基于边缘信息与偏移场矫正的多相Chan-Vese图像分割模型

图像中存在的灰度不均匀现象与演化曲线被错误的目标边缘引导给图像的多相分割带来了很大困难。针对这一问题,利用对数变换将乘性偏移场转化成线性偏移场,通过核函数引入局部灰度信息建立了偏移场矫正模型。此外,运用水平集函数与图像梯度的方向信息重建了边缘指示函数,增强了演化曲线对正确目标边缘的识别能力。人工合成图像和自然图像的分割实验结果表明文中提出的模型能够取得令人满意的分割结果。     

基于偏移场修正的C-V模型水平集图像分割算法

灰度不均匀效应广泛存在于现实图像(real-world images)中,这给图像分割带来了很大的挑战,目前许多的图像分割算法都依赖于图像灰度分布均匀这一假设,这严重影响了算法分割现实图像的分割精度。因此文章结合图像的数学模型,提出了一种基于偏差修正的C-V模型,该方法在水平集函数的演化过程中,同时进行图像的分割与偏移场的估计,利用偏移场的估计值来抑制灰度不均匀效应的影响。仿真结果表明,该方法比经典的C-V模型有更高的分割精度,对初始化轮廓曲线以及噪声有较强的鲁棒性。     

基于改进的高斯混合模型脑ＭＲ图像分割

MR图像中常含有偏移场以及噪声现象,传统的高斯混合模型无法得到正确的分类.在高斯混合模型目标函数中加入偏移场估计与噪声去除,完善其分类效果,使分类结果较好地克服偏移场和噪声影响.实验表明,该算法在得到较准确的分类结果的同时还能很好地估计偏移场.     

自适应控制下图像分割及并行挖掘算法

针对海量图像数据中目标的分割及识别问题,提出了一种自适应控制下图像分割及并行挖掘算法.采用隶属度函数窗口宽度在图像直方图控制下自适应调整模糊阈值图像分割方法对图像进行分割,提取出感兴趣的潜在目标区域,基于共轭梯度法改进的BP神经网络算法对潜在的目标区域进行训练和识别,识别算法基于OpenMP并行处理模型开发来提高执行效率.结果表明:本文算法相对于基于偏移场的模糊C均值、灰度波动变换自适应阈值和自适应最小误差阈值具有更高的分割准确率,与传统神经网络算法的识别结果相比,平均识别率提高了8%,运行时间减少了2. 5 s.     

均值偏移滤波算法在活体细胞图像背景去除中的应用

活体细胞图像中细胞与背景对比度低,背景中存在密集分布的颗粒状噪声,要有效分割图像并提取细胞特征,预处理就显得尤为重要。针对这一问题将一种改进的均值偏移滤波算法应用到对活体细胞图像背景去除中,在去除图像背景的同时保留了细胞的形貌,并且探讨了核函数带宽选择对均值偏移滤波算法处理效果的影响。     

一种基于Markov随机场的图像分割方法

提出一种基于Markov随机场图像分割方法。在K-Means图像分割的基础上,建立标记场和特征场,构造Markov随机场模型,再利用条件迭代模型（ICM）算法逐点更新图像标记,实现图像的最大后验概率（MAP）估计,从而实现图像的有效分割。实验结果表明,该方法比直接采用Markov方法有着更好的分割效果。     

一种各向异性虚拟人脑图像分割模型

虚拟人脑部组织脑的提取已经成为虚拟人脑数据分析的一个重要环节,但由于图像噪声、下层数据等因素的影响,传统方法得不到较好结果.首先利用RGB,HSL,HSV空间信息构造新的信息场,该信息场可以降低下层数据的影响;再利用结构张量信息构造各向异性Gibbs场,降低噪声的影响;利用各向异性Cibbs场改进的FCM模型对图像进行分割,以降低颜色强度不均匀现象导致的误差.实验表明,该方法可以得到较好的分割结果.     

叶面尘土量对大叶黄杨叶片图像的影响

采用典型的城市绿化树种大叶黄杨叶片图像为研究对象,用1种将均值偏移与边缘置信度相结合的聚类算法对大叶黄杨叶片图像进行分割,建立线性模型和对数模型对图像信息与叶面尘土量进行拟合,分析叶面尘土量对叶片图像RGB（红、绿、蓝）三分量和HSI（色调、饱和度、亮度）等参量的影响。结果表明：采用均值偏移与边缘置信度相结合的聚类算法能够有效分割出大叶黄杨叶片图像;以色调H为自变量的对数模型可较好地拟合叶面尘土量与叶片图像参数间的关系,在一定范围内,随着叶面尘土量的增加,叶片图像H参数值减小。研究结果可为树木图像校正及叶面尘土对叶片反射光谱的影响等研究提供参考。     

一种基于PCNN的图像分割改进算法

为了实现脉冲耦合神经网络(PCNN)在图像分割过程中模型参数与迭代次数的少量化,提出了一种改进的PCNN快速图像分割算法.算法对PCNN模型进行了简化,将传统PCNN模型中恒定的连接系数与神经元所在像素点的像素值联系起来,去除了PCNN分割图像过程中的人工设置参数过程,并根据图像灰度统计特性,将动态阈值转变为恒定阈值,...     

融合区域和边界信息的水平集SAR图像分割方法

提出了一种基于区域和边界信息的水平集SAR图像分割方法。该方法根据SAR图像的区域统计特征和边界梯度信息,建立SAR图像分割能量泛函模型;通过最小化能量泛函得到曲线演化偏微分方程;采用水平集方法求解演化方程,实现了SAR图像的分割。分别采用模拟和真实SAR图像对该方法进行了仿真。实验结果表明,该方法能充分利用SAR图像特征,不需要去除相干斑噪声的预处理过程,实现了对图像中目标与背景的正确分割。     

一种基于马尔科夫随机场的脑MR图像分割改进算法

高斯混合模型（GMM）易受噪声影响,马尔科夫随机场（MRF）模型能够很好地刻画空间特性。两者结合适用于对含有噪声的图片进行分割,但MRF模型用于图像分割时,容易出现过分割现象。针对这个问题,提出一种自适应权值系数的图像分割改进算法,从核磁共振成像（MRI）中较好地分割出脑脊液、灰质和白质组织。首先,使用K?means算法得到初始分割结果,通过期望最大化算法（EM）估计GMM参数,进而得到图像像素灰度的联合概率能量函数。然后,利用MRF邻域系统中心像素与邻域像素的灰度值、后验概率和欧式距离得到自适应的权值系数,使用MRF模型得到先验概率能量函数。最后,借助贝叶斯准则得到最终图像分割结果。实验结果表明,该算法具有较强的自适应性,能够较好地克服噪声对图像分割的影响织。与同类算法相比,该算法对含有噪声的脑部MRI图像具有较高的分割精度,可得到较好的图像分割结果。     

用于图像分割的边界保持局部拟合模型

针对局部二值拟合变分水平集模型(LBF模型)的分割质量很大程度上取决于核带宽的选取,容易造成冗余轮廓、边界模糊等问题,提出一种基于边界保持局部拟合的变分水平集模型.该模型引入图像相依的测地时间定义核函数,结合空间距离和图像梯度,自适应地选取邻域采样点;同时,采用基于多波段的图像梯度,并相应地调整图像点的相异性测度,将模型的应用范围扩展至彩色及多光谱图像.实验结果表明：该模型能选取较大核带宽并有效保留潜在的边界信息,从而避免了核带宽的选取问题,较好地应用于灰度异质图像的精确分割;而且,该模型对彩色及多光谱图像的分割也同样有效.     

一种高效的指纹图像逐层分割算法

通过研究传统指纹图像分割算法以及多种混合技术指纹图像分割算法,提出一种高效的结合多种方法对指纹图像进行逐层分割的算法.该算法能准确地从原始指纹图像中分割出背景区和前景区,再从前景区中分割出清晰区和模糊区,最后从模糊区中分割出可恢复区和不可恢复区.实验结果表明:该算法抗噪能力强、分割效果好.     

基于MR图像的软骨特征自动分割方法

图像分割是关节软骨精确检测和评估的首要前提.针对股骨头软骨MR图像提出基于边缘的自动分割技术.利用Hough变换和髋关节的解剖学结构约束提取股骨头中心和图像的目标位置,确定出粗略分割图像的范围,并结合自适应阈值的Canny边缘检测算子确定被分割图像的边界,按照股骨头软骨边界的像素特点对检测结果进行逐一排查,以去除噪声获得精确的软骨内外边缘.提取内侧与外侧边缘之间的图像信息作为最后的分割结果.实验表明,分割方法可以实现对MR图像中髋关节股骨头软骨快速准确的自动分割.     

基于水平集的人脑MR图像分割方法

为了更好地对解剖结构和形状复杂的非均匀分布人脑图像进行分割,在水平集Chan-Vese模型的基础上引入Otsu技术,给出了基于水平集的人脑磁共振(magnetic resonance,MR)图像分割方法.该方法利用Heaviside函数描述区域内图像分布信息,通过最大类间方差来反映区域间图像分布方差信息,2部分信息经融合后构建新的能量函数,以引导图像分割过程,最终得到所期望的人脑图像分割结果.采用2个数据集提供的人脑图像数据进行实验,结果表明:所提方法在相似性度量和正误率度量方面,与其他方法相比都有明显的优势,可以很好地实现人脑图像的分割.     

体表损伤图像的分割

图像分割的研究一直受到人们的高度重视，但是，针对体表损伤图像的分割还未见报道。基于利用体表损伤图像的特点，提出了两种适合损伤图像的分割方法。针对损伤部分和背景色彩相差剧烈的图像，提出了基于彩色图像分割技术路线：颜色调整、抽取RGB之一的分量和数学形态学处理。针对损伤部分的灰度比较均匀的图像，提出了基于活动轮廓模型（Snakes）的图像分割技术路线，共有7个步骤：图像增强、灰度化、中值滤波去除噪声、平滑边缘、提取初始轮廓、采用不同内外力参数的活动轮廓模型的迭代、B样条拟合。实验结果显示了这两种方法的有效性。分割结果为获得法医鉴定中的鉴定参数提供了准备工作。     

改进二值LFI医学图像分割模型

基于区域活动轮廓模型在处理医学特定分割目标时,受到图像背景影响较大,难以提取目标边界轮廓.针对这一问题,提出一种改进LFI模型.该模型构造出局部适当图像来逼近原图像,且引入吸附因子约束曲线演化方向,恢复曲线演化渐进性,使得分割具有针对性.采用二值水平集方法实现整个分割过程,避免了传统水平集数值不稳定性.实验结果表明该方法可以快速有效地分割特定医学图像目标.     

基于C-V模型的医学图像血管钙化分割算法

为了准确分割出医学图像中血管的钙化点,设计并实现了一种基于C-V模型的水平集图像分割方法。首先进行去噪和对比度增强预处理,接下来分割出图像中感兴趣的血管和钙化点区域,然后利用C-V模型水平集分割方法分割血管壁上的钙化点目标,最后采用形态学方法消除分割结果中孤立的噪声和孔洞。针对大量的临床血管钙化图像进行了算法的测试,实验结果表明:能有效分割出血管中的钙化灶,准确检测出血管中钙化的位置、大小、形态等。将C-V模型分割方法与OTSU阈值分割、登山法分割方法进行比较,结果表明C-V模型分割方法对于钙化点的分割更准确,边缘更平滑,更清晰,方便对钙化点进行进一步的测量和诊断。     

基于Adaboost的脑肿瘤患者存活周期分析

随着现代社会中脑部肿瘤发病率的日渐上升,脑肿瘤患者存活周期分析在临床中的意义也日渐凸显。为解决当前方法分析准确率不高的问题,该文提出一种基于Adaboost的脑肿瘤患者存活周期分析系统,首先对脑肿瘤患者的MR进行预处理、归一化、获取ROI和分割等处理,随后提取脑肿瘤患者的多序列MR的纹理特征以及进行以互信息为评价标准的特征选择并得到特征子集,最后搭建以Adaboost.R2为核心的分析模型,并利用特征子集完成分析模型的训练和调优,以完成肿瘤患者存活周期的分析。Brats2018训练数据上的交叉验证实验结果证实该系统的分析准确率优于Brats2018 challenge前3名的方法和传统回归分析方法。     

胶质母细胞瘤多模态磁共振图像自动分割

针对大多数传统胶质母细胞瘤（GBM）多模态磁共振（MR）图像分割算法未能将整个肿瘤细分为不同子区域的问题,提出基于混合特征和先验知识的GBM多模态MR图像自动分割算法. 配准GBM多模态MR图像,将头部区域方位调整到近似未旋转位置,并利用N4ITK法进行偏置场校正. 在提取GBM多模态MR图像局部位置特征、强度特征、纹理特征、对称特征和上下文特征后,应用随机森林分类器初步分割GBM多模态MR图像. 考虑GBM肿瘤解剖结构先验知识,移除小区域和中值滤波后得到最终分割结果. 以Dice相似性系数作为评价指标,利用所提出的算法对TCGA-GBM和CH-GBM数据库中整个肿瘤进行分割,获得的平均Dice相似性系数分别为0.871、0.882. 结果表明,该算法能以较高的准确率分割GBM多模态MR图像,适用于临床GBM多模态MR图像分割任务.