segmentation results. This paper proposes a new robust active contour model to eliminate the above limitations for both 2D single-object and multi-object medical image segmentation. The optimal values of energy weight parameters are defined with adaptive energy weight functions to adjust the contribution of each external energy term dynamically. Thus, the energy functional will not be controlled by the large external energy terms, otherwise boundaries leakage would occur. The initial level set functions are optimized with the coarse results obtained by fuzzy C-means clustering method. The evolution of level set functions starts from the locations near the true boundaries. Therefore, the deformable curves could converge to the true boundaries robustly. The proposed algorithm is verified using both synthetic images and medical images from different modalities. The experimental results demonstrate that the proposed algorithm could realize accurate and robust segmentation for medical images even in the presence of noises and weak boundaries.     

一种具有平滑轮廓的指纹图像分割算法

针对指纹图像预处理过程中的需要,提出了一种有效实用的基于指纹轮廓线的指纹图像分割算法.首先,在基于像素水平的指纹图像预分割后,得到一块连通的前景区域.然后,用一种改进的近似凸壳算法修正轮廓线.实验证明,该算法具有较高的稳健性和精确度.     

一种医学图像序列的交互式分割方法

介绍了一种改进的live wire和轮廓插值技术相结合的医学图像序列分割方法。在这个方法中,先运用分数阶微分算子代替传统的Sobel、Canny等算子构造新的代价函数,对live wire算法进行改进,并用改进的live wire算法对医学图像序列中的关键层切片进行交互式的准确分割;然后根据这些关键层切片的分割结果,采用非线性的轮廓插值技术对中间层切片进行自动分割;最后,对分割后的医学图片序列进行交互式修正。实验表明该文提出的方法仅需少量的人机交互就能从医学图像序列中分割出感兴趣的物体。     

Application of SVM and its Improved Model in Image Segmentation

In the research and application of images, people are often only interested in the foreground or specific area of the image, so it is necessary to extract the specific area from the image, and image segmentation technology is the key to solving this problem. Aiming at the complex background and the color image with unclear target contour as the target image to be segmented, this paper first uses the texture and color of the image as the feature vector, and proposes an image segmentation algorithm based on SVM. The experimental results show that the segmentation accuracy is 91.23%. Secondly, in order to improve the accuracy of segmentation, the SVM algorithm is improved. The improved SVM algorithm is based on the grid search method to optimize the parameters C and g in the SVM. At the same time, the HIS color channel is added to the feature vector to obtain more Excellent SVM image segmentation model. Finally, the color image segmentation is verified and compared with the standard SVM algorithm. The experimental results show that the accuracy rate of the improved SVM algorithm reaches 97.263%, which improves the segmentation efficiency. It is verified that the improved model proposed in this paper can effectively segment complex color images.

     

结合Gabor纹理特征的局域化多通道水平集分割方法

本文提出了一种局域化多通道主动轮廓模型的图像分割算法.针对纹理特征比较明显的图像,通过Gabor滤波提取纹理特征,与图像灰度信息构成多通道.考虑到演化过程中曲线内部和外部特征属性不均匀,引入局域化思想,通过计算各像素在局部区域的最小能量得到图像分割结果.最后算法结合先验形状对有遮挡目标进行分割,并能得到理想结果.大量实...     

基于模糊阈值和水平集的红外图像分割方法

针对阈值法分割红外图像易产生误分割和水平集分割方法受初始曲线限制大,提出了一种结合模糊阈值与水平集的自适应红外图像分割方法。该方法首先采用二维Otsu方法计算阈值,利用该阈值获取模糊阈值分割法中的窗口宽度,使模糊阈值分割法具有自适应性;然后采用此自适应模糊阈值分割法预分割红外图像,利用预分割结果自动获取水平集初始曲线;最后将Chan-Vese方法与Shi方法结合提出改进的水平集方法,并用此方法分割红外图像。实验结果表明,本文方法具有较好的分割效果和较强的鲁棒性。     

Design and Analysis of an Efficient Evolutionary Image Segmentation Algorithm

Evolutionary image segmentation algorithms have a number of advantages such as continuous contour, non-oversegmentation, and non-thresholds. However, most of the evolutionary image segmentation algorithms suffer from long computation time because the number of encoding parameters is large. In this paper, design and analysis of an efficient evolutionary image segmentation algorithm EISA are proposed. EISA uses a K-means algorithm to split an image into many homogeneous regions, and then uses an intelligent genetic algorithm IGA associated with an effective chromosome encoding method to merge the regions automatically such that the objective of the desired segmentation can be effectively achieved, where IGA is superior to conventional genetic algorithms in solving large parameter optimization problems. High performance of EISA is illustrated in terms of both the evaluation performance and computation time, compared with some current segmentation methods. It is empirically shown that EISA is robust and efficient using nature images with various characteristics.     

基于图割的单水平集迭代终止算法

针对C-V模型中变分水平集优化方法存在的最佳迭代次数难于确定,且容易陷入局部最优等不足,借鉴图割算法在较短时间内能得到全局最优的优势,提出一种基于图割的单水平集迭代终止算法.首先在目标区域设定一条初始轮廓线,采用无须重新初始化的C-V模型对轮廓线进行迭代,当轮廓线内部面积变化值小于预先给定的阈值时终止迭代,然后将此轮廓线作为图割算法的初始轮廓线进行图像分割.实验结果表明,该方法较原始C-V模型大大缩短了迭代时间,稳健性更高,具有较好的图像分割效果.