基于级联随机森林与活动轮廓的3D MR图像分割

针对医学磁共振（Magnetic resonance，MR）图像三维分割中随机森林（Random forest，RF）方法难以获得具有几何约束的结果以及活动轮廓模型（Active contour model，ACM）不能自动分割发生信号混叠的组织结构的问题，提出了一种整合了级联随机森林与活动轮廓模型的磁共振图像三维分割方法.该方法首先从多模态磁共振体数据中提取图像多尺度局部鲁棒统计信息，以此驱动级联随机森林对磁共振图像进行迭代的体素分类，从而获得对组织结构的初步分割结果，进一步将此结果作为初始轮廓与形状先验，整合进一个尺度可调的活动轮廓模型中，将独立的体素分类转化为轮廓曲线演化，最终得到具有几何约束的精确分割结果.在公开数据集上的实验结果表明，本文的自动化分割方法在分割精度和鲁棒性等方面，相比其他同类方法具有较大的性能提升.     

图像处理技术在赤潮生物自动识别中的应用

根据赤潮生物显微图像的特点，研究图像的预处理、分割和特征提取的处理过程．通过与其他自动分割方法进行比较，证明采用二维最大熵法可以有效地进行赤潮生物图像的自动阈值分割，并结合轮廓分析法和纹理分析法对于赤潮生物图像进行特征提取．实验结论表明，与人工识别计数方式比对，识别符合率大于80％。     

基于多空间图像融合的白细胞自动分割

针对目前白细胞分割存在的准确率不高、粘连细胞不易分割等问题,提出基于多空间图像融合的白细胞自动分割算法。根据细胞显微图像饱和度分量S和蓝色分量B的分布特点,构造融合图像,减弱内部空洞对分割的影响,为细胞核和单细胞的初分割奠定基础。对于粘连细胞图像,利用轮廓相邻点的行列式检测细胞边缘轮廓凹点并根据凹点索引值关系式定位粘连区域,最后采用线性插值修补轮廓。实验结果表明,上述算法可精确分割白细胞,分割正确率达到96%。     

活动轮廓模型在重叠藻细胞计数中的应用

针对重叠藻细胞显微图像的计数问题,提出一种基于活动轮廓模型的重叠藻细胞自动计数方法。对重叠藻细胞显微图像进行预处理,标记连通域,提取并处理局部图像,采用活动轮廓模型算法提取重叠藻细胞边缘,同时进行边缘分析和计数。与传统分水岭算法相比,该计数方法不直接进行重叠藻细胞分割,可以消除因直接分割时过分割与欠分割导致的计数误差,提高重叠藻细胞计算准确度。实验结果表明,该方法对重叠藻细胞的计数准确率高于90%。     

核磁共振图像脑组织自动提取方法

核磁共振图像的脑组织提取是神经图像处理研究中的一个重要步骤。将传统的几何活动轮廓模型与二值水平集函数相结合,提出了一种新型的二值水平集活动轮廓模型,并基于该模型提出了一种能够自动、准确实现MRI脑组织提取的方法。该方法在脑组织内部自动设定最优初始轮廓曲线,将该演化曲线隐含地表示成一个高维函数的零水平集,零水平集在基于区域的图像力驱动下不断演化并达到待分割脑部图像的边缘。将基于该方法的脑组织提取结果与作为金标准的专家手动分割结果和其他流行算法相比较,结果表明提出的脑组织提取方法能够自动、准确和快速地提取MRI脑组织,是一种鲁棒性较好的MRI脑组织提取方法。     

基于卷积神经网络的虫情图像分割和计数方法

为提高虫情图像的分割和计数的准确率,提出了一种基于卷积神经网络的虫情图像分割和计数方法。该方法基于U-Net模型构造了一种昆虫图像分割的模型Insect-Net,将完整的虫情图像和切割后的虫情图像分别输入模型后,提取两者特征进行融合。将融合后的特征输入1个1×1的卷积层得到最终分割结果,再将得到的结果二值化后,采用轮廓检测算法将昆虫目标与背景分离并计数。实验结果表明,该方法在虫情图像中取得了较高的分割正确率和计数正确率,分别为94.4%和89.2%。用深度学习和卷积神经网络的方法有效提高了虫情图像的计数精度,并且为昆虫识别分类提供了大量的无背景数据集。     

一种二值图像下的收缩型活动轮廓及其应用

本文设计了一种二值图像下的收缩型活动轮廓，并把它应用到基于差分运算的活动视频对象的分割算法中，用来从残缺不全的二值差分图像中获得视频对象形状的矢量描述、该活动轮廓以视频对象的外接矩形框作为初始轮廓(从差分图像中可自动获得)，通过顶点增删、曲线平滑滤波、主动收缩(粘定图像)、自动分裂等局部化计算步骤完成每次迭代．它具有局部化计算、相似形变、轮廓自动分裂等特点，可以实现多目标的自动分割包围，对点状聚类目标也能较好地进行分割和边缘提取。     

融合灰度和梯度信息的彩色细胞图像自动分割

为了开发血及骨髓涂片中白细胞自动分类及计算机辅助诊断系统,提出了一种融合灰度空间、彩色信息和数学形态学形态梯度信息的血细胞图像自动分割算法,以完成对白细胞（胞核和胞浆）的分割。在灰度空间,通过改进的迭代阈值分割算法,对白细胞的胞核进行了精确的定位和检出。通过彩色空间变换,有效地利用了图像中血细胞胞浆的颜色信息及先验知识,并且为了抑制过度分割,充分利用梯度信息,合理地对白细胞的胞核和胞浆进行了标记。在灰度梯度图像上提取血细胞的轮廓,并分别赋予不同的标记,表明数学形态梯度算法较传统的边缘检测算子具有更好的边缘提取能力。结果表明,胞核和胞浆的分割正确率分别为95.5％和92.6％,验证了该算法对彩色白细胞图像分割的有效性。     

基于各向异性主动轮廓模型的图像分割方法研究

摘 要：分割的作用是将数字图像分割为多个简单区域,并根据区域中图像的某种特征提取和分离出的目标区域,便于图像识别与理解分析。主动轮廓模型(snake)是一条可变形的参数曲线及相应的能量函数,广泛应用于医学领域的图像分割。主动轮廓模型是以最小化能量函数为目标,控制参数曲线变形,最后具有最小能量的闭合曲线就是所需分离的目标轮廓。在采用主动轮廓模型进行分割之前,通常都采用高斯滤波器对图像进行滤波,在对图像进行平滑的同时,也会使边缘模糊化,从而影响分割效果。本文将各向异性滤波和主动轮廓模型结合起来,充分利用各向异性滤波在平滑图像的同时能保持边缘的特点,在利用主动轮廓模型进行分割之前使用各向异性滤波代替传统的高斯滤波对图像进行预处理。实验结果表明：与传统方法相比,在主动轮廓模型的预处理阶段,采用本文所提出的算法平滑噪声图像,提高了后续图像分割的准确性。     

视觉显著区域和主动轮廓结合的图像分割算法

传统区域主动轮廓模型在分割弱边缘图像时,演化曲线受背景干扰,易陷入局部极值导致演化速度缓慢;且由于局部项仅考虑空间信息,无法更好保留目标边界,影响分割精度.针对上述问题,首先利用改进的显著性检测方法,对待分割图像进行预处理操作,获取目标候选区域,自动设置初始化轮廓曲线,并将获取的目标先验信息与待分割图像中具有最大对比度...     

Snake模型初始轮廓选取的研究

针对Snake模型处理复杂背景图像时的初始轮廓自动选取问题,该文采用分水岭算法先对图像进行分割,并将得到的边界作为Snake模型的初始边缘轮廓。由于分水岭算法具有将目标物体从复杂背景中分割开来的优点,使得在应用Snake模型对复杂图像进行分割时减少了人工的干预。经过实验对比,采用分水岭算法对玉米秸秆图像进行边缘轮廓的提取能达到较好的效果,为自动进行Snake模型的计算提供了一种较好的初始轮廓处理方法。     

粘连棒材图像自动分割计数技术

针对棒材图像自动计数存在的问题,提出了一种粘连棒材图像自动分割计数技术。首先采用粒度测量术估计棒材图像尺寸半径分布,自适应地选取处理参数。然后提出了一种新颖的棒材中心区域标记方法避免了初始过分割标记,在此基础上又提出了强、弱粘连概念。根据强弱粘连的特点,提出两步标记策略。分类粘连图像、获取图像的初始标记。对强粘连形成的欠分割标记区域采用逐次腐蚀算法,结合棒材形状面积等知识进行识别,获得正确的图像标记。最后融合两步图像中心区域标记结果,采用基于标记的分水岭分割算法进行图像分割。实验证明,这种方法能准确分割粘连棒材图像,实现可靠的棒材计数。     

磁共振颅脑图像的脑组织自动获取方法

提出了一种针对MRI磁共振图像通过两次分割实现颅脑图像脑组织自动获取的方法.通过基于Catt扩散模型的各项异性滤波,实现了在保持图像细节的同时有效地消除图像的噪声.然后通过改进的基于相似性区域合并的分水岭算法解决了过分割问题,实现了脑组织区域的初次分割.由于颅脑图像不同组织之间边缘模糊且自身容易受到噪声的影响,导致区域合并过程中可能会误将非脑组织作为脑组织合并,因此,采用水平集方法将初次分割获得的脑组织轮廓作为初始轮廓曲线,实现了脑组织的自动分割.实验结果验证了算法的可行性和实用性.     

基于图像连通区域面积的成捆棒材自动计数方法

提出了一种基于图像连通区域面积的成捆棒材自动计数方法。该方法首先对获取的棒材图像进行灰度化、滤波和图像分割处理,然后对分割图像中的连通区域分类:小于基本面积的区域视为噪声区域,介于基本面积和阈值面积之间的区域视为一支棒材区域,大于阈值面积的区域表示多支棒材粘连区域。对于多支棒材粘连区域,采用区域面积除以标准面积得到棒材支数。最后将所有连通区域的棒材支数求和即可得到图像中全部棒材的支数。该方法应用于13幅成捆棒材图像计数实验时所得误差均小于3%。     

基于格式塔心理学原理的几何活动轮廓模型

基于格式塔心理学原理提出了一种几何活动轮廓模型,并将其应用于图像分割。当轮廓曲线远离目标边界时,应用格式塔心理学目标-背景原则,其能量函数主要由区域间差异性组成;当轮廓曲线位于目标边界附近时,应用格式塔心理学接近性原则,其能量函数主要由区域内一致性组成。该模型符合知觉特性,是几何活动轮廓模型的一般形式,且融合图像区域信息和边界信息。通过侧脑室和肿瘤医学图像分割实验,其结果表明,该模型对模糊边界图像的自动分割具有一定的普适性,能达到满意的分割效果。将该模型应用到多目标的免疫细胞图像分割中,能一次性完成将细胞质从细胞核和体液两种不同背景中分割出来的任务。     

多视点图像的前景对象自动分割方法

为了将前景对象从多视点图像中自动地分割出来,提出一种基于多视点图像特征分析的对象提取方法.首先采用改进的随机Hough变换提取极线平面图中的直线,并对已检测直线的斜率进行统计分析;然后根据对象在场景中所处的深度,将对应斜率的直线转换到原始图像空间中得到初始轮廓;并利用边缘生长方法缩短断开边缘的间距;最后采用边缘连接方法获得闭合的轮廓曲线.实验结果表明,与基于水平集的主动轮廓模型分割方法相比,文中方法能更加快速、精确地将对象从复杂场景中分割出来.     

基于运动估计的交互式医学图像序列分割

针对医学图像难以自动分割,而医学图像序列采用手工分割时工作量巨大、效率低的问题,提出了一种新的交互式图像序列分割方法.在计算机的辅助下,用手工精确地描画出第一幅图像中对象的边界轮廓.后续图像的分割曲线用运动估计的方法自动得到.每完成一幅图像的分割用户都可以检查分割效果,如果不满意则可用手工修正.这个过程重复进行,直到整个图像序列分割完毕.实验结果表明,该方法能精确、快速地实现医学图像序列的分割.     

融合区域信息Snake模型图像分割

针对传统的参数活动轮廓(Snake)模型对初始轮廓曲线非常敏感,提出融合区域信息Snake模型图像分割.该方法将气球力Snake模型中的恒定气球力替换为包含区域信息的变力,以目标和背景两区域平均灰度值距离最大为准则,引导轮廓曲线进化.实验结果表明,该模型对初始轮廓位置不敏感,能实现自动分割;并且对于带噪声图像,该模型也能取得满意分割效果.     

基于变分水平集的目标轮廓分割方法

针对风洞试验摄影测量技术中标识点图像边缘模糊,难以快速、准确分割的难题,设计了一种基于变分水平集的目标轮廓自动分割方法.分割模型根据图像域内零交叉曲线两侧二阶微分值符号相反的特性,构造了新的曲线演化引导函数,位于标识点内部、外部,甚至与标志点轮廓相交叉的初始曲线,在该引导项的指引下均可自动收敛到标识点边界处.同时,模型中引入新的边界函数,解决了标识点弱边缘分割过程中演化曲线边界泄露的问题.在合成图像和实际风洞模型图像上的仿真实验结果表明了该方法的准确性与优越性.     

棒线材端头识别的图像处理改进方法

一直以来,对棒线材进行计数都采用人工方法,效率低且不准确。为了提高效率,需要研究出一种棒线材自动识别方法实现棒线材的自动计数。该文通过对常见的轮廓提取法进行研究,提出了改进的轮廓提取法,通过对棒线材灰度图像的轮廓提取、分割处理、闭运算及细化处理等消除了细线及目标区域的影响,得到了更准确的轮廓曲线并计算出轮廓的圆形度,进而计算出棒线材的半径,棒线材的半径是实现棒线材自动识别的重要参数。程序的运行结果表明,改进的轮廓提取法能准确地把棒线材端头轮廓提取出来。