一种改进的Snake模型与MRI图像分割

Snake模型分割图像时要求初始轮廓线位于图像特征附近,且难以处理深度凹陷区域。该文在快速Snake模型的目标函数中增加局部面积能量项,扩大了算法捕获图像特征的范围;以边缘增强后的BPV图像的梯度为参数,计算梯度向量流场以代替MRI图像的梯度,提高了算法处理弱边界和凹陷区域边界的能力,优化算法的时间复杂度仍然为O(nm)。实验结果表明,该算法能够有效地分割左心室MRI图像。     

改进主动轮廓线模型在图像分割中的应用

主动轮廓线模型(Active Contour Model,ACM),也称作蛇(Snake)模型,是一种常用的图像分割算法。在基于主动轮廓线的图像分割中,深度凹陷边界的逼近和弱边界区域的分割一直是一个难点。引入了一种局部纹理模型(Local Profile Model)匹配算法,通过匹配沿控制点法线方向像素和局部纹理模型可以确定弱边界区域的真实边界,并结合一种新的计算控制点曲率外力的算法,使得主动轮廓线模型能够逼近图像的深度凹陷区域的同时提高算法的收敛速度。实验结果表明,该方法是有效的。     

基于复合矢量场的改进ACM模型与医学图像分割

提出了一种基于复合矢量场的改进ACM模型分割算法。采用广义模糊理论对图像进行处理,得到较理想的边缘映射图,在此基础上构建一个复合矢量场替代原有的力场,使得图像的分割结果有了较大的改进。实验结果证明,该算法能在较大范围内捕获图像的特征、较好地处理深度凹陷区域和大曲率边缘的能力。     

基于阈值和snake模型的三维医学图像自动分割

提出了一种利用snake模型和基于连通性阈值算法进行三维医学图像的自动分割方法.根据三维医学图像的特点, 首先选取该图像的中间层图像,利用基于连通性的阈值算法对其分割;其次利用邻层图像分割结果和snake模型来指导下一层的图像分割.实验结果表明,该方法可以明显提高分割的准确率和速度.     

一种改进的医学图像分水岭分割算法

为了提高医学图像分割的准确性, 针对分水岭分割算法中的过分割问题, 提出了一种改进的医学图像分水岭分割算法。该算法首先在分水岭变换前进行预处理初步分割, 主要包括多尺度形态学滤波、多尺度梯度算子计算、自适应标记提取以及分水岭变换; 然后在初步分割变换后, 通过基于邻接图的区域灰度相似性与边界相似性相结合的合并准则, 对分割后的区域进一步合并。实验结果表明, 新算法有效地解决了分水岭算法的过分割问题, 具有较强的抗噪性能和边缘定位能力, 能够满足医学图像的分割要求。     

单幅图像多尺度小波深度提取算法

针对浅景深图像中平滑前景区域深度提取误差大的问题,基于像素点分类思想对深度值进行修正,提出一种基于多尺度小波线索的、可同时面向单幅浅景深图像和广角图像的深度图提取算法.首先使用小波分析法在多个尺度下提取图像深度信息;然后提出自适应分类法并根据尺度与深度变化规律对像素点做深度修正,得到深度图;最后结合区域生长与边缘分割算法对深度图进行区域优化.为了加快深度计算,还提出了快速zerocount法以及多尺度加速法来满足标清视频实时处理要求.实验结果证明,采用文中算法获得的深度图相对深度正确,前景和背景区域深度一致性好.     

一种改进的GVF模型

在基于snake模型的图像分割中,搜索范围和深度凹陷区域的分割是难点.以往sanke模型的改进多是针对它的外部力场,通过比较改进的传统snake模型--距离snake、GVF和NGVF的优缺点,在不改变力场的情况下,综合它们的优点,提出一个新的模型.先采用距离snake模型使初始轮廓逼近目标物体边缘,然后结合NGVF使收敛进入目标物体的凹陷部分.实验表明该模型具有较大的捕获区且能快速收敛到物体边缘的凹陷部分,提取出感兴趣目标的轮廓.     

基于阈值和snake模型的三维医学图像自动分割

提出了一种利用snake模型和基于连通性阈值算法进行三维医学图像的自动分割方法。根据三维医学图像的特点，首先选取该图像的中间层图像，利用基于连通性的阈值算法对其分割；其次利用邻层图像分割结果和snake模型来指导下一层的图像分割。实验结果表明，该方法可以明显提高分割的准确率和速度。     

复小波域混合概率图模型的超声医学图像分割

针对存在大量不规则斑点噪声、目标边缘弱化的超声医学图像分割中较难识别目标的问题, 提出了一种复小波域中混合概率图模型的超声医学图像分割算法.采用具有近似平移不变性和良好方向选择性的双树复小波变换(Dual tree-complex wavelet transform, DT-CWT)提取超声医学图像6个方向的高频特征信息; 其次, 为关联目标的弱特征信息并抑制统计独立的高频噪声, 构建了复小波域混合概率图模型; 尺度间"父—子"节点间标记采用贝叶斯网络进行建模, 尺度内邻域间标记采用马尔科夫随机场(Markov random field, MRF)无向图建模, 对复小波域中同尺度的特征系数采用高斯混合模型建模, 尺度内同标记的观测特征采用高斯模型建模; 最后, 用迭代条件模式(Iterated conditional mode, ICM)实现MRF中误分割率最小的能量函数最优解, 获取标记场, 实现超声医学图像分割.实验结果从视觉效果和定量分析两方面验证表明, 本文算法能有效地提取超声图像的弱目标信息, 较好地定位目标区域, 具有较高的分割精度和鲁棒性.     

小波多尺度水平集算法与心脏超声图像鲁棒分割

由于斑点噪声的存在,超声图像的灰度分布是非高斯的,传统的基于高斯模型的图像分割方法不能解决心脏超声图像分割问题。但小波分解后的高阶低频小波系数近似服从高斯分布,利用这个特点,论文提出一种新颖的小波多分辨率框架下的水平集曲线演化算法。首先对超声心脏图像做小波分解,得到各层的低频图像。从小波分解的顶层低频图像开始,利用边界和区域复合约束动态轮廓线模型(ActiveContourModel)寻找左心室内边界;然后通过插值将结果向下一尺度低频图像传递,并利用尺度间形状约束和边界约束复合ACM进一步细化曲线,使其符合局部图像特征,如此逐层重复直至原始图像。由于采用了小波多尺度框架和尺度间形状约束,算法具有曲线演化结果稳健鲁棒、不易陷入局部极小和发生边界泄漏等优点,非常适合心脏超声图像噪声高、对比度低、边界灰度梯度不显著的特点。在实际临床三维超声图像上的实验表明,算法分割结果和人工分割结果很接近。     

基于Snake模型的图像分割新算法

针对目前基于Snake模型的图像分割算法普遍存在噪声鲁棒性差、适用范围受限、易发生弱边缘泄露以及轮廓曲线难以收敛到细小深凹边界的缺陷,提出了一种基于Snake模型的图像分割新算法。首先,选取新的扩散项代替具有各向同性光滑作用的拉普拉斯算子;其次,引入p-拉普拉斯泛函到平滑能量项中强化法线方向外力;最后,利用边缘保护项使外力场方向与边缘方向一致,以防止弱边缘泄漏并促使轮廓线收敛到细小深凹边界。实验结果表明,所提模型不仅克服了现有基于Snake模型的图像分割算法的缺陷,具有更好的分割效果,明显提高了抗噪性能和角点定位精度,而且耗时更少,适用于噪声图像、医学图像以及含有很多弱边缘的自然图像分割。     

基于改进的GVF模型的CT图像分割方法

活动轮廓模型被广泛应用于医学图像分割之中．文中针对CT图像的分割方法进行了探讨，提出了一种基于GVF模型的改进的活动轮廓分割法。改进方法采用轮廓中心法及引入一作用力的方法，克服了GVF模型不能处理深度凹陷区域的问题．实验结果表明，改进后的分割方法较原Snake模型及GVF模型的效果更好．     

融合凹点检测与仿射变换的活动轮廓模型

目的 针对基于矢量场的活动轮廓模型,如经典的梯度矢量流（GVF）模型、矢量场卷积（VFC）模型等,在提取凹形物体时矢量场常出现平衡点,不能较好地收敛到凹陷区域、尤其是深而窄的凹形及复杂凹陷区域的问题。提出一种融合凹点检测与仿射变换的活动轮廓模型。方法 首先利用活动轮廓模型进行曲线演化,得到演化后轮廓曲线上各点的坐标并求出各点的法线方向;然后基于凹点检测的方法,判断各点的凹凸性,利用梯度判断法,检测出未收敛到目标边界的凹点;其次对各凹点进行法向方向的仿射变换。在接近且不越过目标边界的情况下求出可变换的最大距离,变换后的点穿越了平衡点区域,让变换后的点代替原来的点形成新的轮廓曲线;最后为保证提取边界的精确性,将变换后的轮廓曲线再次演化并最终收敛到目标边界。结果 通过对具有凹陷区域的合成图像进行分割,计算提出模型分割结果的平均Jaccard相似系数（JS）值为95.51%,相比目前先进的GVF模型,VFC模型和自适应扩散流（ADF）模型分别提高了15.08%,12.09%和10.70%,整体效果上优于几种先进的模型。然后又对单/多目标真实图像及含噪的图像进行分割,证实提出模型分割性能的鲁棒性。结论 提出的模型有效地避免了凹形区域内的平衡点问题,可以对深凹形及复杂凹形图像进行有效分割,并且提高了分割精度。此外,该模型能融合到任何基于矢量场的活动轮廓模型中,具有广泛的普适性。     

Segmentation of the left ventricle in cardiac cine MRI using a shape-constrained snake model

Segmentation of the left ventricle (LV) is a hot topic in cardiac magnetic resonance (MR) images analysis. In this paper, we present an automatic LV myocardial boundary segmentation method using the parametric active contour model (or snake model). By convolving the gradient map of an image, a fast external force named gradient vector convolution (GVC) is presented for the snake model. A circle-based energy is incorporated into the GVC snake model to extract the endocardium. With this prior constraint, the snake contour can conquer the unexpected local minimum stemming from artifacts and papillary muscle, etc. After the endocardium is detected, the original edge map around and within the endocardium is directly set to zero. This modified edge map is used to generate a new GVC force filed, which automatically pushes the snake contour directly to the epicardium by employing the endocardium result as initialization. Meanwhile, a novel shape-similarity based energy is proposed to prevent the snake contour from being strapped in faulty edges and to preserve weak boundaries. Both qualitative and quantitative evaluations on our dataset and the publicly available database (e.g. MICCAI 2009) demonstrate the good performance of our algorithm.     

Multiscale Active Contours

We propose a new multiscale image segmentation model, based on the active contour/snake model and the Polyakov action. The concept of scale, general issue in physics and signal processing, is introduced in the active contour model, which is a well-known image segmentation model that consists of evolving a contour in images toward the boundaries of objects. The Polyakov action, introduced in image processing by Sochen-Kimmel-Malladi in Sochen et al. (1998), provides an efficient mathematical framework to define a multiscale segmentation model because it generalizes the concept of harmonic maps embedded in higher-dimensional Riemannian manifolds such as multiscale images. Our multiscale segmentation model, unlike classical multiscale segmentations which work scale by scale to speed up the segmentation process, uses all scales simultaneously, i.e. the whole scale space, to introduce the geometry of multiscale images in the segmentation process. The extracted multiscale structures will be useful to efficiently improve the robustness and the performance of standard shape analysis techniques such as shape recognition and shape registration. Another advantage of our method is to use not only the Gaussian scale space but also many other multiscale spaces such as the Perona-Malik scale space, the curvature scale space or the Beltrami scale space. Finally, this multiscale segmentation technique is coupled with a multiscale edge detecting function based on the gradient vector flow model, which is able to extract convex and concave object boundaries independent of the initial condition. We apply our multiscale segmentation model on a synthetic image and a medical image.     

基于模拟退火的简化Snake弱边界医学图像分割

弱边界医学图像的分割一直是图像分割技术中的一个难点，为了有效地对弱边界医学图像进行分割，提出了一种简化的Snake图像分割算法，该算法对传统Snake模型进行了改进，即运用简化Snake的思想，特别是在内能表达式中添加了系数可变的面积项，并且引入了模拟退火算法与已改进的简化Snake模型相结合的方法，使得图像的分割效果有了较好的改进。另外，还讨论了模拟退火算法中邻域的选取、随机变量的产生机制以及接受准则等对搜索到理想的最优解所起的作用。该算法运用到医学图像分析中的实验证明，该算法对弱边界信息图像的分割能取得较好的效果，而且运算的时间复杂度低。     

基于二进小波变换的主动轮廓模型

针对传统的主动轮廓模型对噪声敏感的缺陷,在推广梯度矢量流的基础上,提出了基于二进小波变换的改进外力场的计算方法.通过综合利用图像小波分解的高频信息,迭代计算获得其外力场,使蛇在图像的多尺度空间中搜索目标轮廓.针对蛇模型对初始轮廓的依赖性问题,给出了在一维最大熵阈值分割后的图像上获取初始轮廓点的方法,减少了人工的干预,加快了蛇的收敛速度和效果.实验结果表明该模型能有效地排除噪声的干扰,搜索凹陷轮廓,而且对脆弱轮廓有很好的逼近能力.     

Adaptive diffusion flow active contours for image segmentation

Gradient vector flow (GVF) active contour model shows good performance at concavity convergence and initialization insensitivity, yet it is susceptible to weak edges as well as deep and narrow concavity. This paper proposes a novel external force, called adaptive diffusion flow (ADF), with adaptive diffusion strategies according to the characteristics of an image region in the parametric active contour model framework for image segmentation. We exploit a harmonic hypersurface minimal functional to substitute smoothness energy term in GVF for alleviating the possible leakage. We make use of the p(x) harmonic maps, in which p(x) ranges from 1 to 2, such that the diffusion process of the flow field can be adjusted adaptively according to image characteristics. We also incorporate an infinity laplacian functional to ADF active contour model to drive the active contours onto deep and narrow concave regions of objects. The experimental results demonstrate that ADF active contour model possesses several good properties, including noise robustness, weak edge preserving and concavity convergence.     

针对弱边缘信息的左心室图像分割算法

基于距离正则水平集模型（DRLSE）的左心室MR图像分割算法对梯度信息有很强的依赖性,在图像弱边缘区域容易陷入局部最优,且对初始轮廓的选取敏感。为降低算法对初始轮廓的敏感程度,提高其在左心室图像弱边缘的分割能力,提出一种适用于弱边缘信息的左心室分割算法。在DRLSE的基础上,该分割算法提出运用拟合方法计算基于变异系数分割模型（PSM）的新局部项,算法依靠梯度与图像局部信息驱动曲线演化,降低了DRLSE对初始轮廓的敏感度;引入形状约束力,克服DRLSE算法在左心室外膜弱边界处出现边界泄露的情况。为验证所提算法分割的准确性,基于多伦多市患病儿童医院影像科提供的数据库,利用DRLSE、保持凸性水平集模型（CPLSE）模型、U-Net网络以及提出的内膜算法对心内膜进行分割;利用DRLSE、引入外膜形状约束力的DRLSE模型（DRLSE-shape）、U-Net网络以及提出的外膜算法对心外膜进行分割。实验结果表明,针对左心室内、外膜,所提算法优于上述算法,能降低DRLSE对初始轮廓的敏感程度,提升对左心室弱边界MR图像分割的精确度。     

结合显著性和边缘信息的水平集图像分割方法

针对 LBF 模型对初始轮廓的依赖性和对边缘的弱控制能力,研究了一种结合显著性和边缘信息 的水平集图像分割方法。首先,结合小波分析理论,基于视觉注意机制构造图像显著图;然后,利用小波分解 所描述的图像边缘信息,构造边缘检测函数,同自适应初始轮廓一起引入到 LBF 水平集模型中,并用有限差 分法进行数值求解。实验结果表明,提出的图像分割方法能有效降低初始轮廓位置对活动轮廓模型的影响,对 合成图像、自然图像均有较好的分割结果,相较于其他传统方法具有更高的演化效率和分割质量。