一种基于数据融合的医学图像分割方法

针对一类纹理特征明显的医学图像,提出了一种融合纹理信息和灰度信息的图像分割方法,设计了基于金字塔结构的区域增长分割算法,该方法在区域内部结合使用纹理信息和灰度信息,在区域边缘部分则充分利用灰度信息,计算结果表明,该方法对某一类医学图像能够获得较好的分割效果。     

结合纹理信息的图像分割方法及其应用

文章提出了一种结合纹理信息的图像分割方法,设计并实现了一种基于子区域的区域增长算法,该方法较有效地利用了欲分割对象区域的灰度以及纹理信息．该方法应用于医学图像的分割问题,得到了较好的效果．实验表明,该方法针对一类图像能够获得较好的结果.     

一种基于边缘检测及纹理分析的水坝图像分割算法

针对边缘检测算法的局限性及灰度水坝图像的特点,提出了一种基于边缘检测及纹理分析相结合的灰度图像分割算法,首先利用边缘检测算法对待处理图像进行边缘检测得到图像的粗分割,然后在原灰度图像中对得到的边缘位置点进行纹理分析,去除检测到的非目标对象的边缘从而得到分割图像,即细分割。将该算法应用到河坝监测系统中,实验证明该算法达到了很好的分割效果。     

基于自适应区域生长算法的肝脏分割

把肝脏器官从医学图像中提取出来,为肝脏的三维重建及最终的仿真手术模拟提供正确的数据。针对腹部CT图像中脏器组织多、图像纹理结构复杂、灰度差别小、边缘不明显等特点,提出一种改进的自适应区域生长分割算法。该算法基于两个局部参数：待生长点的局部平均灰度和局部平均梯度,对传统区域生长算法的生长准则进行了改进。实验结果表明,得到的肝脏分割结果比传统区域生长算法分割结果更精确,可以为后续的肝脏三维重建及仿真手术提供准确的数据。     

一种基于低对比度图像的车辆检测算法

提出一种基于低对比度图像的车辆检测算法。对图像分割算法得到的感兴趣区域(ROI)进行预处理,利用Haar小波特征提取算法提取ROI的图像边缘及纹理特征,利用支持向量机对ROI进行车辆检测。实验结果表明,该方法对车辆检测率达到90.6%,误报率为3.8%。通过再学习还可以进一步提高算法的识别性能。     

基于色彩均匀度的自然图像色彩—纹理分割方法

针对现有图像分割方法中存在的计算复杂，分割结果平滑性不好等问题，提出了基于色彩均匀度的自然图像色彩—纹理分割方法ISBEC。该方法首先对输入图像进行色彩量化，然后利用量化得到的索引图同时进行色彩分割和基于色彩均匀度的多尺度纹理分析，接着将纹理和色彩分割的结果加以结合，最后合并去掉过分割区域。将灰度图像转为色彩分量相同的彩色图像后，ISBEC算法同样可以用于灰度图像的分割。实验结果验证了ISBEC对自然图像色彩—纹理分割的有效性。     

一种基于主动轮廓模型的医学图像序列分割算法

介绍了一种结合live wire算法和活动轮廓模型的医学图像序列的分割方法.通过把live wire算法和图像分割中一般的区域增长方法结合,对传统live wire算法进行了改进,并用改进后的算法对医学图像序列中的单张或多张切片进行交互式地准确分割.然后计算机利用活动轮廓模型自动分割相邻的未分割切片.还通过在活动轮廓模型的边缘点中引入记录已分割物体边缘附近局部区域特征的灰度模型,把已分割切片中的物体与背景的局部区域特征带入相邻的未分割切片中,并用由灰度模型定义的区域相似性代替活动轮廓模型中的外能来引导边缘轮廓收敛到物体的实际边缘.最后介绍了一种基于live wire算法思想的简单的分割结果交互式修复方法.实验结果表明该算法仅需少量用户交互就能快速准确地从医学图像序列中分割出感兴趣的物体,在医学图像分析中具有实用价值.     

基于Mean Shift的芯片X光图像层次分割算法

针对芯片X光图像多目标、背景复杂、灰度分布不均匀的特点,提出一种基于Mean Shift的层次分割算法。运用旋转缩放不变的模板匹配定位算法定位芯片并确定其兴趣区域（ ROI）,从而实现外层分割。再运用Mean Shift算法对芯片模板图像和芯片ROI图像进行统计聚类分析,分别计算原图像金线模式类的灰度平均值,以芯片模板图像的金线模式类的平均灰度为基准,对芯片ROI的聚类图像采用优化阈值进行自适应阈值分割,从而实现内层分割。实验结果表明：与传统的均值偏移分割算法相比,该方法的多目标分割准确,可靠性高。     

基于神经网络的纹理和灰度信息融合方法

文章从信息融合的角度出发,利用神经网络的方法将纹理和灰度信息有机地融合起来,设计并实现了一种基于子区域的区域增长分割算法.并将该方法应用到医学图像的分割问题中,取得了较好的效果.实验表明,该方法针对一类图像能够得到较好的结果.     

未知环境中机器人可行区域的认知研究

针对未知环境中无人车对可行区域的认知,提出了一种结合分水岭算法、边缘提取、区域合并等思想的图像分割方法.利用图像的灰度信息进行分水岭变化后,将图像过分割成多个小区域;再根据边缘信息所在位置对这些小区域进行初步区域合并.最后利用区域邻接图和图像的色调、亮度、灰度等信息描述剩余区域间的关系,将2个相邻区域的色调和灰度差值关系作为权值函数,根据亮度信息寻找阈值.实验结果表明:该方法有效提高了区域合并的准确性,成功分割出可行区域,为无人车的自主行驶提供了有力的保障.     

定向区域生长算法及其在血管分割中的应用

针对医学图像中微细管道结构灰度连续性差,采用常规区域生长法进行分割容易丢失末梢的问题,提出一种定向区域生长算法,可以在生长过程中跨越管道结构中的低灰度 区域。算法向图像中已生长区域外灰度最高的方向进行生长,每次将一个体素加入已生长区域,将图像转变为一颗以种子点为根结点的树,再从叶子结点进行回溯以确定感兴趣区 域。对实现算法的数据结构进行了讨论。算法可以应用于任意维的图像。对2维和3维图像的测试结果表明,相对于常规的区域生长法,算法可以分割出更多的血管分支。算法对3维 图像的运行时间为秒钟量级,可以满足临床应用的要求。     

基于区域生长与Hough变换的虹膜定位方法

快速、准确地定位虹膜是虹膜识别系统的关键。在分析了传统虹膜定位算法的基础上,提出了一种把区域生长与Hough变换相结合的虹膜定位方法,利用区域生长搜索虹膜的内边缘,根据图像的灰度变化规律,搜索位于外边缘的若干个点,利用Hough变换找出外边缘所在位置。实验结果表明,该方法易于实现,减少搜索的盲目性,可提高定位速度。     

一种局部纹理特征在区域生长中的应用*

为克服现有算法不能自动选择种子且没有很好地利用纹理信息的局限性,提出了一种基于局部纹理特征的区域生长算法。算法分为两个阶段,即颜色量化和区域生长。先利用Mean Shift算法对颜色聚类,对图像预分割,用该局部量化纹理算法提取量化结果的纹理特征,由该纹理特征自动选择种子并分级合并区域。与经典的JSEG算法相比,该算法能够得到相似的分割结果,且计算复杂度低。     

基于自适应区域生长的乳腺肿块分割方法

乳腺X图像中肿块特征的复杂多变,给肿块的分割带来了很大困难,区域生长为肿块分割提供了一种比较可靠的方法。传统的区域生长由于生长次数和准则比较单一,就会出现较多的过生长和欠生长,从而影响其分割精度和可靠性,针对这一问题,提出了一种利用自适应区域生长对乳腺肿块进行分割的方法。对肿块感兴趣区域进行背景去除和领域抑制得到预处理后的图像,利用预处理后图像各像素个数确定区域生长的种子点,再利用肿块图像的梯度分布及变化趋势确定自适应区域生长是否过边缘,从而确定最佳生长准则。实验结果表明,相对于三层地形分割算法及模型分割算法,自适应区域生长算法分割得更准确、可靠。     

基于纹理和区域特征的台风卫星云图分割方法

在利用GMS红外卫星云图进行无眼台风自动定位方法的研究中,台风云系的分割是处理中关键的一步,文章提出了一种基于纹理和区域特征的台风云系分割方法。首先利用图像的分形维数和灰度特征对台风云系中的密蔽云区进行有效的识别后,然后启动基于区域约束的区域生长计算得到台风云系。     

基于区域生长的翡翠云雾纹理分割方法

根据翡翠云雾纹理特征,提出基于区域生长算法的翡翠纹理分割方法。首先,将图像转换到YCbCr颜色空间,根据统计的翡翠CbCr分量范围,利用边界跟踪算法确定分析区域,然后针对CbCr分量进行FCM聚类,选定生长区域种子,根据生长区域颜色相近和纹理相似的特征,进行区域生长,利用灰度共生矩阵分析Y分量进行纹理特征提取,针对分割效果影响因素,进行区域合并。实验表明该方法的分割效果良好。     

景象匹配算法及其适应性分析

提出一种基于区域特征的景象匹配算法。其基本方法是先提取基准图和实时图的稳定极值区域,并计算出区域的平均灰度、方差、仿射不变矩以及纹理信息熵,构造相似性度量函数,然后计算匹配区域对的Hausdorff距离决定是否是对应区域。大量的模拟实验表明,该算法的匹配时间能达到0.138 s,正确匹配率达到92.67%,不仅能满足景象匹配的要求,且大大提高了匹配的时间与正确率。对其适应性进行了详细的分析,结果表明该算法对旋转、尺度、噪声、灰度变化的适应性较好。     

肺部毛细血管分割算法

针对肺部区域进行毛细血管的分割提取,根据肺部图像本身的灰度信息,以及毛细血管自身的特殊性,如灰度逐渐变化、粗细不均等,主要利用区域生长法、拉普拉斯二阶微分算子等一些图像处理的算法,对较复杂的毛细血管部分进行了提取,这种方法克服了单一算法的不足之处,有效地分割出了主要血管的形状及走势,实验证明具有一定的有效性和应用价值.