基于改进Graph Cuts的印刷电路板CT图像分割算法

基于锥束CT的印刷电路板PCB无损检测是近年来出现的新的PCB检测手段,但是CT图像中普遍存在的金属伪影容易导致PCB图像的错误分割。为了抑制金属伪影对PCB图像分割的影响,文章提出了一种基于图割的交互式分割方法。利用受金属伪影影响的PCB图像灰度分布特点设计了新的权值函数,并进一步利用了用户输入的信息,将用户选取的种子点信息作为计算区域项权重的重要参数。通过对多组印刷电路板图像进行分割实验比较,结果表明与经典的Graph Cuts和Grabcut等算法相比,文章方法在准确性方面有明显提高。     

基于改进Graph Cuts的印刷电路板CT图像分割算法

基于锥束CT的印刷电路板(PCB)无损检测是近年来出现的新的PCB检测手段,但是CT图像中普遍存在的金属伪影容易导致PCB图像的错误分割。为了抑制金属伪影对PCB图像分割的影响,文章提出了一种基于图割的交互式分割方法。利用受金属伪影影响的PCB图像灰度分布特点设计了新的权值函数,并进一步利用了用户输入的信息,将用户选取的种子点信息作为计算区域项权重的重要参数。通过对多组印刷电路板图像进行分割实验比较,结果表明与经典的Graph Cuts和Grabcut等算法相比,文章方法在准确性方面有明显提高。     

基于类别方差的三维医学图像分割新方法

提出一种交互式的三维医学图像分割算法．结合Otsu单阈值图像分割算法，提出了一种基于类别方差的双阈值分割算法．利用该算法对三维医学图像体数据的直方图进行了分析，最终得到的上下阈值使得分割结果具有最大类间方差．该算法采用迭代法实现，简单快速，且可保证分割出的组织包含目标组织．再对此阈值分割结果进行数学形态学的相关操作和三维区域生长，最终得到目标组织的准确分割和它的三维显示．实验证明，分割效果较好，三维重建满足要求．     

倒数交叉熵和改进图割结合的河流目标检测

为了克服交互式图割方法选取种子点的随意性和由此导致的分割结果的不准确性,提出了使用倒数交叉熵阈值分割和改进图割结合的河流目标自动提取方法。先利用倒数交叉熵阈值选取准则对河流图像进行初始分割,从初始分割结果中自动选取种子点。然后利用改进图割方法对河流遥感图像进行分割。改进图割中利用高斯混合模型对种子点区域进行建模,并利用结构张量矩阵计算平滑项。最后使用连通域检测方法去除小的连通域并得到最终结果图像。与交互式图割、基于倒数交叉熵和图割等4种方法进行了比较,实验结果表明提出方法得到的分割图像最为精确,分割效果最好。     

用户约束下的三维动画模型序列一致性分割

针对三维动画模型分割不一致问题,提出基于三维数据对齐技术的三维动画模型交互式分割 算法,得到层次结构一致的分割结果．算法首先对首帧进行交互标记;然后通过主向量分析完成三 维模型不同帧之间的对齐,自动把用户标记映射到其他模型;最后以方向夹角为基础,设计图割算 法,根据模型关节所具有的曲率特征进行边界优化,得到满意的分割结果．实验结果表明,算法针对 人造动画模型序列和多视图三维重建动画序列都能够得到一致性分割结果,验证了算法的有效性． 最后和已有典型分割方法进行比较分析,可以发现算法能够有效地提高分割质量．     

基于图切的交互式图像分割方法

图切是一种基于图论的图像分割方法,它基于最大流/最小割定理实现能量函数最小化,其中能量函数的设定、实现的流程等方面可以改进以提高对不同图像的适应性.本文给出了一个基于图切的交互式图像分割方法,用户通过手绘封闭或不封闭线条的方法提供关于前景和背景的先验信息,在此基础上实现图像的分割.首先采用分水岭方法对输入图像进行预分割,把颜色相近的像素分为若干个小区域;设定合适的能量函数,将预分割的区域之间的颜色相似性、分割结果的平滑性等约束包含在能量函数中,利用求最大流的方法求取使得能量函数最小化的标签集合,从而实现图像的分割.实验证明,本文的方法能快速有效地实现交互式图像分割.     

基于多尺度分析及图论归一化割的矿岩颗粒图像分割及应用

为了克服矿岩颗粒图像分割中的欠分割和过分割现象,基于矿岩颗粒图像的特性, 提出了一种结合多尺度分析与图论的矿岩颗粒图象分割算法。该算法首先利用图像多尺度变换缩小图像,以去噪和减少数据量,再利用改进的图论归一化割(Normalized Cut)算法来分割矿岩颗粒图像。对多种类型的矿岩颗粒图像进行了分割实验,并与阈值、分水岭,聚类分析及FCM等常用的分割方法进行了比较。实验结果证明:研究的算法对岩石颗粒图像具有优于其它分割算法的效果;新算法应用到了大型露天矿的爆堆中的岩石块度测量与分析, 效果令人满意。     

基于阈值区间的水平集算法在耳蜗分割中的应

为了获取独立的三维耳蜗模型，提出了一种交互式、半自动、由粗到细、结合三维显示反馈的耳蜗分割方法.浏览二维切片,调节图像强度区间并选取感兴趣区域,从颞骨螺旋CT(computed tomography)图像中对耳蜗进行粗分割;采用基于阈值区间的三维水平集（level set）分割算法对耳蜗进行细分割.应用可视化技术,对分割结果进行实时显示,显示结果作为用户进行参数调节的参考依据,经过多次人机交互,直至获得满意的分割结果.利用临床颞骨螺旋CT图像进行耳蜗分割实验,结果表明该方法适合于分割结构复杂且表面光滑的目标.     

牙病图像特征提取算法的研究与设计

为了解决现在许多自动分割方法不能满足医学图像处理实践要求的缺陷，考虑医学图像处理的特殊性，提出一种基于模糊连接的由用户参与控制、引导的交互式阈值分割算法．借助图像分割技术进行医学图像处理．采用牙病图像进行试验，结果表明此分割算法可以较好地描述图像中无法精确定义的区域，解决了医学图像处理实践中对分割准确性的要求，而且进一步解决了口腔图像中目标物体的边界不清晰而难以准确分割的问题．仿真实验结果证明这种算法的可行性和有效性．     

结合粒子群算法优化归一割的图像阈值分割方法

为了快速得到图像分割的最佳阈值,依据图论知识,利用灰度级相似矩阵代替像素级权值矩阵,将归一化切割准则作为优化函数.利用粒子群优化算法代替穷举法优化归一化划分准则,提出粒子群算法优化归一割的图像阈值分割方法.实验表明在分割性能上有较大的提高,在分割速度上也有较大的改进,能够满足实时性要求.     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明,该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

基于哈希表结构和图像分割的快速图像标注

为了快速、准确地标注大型图像数据集中的图片,提出了一种利用图像分割和基于kNN(k-nearest neighbor)图的半监督学习来标注图像的算法.该算法先将图像分割为若干个局部区域,使用局部敏感的哈希表来构建图像局部区域的kNN图,并基于图像局部区域的kNN图来构建原始图像的kNN图,利用基于图的半监督标签传递算法来标注未标注的图像.在具有269 648张图像的大型图像数据集NUS-WIDE和具有5 000张图像的Corel数据集上的实验结果表明,该算法能获得较快的标注速度和标注精度.     

基于图论分割的肺部CT图像的三维重建

为了得到精准的人体肺部CT图像的分割结果,采用改进的最小生成树法对人体肺部CT图像进行分割,再采用面绘制中的Marching Cubes(MC)算法进行三维重建,实现肺部的三维立体显示.通过实验仿真,验证了改进最小生成树算法的快速有效性,并将该算法与基于阈值分割的三维重建仿真效果进行对比.结果表明,改进后的算法能有效提高肺部CT图像三维重建的效率和完整度,在保证了快速三维重建的同时,三维重建的效果更佳,将为医生的医疗诊断提供有力的判断依据.     

基于目标形态特征的工件自动分割方法

为了使交互式工件分割算法满足实时性的要求,提出了一种将工件形态特征与图像分割算法相结合的工件自动分割方法.利用MeanShift算法分割图像提取目标区域;利用形态学开运算消除目标区域的噪声,进而分离相连的目标区域;对目标区域进行边缘检测,计算完整的工件轮廓信息,然后根据外轮廓的面积确定工件区域;利用工件区域的最小外接矩形在图像中标出前景和背景区域,再利用GrabCut算法分别对前景和背景建立高斯混合模型,然后通过mincut/maxflow算法分割前景与背景区域,最终实现工件目标的提取.实验结果表明,对于制造商提供的样本,该方法分割工件的召回率和准确率分别为94.97%和88.48%,具有较强的实用性和良好的实时性.     

基于超像素的Graph-Based图像分割算法

针对EGBIS分割算法中的过分割问题,提出了一种基于超像素的graph-based图像分割算法SGBIS.首先,对图像进行基于简单线性迭代聚类（SLIC）的超像素预分割;然后以每个超像素作为节点构造带权无向图,以相邻超像素颜色平均值的欧式距离作为图中边的权值;最后利用基于图的算法合并超像素得到分割结果.用VI、PRI和F值3个指标分析了算法性能,结果表明,新算法可以得到更为理想的分割效果;引入交互分割区域合并,也可满足用户图像分割的需求.     

一种基于交互式快速水平集的阴影图像分割算法

因受光源等条件的影响,采集的原始图像常常存在着阴影,用传统的水平集方法分割图像,常把阴影误认为是目标．以带阴影的栗属（板栗）果实图像为例,提出一种交互式快速水平集方法实现图像分割．实验结果表明：该算法能够得到正确的阴影图像的分割结果,具有更佳的图像分割性能．     

基于遗传算法的二维熵法

图像分割方法中的二维熵法的计算时间较长.为了提高其计算效率,将遗传算法和二维熵法结合起来,同时考虑了孤立像素点的灰度信息和像素点的空间相关性,并对简单遗传算法的复制和交叉算子进行了改进,利用遗传算法高效快速的特点,克服了二维熵法的缺点.试验结果表明,本算法在保证分割质量的同时,提高了运算效率.     

基于3D scSE-UNet的肝脏CT图像半监督学习分割方法

针对分割神经网络需要大量的高质量标签但较难获取的问题,提出基于3D scSE-UNet的半监督学习分割方法. 该方法使用自训练的半监督学习框架,将包含改进的并行空间/特征通道压缩和激励模块（scSE-block+）的3D scSE-UNet作为分割网络. scSE-block+可以从图像空间和特征通道2个方面自动学习图像的有效特征,抑制无用冗余特征,更好地保留图像边缘信息. 在自训练过程中加入全连接条件随机场,对分割网络产生的伪标签进行边缘细化,提升伪标签的精确度. 在LiTS17 Challenge和SLIVER07数据集上验证所提出方法的有效性. 当有标签图像占训练集总图像的30%时,所提方法的Dice相似系数(dice score)为0.941. 结果表明,所提出的半监督学习分割方法可以在仅使用少量标注数据的情况下,取得与全监督分割方法相当的分割效果,有效减轻肝脏CT图像分割对专家标注数据的依赖.