心脏病图像分割方法研究

研究心脏造影图像准确分割问题。心脏病变区域存在大量水状的囊肿,囊肿区域的像素会造成病变区域图像像素灰度大幅下降,与正常区域的灰度差减少。传统的图像分割方法多是基于边沿像素灰度差进行分割,大量来自水状病变区域的干扰像素使得病变区域边沿像素与正常区域像素发生灰度混淆,造成利用灰度差方法进行图像分割的准确率比较低的问题。为此提出了一种基于改进神经网络算法的心脏造影图像分割方法。提取图像中的关键细节特点,运用改进后的神经网络模型,对水状杂质像素的干扰进行迭代分割过滤。实验证明,运用神经网络方法能够有效提高心脏造影图像病变部位分割的准确率,具有很好的应用价值。     

图像边缘分割算法的优化研究与仿真

研究图像边缘分割问题,提高分割的准确性.针对图像中物体像素与其边缘像素容易发生像素粘连,粘连部分由于发生像素灰度混合,造成像素差异极小,传统的基于灰度的边缘检测算法由于不能很好的区分粘连部分的灰度差异,不能完整检测图像边缘的问题.提出了一种离散余弦变换(DCT)和数学形态学边缘分割算法.通过对提取过的特征图像在同一尺度下用多个结构元素分别对图像进行边缘分割,经过合成得到多尺度多结构元素形态学检测的边缘图像,摆脱分割算法对像素灰度的依赖.仿真结果表明:方法具有较好的抗干扰性和定位准确性,分割的边缘更为完整准确,取得了令人满意的效果.     

医学图片中分离重叠细胞的方法研究

该文研究的主要内容是处理粘连细胞的分割。在医学中所运用到的细胞图片,往往细胞和细胞之间会有粘连,由于粘连之后的部分经常出现灰度的叠加,这就造成图片信息的不准确,给研究造成了一定的干扰。传统的细胞分割方法因为在辨别粘连区域灰度的能力较差,所以在分割粘连细胞时往往有缺失。为了改善这样的问题,该文采用自适应阈值来处理粘连细胞的分割问题。计算得出细胞粘连区域像素的特征信息,利用自适应阈值来识别粘连区域中像素间的差异,把像素归类,使得传统分割算法混淆像素的问题得到很好的解决。通过实验可以得出,该文使用的自适应阈值分割粘连细胞的算法是有效的,效果理想。     

医学图像中粘连细胞分割方法研究

研究粘连细胞图像的分割问题。针对医学细胞图像中,细胞经常发生粘连,细胞粘连部分由于发生像素灰度混合,造成图像不清晰。传统的应用灰度的分割算法由于不能很好的区分粘连部分的灰度,不能完整的分割细胞的问题。为了解决上述问题,提出了自适应阀值调整的粘连细胞分割方法。通过求得粘连部位的细胞像素的具体特征,运用阀值的自适应变化区分粘连部位像素之间的不同,对像素进行划分,克服了传统方法像素划分不清的弊端。实验表明,方法能够有效的分割医学图像中的粘连细胞,取得了比较好的效果。     

基于局部区域拟合模型的磁共振图像分割与偏移估计算法

磁共振(MR)图像的灰度通常是不均匀的,这种不均匀性是由于成像设备的缺陷导致产生了一种光滑的偏移场.一般的基于灰度统计特性的分割算法都是假设目标区域和背景区域图像的灰度分别是一致的,因此该类算法不能很好地应用于磁共振图像的分割.提出一种基于局部拟合模型的磁共振图像分割与偏移估计算法:利用图像的局部区域的灰度特性建立恢复...     

颅内异常声压干扰下脑瘫病变区域分割仿真

研究脑瘫病变医学图像边缘准确分割问题.脑瘫病变医学图像受到颅内声压的干扰,在采集过程中对病变区域特征属性形成干扰,造成病变区域特征边缘模糊化.传统算法在随机声压干扰下的脑瘫病变医学图像特征边缘模糊,无法形成有效的约束,造成病变区域分割精度下降.为提高精度,提出利用GCA演化模型的脑瘫病变区域分割方法.采集脑瘫病变区域图像,计算图像中不同像素的关联性,为克服干扰,对图像像素进行碰撞运算,实现脑瘫图像边缘增强.计算SUSAN检测算子,获取GAC演化模型,对获取的结果进行抗干扰处理,实现脑瘫病变区域分割.实验结果表明,利用改进算法进行脑瘫病变区域分割,能够避免颅内异常声压的干扰,为临床诊断提供依据.     

一种改进的指纹图像分割算法

指纹图像分割是指纹识别技术中的重要步骤之一。本文在分析了已有分割算法存在的不足的基础上,提出了一种改进的指纹图像分割算法,该算法引入像素聚类的概念,将灰度特性和像素聚类相结合,形成以灰度特性为主、像素聚类为辅的分割算法,该算法克服了前面算法由单一阈值分割的缺陷。实验表明对于背景条件较复杂的指纹图像,本算法也能很准确地实现指纹图像的分割,具有较好的鲁棒性。     

远程小目标图像特征精准匹配方法研究与仿真

研究远程图像中小目标区域的准确匹配问题.远程采集的图像中目标过小,像素与周围环境排列过于紧密,背景灰度值与目标灰度值非常相近,像素特征很难通过阀值与背景完整分割.传统的灰度图像小目标匹配的方法,当图像中的像素特征高度重合的情况下,会导致图像特征局部模糊,特征匹配的准确性不高.提出一种低频像素排序和高斯金字塔分解的弱小目标匹配方法,通过提取出图像中的像素频率信息,并对其进行排序,利用高斯金字塔分解结果将图像中的目标细化,并依此完成准确匹配.实验证明,改进的匹配方法能够准确匹配图像小目标区域,可为图像匹配优化提供参考.     

基于空间约束的模糊C均值聚类肝脏CT图像分割

传统模糊C均值（FCM）聚类算法应用于肝脏CT图像分割时仅考虑像素本身特征,无法解决灰度不均匀造成的影响以及肝脏边界模糊造成的边界泄露的问题。为解决上述问题,提出一种结合空间约束的模糊C均值（SFCM）聚类分割算法。首先,使用二维高斯分布函数构建卷积核,利用该卷积核对源图像进行空间信息提取得到特征矩阵;然后,引入空间约束惩罚项,更新并优化目标函数得到新的迭代方程;最后,通过多次迭代,完成对肝脏CT图像的分割。实验结果表明,SFCM算法分割具有灰度不均匀和边界粘连的肝脏CT图像时得到的肝脏轮廓形状更加规则,准确率达到92.8%,比FCM和直觉模糊C均值（IFCM）算法的分割准确率分别提升了2.3和4.3个百分点,过分割率分别降低了4.9和5.3个百分点。     

基于多属性的空间连续模糊聚类算法的血管分割

血管系统的3维显示对于图像导航神经外科和手术计划非常重要。提出了一种基于多属性的空间连续模糊聚类算法的血管分割算法来提取时飞磁共振血管造影（TOF MRA)图像中的血管,该聚类算法同时利用了图像的灰度信息和几何信息来提取血管,而目前已有算法仅采用灰度信息。在该算法中又提出了一个融合了灰度和几何形状的不相似性度量准则, 由于几何形状的采用,使得该算法可以区分具有相似灰度但位于不同几何形状组织里的像素。为了验证该算法,分别对2维和3维图像进行了分割,实验结果表明,该算法能够获得更好的分割结果。