基于活动轮廓模型的左心室MR图像分割

本文提出一种基于局部与全局特征的活动轮廓模型左心室MR图像分割算法.该算法融合了图像局部信息和全局信息.局部信息包含了图像局部均值和方差信息,来克服图像灰度不均匀的影响.全局信息则较好地提高模型处理图像弱边界的能力,并防止模型陷入局部最优,实验结果表明,改进算法分割出较为精确的心脏左心室MR图像.     

一种基于二维最大类间方差的图像分割算法

本文提出了一种二维最大类间方差的图像分割算法,该方法不仅利用了图像元点的灰度分布信息,而且充分考虑了像元点之间的空间相关信息,理论分析和实验表明,对于低对比度,低信噪比的地面目标,该方法具有良好的分割效果,在该算法的基础上,又提出也一种快速递推二维最在类间方差法,减少了计算量,节约存储空间,具有较强的实用价值。     

一种基于参数活动轮廓模型的高能闪光照相图像分割算法

针对高能闪光照相系统成像质量较差的特点,提出了一种基于参数活动轮廓模型(Snake模型)的闪光照相图像分割算法.该算法在传统高斯力Snake模型中引入包含图像区域信息的变力,以目标和背景两区域具有最小方差为准则,构建兼顾边缘和区域信息的外部能量函数.数值实验结果表明,该算法对初始轮廓位置不敏感,较好地解决了客体凹陷区域分割问题,能够实现对含噪声的弱边界闪光图像的自动分割.     

基于最大类间方差法的肝脏CT图像分割及实现

针对肝脏CT图像中,肝脏组织与周围组织之间密度差别不大而易造成漏分或过分的现象,实现了一种能得到最优分割阈值的方法,即最大类间方差法。实验结果表明,该算法计算简单,将图像二值化同时得到最优分割阈值,从而能较好地分割出肝脏组织。文中也对该算法存在的问题进行了分析讨论。     

基于最大类间方差法的肝脏CT图像分割及实现

针对肝脏CT图像中,肝脏组织与周围组织之间密度差别不大而易造成漏分或过分的现象,实现了一种能得到最优分割阈值的方法,即最大类间方差法.实验结果表明,该算法计算简单,将图像二值化同时得到最优分割阈值,从而能较好地分割出肝脏组织.文中也对该算法存在的问题进行了分析讨论.     

利用局部离散度活动轮廓模型的强度非均匀图像分割

强度非均匀现象在真实图像中普遍存在,采用常规基于强度的分割算法会导致严重的误分割。针对强度非均匀图像分割,提出了基于局部离散度的活动轮廓模型分割算法。首先定义基于类内类间距离的离散度,然后利用核函数提取局部区域信息,同时加入边缘指示函数加权的轮廓线长度项能量,建立基于局部离散度的活动轮廓模型。最后引入水平集函数惩罚项,避免水平集方法在演化求解时需要不断初始化的问题。合成图像和真实图像实验结果证明本文算法性能稳定,适应于强度非均匀图像的分割。      

改进的最大类间方差法在PCB图像分割中的应用

图像分割在图像处理中占有重要的地位，分割结果的好坏直接影响图像的后续处理。文章针对PCB（printed circuit board）原始图像的分割问题介绍最大类间方差法及其改进算法——基于灰度拉伸的最大类间方差法算法原理和实现，并利用上述两种方法对PCB图像进行了分割处理，对两种方法处理的结果进行了比较。实验结果说明这种改进方法弥补了最大类间方差法的缺点，取得了理想的效果。     

一种基于三维最大类间方差的图像分割算法

本文提出了一种基于三维最大类间方差的图像分割算法.该方法不仅利用了图像像元点的灰度分布信息,而且充分考虑了像元点之间的灰度相关信息,构造出三维观测空间,根据各信息间的竞争性、冗余性和互补性,进行有效的融合,得到比(一维)最大类间方差法更真实、准确的处理效果.理论分析和实验表明,对于低对比度、低信噪比的目标,该方法具有良好的分割性能.在该算法的基础上,又提出了一种快速递推三维最大类间方差法,减少了计算量,节约存储空间,具有较强的实用价值.     

基于EMD的快速活动轮廓图像分割算法

C-V模型等传统基于区域的几何活动轮廓模型仅将灰度同质作为区域相似性的测度,致使其在分割噪声分布大、灰度复杂的自然及遥感图像时难有较好的分割结果。为此,该文提出基于Earth Movers Distance (EMD)的快速活动轮廓图像分割算法。首先,给出了基于EMD的区域相似性测度,并引入到模型的定义;接着,提出了基于过分割的规则化和快速曲线演化方法,很好地克服了传统模型的冗余轮廓、计算复杂等问题。对合成图像和遥感图像的实验结果证明了算法的有效性。     

基于局部图划分的多相活动轮廓图像分割模型

几何活动轮廓模型是图像分割领域的强有力工具。最近,一种基于成对相似性的图划分活动轮廓(GPAC)模型被提出,并有效应用于均质图像分割。但是,该模型的连接权函数仅与图像光谱相关,使得模型在低对比度模糊图像的应用存在较大局限,同时,成对相似性的计算量大,模型的数值实现效率不甚理想。针对这些问题,该文引入测地核函数定义连接权函数,结合多相水平集,提出了基于局部图划分的多相活动轮廓图像分割模型。自然图像的实验结果证明了该模型的有效性。     

Segmentation of Multi-Channel Image with Markov Random Field Based Active Contour Model

Segmentation is an important research area in image processing and computer vision. The essential purpose of research work is to achieve two goals: (i) partition the image into homogeneous regions based on certain properties, and (ii) accurately track the boundary for each region. In this study, we will present a novel framework that is designed to fulfill these requirements. Distinguished from most existing approaches, our method consists of three steps in the segmentation processes: global region segmentation, control points searching and object boundary tracking. In step one, we apply Markov Random Field (MRF) modeling to multi-channel images and propose a robust energy minimization approach to solve the multi-dimensional Markov Random Field. In step two, control points are found along the target region boundary by using a maximum reliability criterion and deployed to automatically initialize a Minimum Path Approach (MPA). Finally, the active contour evolves to the optimal solution in the fine-tuning process. In this study, we have applied this framework to color images and multi-contrast weighting magnetic resonance image data. The experimental results show encouraging performance. Moreover, the proposed approach also has the potential to deal with topology changing and composite object problems in boundary tracking.     

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.     

Novel Active Contour Model for Image Segmentation Based on Local Fuzzy Gaussian Distribution Fitting

A novel active contour model is proposed, which incorporates local information distributions in a fuzzy energy function to effectively deal with the intensity inhomogeneity. Moreover, the proposed model is convex with respect to the variable which is used for extracting the contour. This makes the model independent on the initial condition and suitable for an automatic segmentation. Furthermore, the energy function is minimized in a computationally efficient way by calculating the fuzzy energy alterations directly. Experiments are carried out to prove the performance of the proposed model over some existing methods. The obtained results confirm the efficiency of the method.     

基于统计特征的GAC模型SAR图像分割

提出了一种基于统计特征定义边缘检测算子的测地活动轮廓（GAC）模型,并用于SAR图像分割中。首先,根据图像上每个点四个不同方向邻域统计特征的异同,计算边缘检测算子,得到GAC模型的能量泛函。其次,最小化能量泛函,得到曲线演化偏微分方程,水平集方法数值求解,最终完成SAR图像的分割。实验表明,与传统依赖图像梯度定义检测算子的GAC方法相比,文中的方法完全适用于SAR图像分割,不需要噪声的预处理过程,拓展了GAC模型的应用范围,提高了目标的正确识别率。     

一种基于活动轮廓模型的PET-CT肺肿瘤分割方法

针对PET-CT肺肿瘤分割中存在的没有充分将医生临床经验融入到算法设计的问题,该文利用PET高斯分布先验,结合区域可伸缩拟合(RSF)模型和最大似然比分类(MLC)准则,提出一种基于变分水平集的混合活动轮廓模型RSF_ML。进一步,借鉴人工勾画肺肿瘤过程中融合图像的重要价值,提出了基于RSF_ML的PET-CT肺肿瘤融合图像分割方法。实验表明,所提出方法较好地实现了有代表性的非小细胞肺肿瘤(Non-Small Cell Lung Cancer, NSCLC)的精确分割,主客观结果优于对比方法,可为临床提供有效的计算机辅助分割结果。