髋关节序列CT图像中股骨近端分割方法研究

针对现有髋关节序列CT图像中骨骼近端分割精度差、自动化程度低、计算复杂度高的问题,提出一种自动分割股骨近端的方法。该方法充分利用序列CT图像中股骨头与股骨中段呈现类圆形以及相邻切片中股骨特征相似度高的特点,融合双向分割的股骨轮廓信息得到可靠的股骨近端轮廓。实验结果表明,该方法能准确地从髋关节序列CT图像中提取出股骨近端的轮廓信息,具有一定的实用价值。     

基于Kinect深度信息与骨骼信息的手指尖识别方法

针对基于视频的手势识别技术对手掌轮廓和指尖信息要求较高的问题,提出了一种基于图像深度信息和人体骨骼信息的手指指尖识别方法和手掌轮廓检测算法。采用微软Kinect摄像头获取深度信息和人体骨骼信息,并将每个骨骼点的三维信息转换成深度图上的二维信息。根据人体骨骼信息快速找到手掌的位置,并利用基于深度阈值的轮廓检测算法将手掌轮廓和弯曲手指轮廓从背景图像中分割出来。利用k曲率算法检测到手指指尖的位置。实验结果证明,该方法可以高效地检测出伸直和弯曲手指的轮廓,识别出人体的手指,并且该方法可在黑暗的环境下进行。     

三角网格模型的最小值边界分割

针对目前网格模型块分割算法综合效果不理想、人工干预多等问题,提出一种基于凹凸信号的最小值边界检测的三角网格模型分割算法.首先通过全局控制顶点的Laplace光顺操作对网格模型进行光顺去噪;然后通过标准化和归一化的凹度信息发现符合人眼视觉的最小值规则的凹特征点;最后结合区域中心线提取算法以及扇形探射线算法构造出闭合的分割线,并用三维主动轮廓模型方法进行优化,通过分割线将模型分割为有意义的分块.实例结果表明,该算法可以快速有效地分割模型,得到有意义的分割结果.     

基于马尔可夫随机场与活动轮廓的运动目标分割

针对视频序列图像中的运动目标分割，提出了将马尔可夫随机场模型和活动轮廓模型相结合的运动目标分割算法。该算法首先利用马尔可夫随机场模型的运动检测算法，得到运动目标的初始模板。在此基础上提取出活动轮廓模型的初始轮廓点，然后构造活动轮廓模型的能量函数。用改进的贪婪算法求得能量函数最小值，提取出运动目标的精确轮廓，从而得到具有精确边缘的运动目标。实验结果表明该算法能有效地分割和提取出视频序列中的运动目标。     

引入区域种子的多运动目标分割算法

针对智能监控系统中对多个运动目标进行图像分割这一问题,提出一种引入区域种子的多运动目标分割算法.算法首先利用背景减算法获得包含多个运动目标的前景图像,再利用四叉树分解方法获得与前景图像对应的稀疏矩阵,通过稀疏矩阵中数值的分布情况,计算出包含运动目标的区域种子点,从这些种子点出发,利用主动轮廓模型进行并行目标轮廓提取,最终完成多运动目标图像分割.实验结果证明本文算法能有效分割出前景图像中多个运动目标,分割结果与人眼视觉的判断相近,并行轮廓提取使算法具有良好的实时性.     

基于分形的改进Grabcut目标自动分割

针对传统Grabcut 算法依赖人工互动,分割效率低的缺点,提出一种基于微分计盒快速算法的Differential Box-Counting Grabcut（DBC-Grabcut）方法,实现复杂自然背景下的人工目标自动分割。应用微分计盒快速算法检测出人工目标的轮廓,进而确定出Grabcut的初始分割轮廓和混合高斯模型参数,运用最小割方法分割图像,再通过少量的迭代使能量函数最小化完成目标分割。实验结果表明,该算法能够自动分割出人工目标,且分割结果较为完整,能充分保留目标的原始信息。     

基于能量优化的三维网格模型分割方法

针对现有的三维网格模型分割方法存在过分割或欠分割、分割线锯齿化明显、人工干预多等问题,提出一种基于能量优化和区分度的三维网格模型分割方法.首先提出能量和区分度这2种鲁棒性更强的特征,用于改善分割边界的精度;其次根据能量、区分度及凹凸性寻找满足条件的分割点,根据点的邻接关系得到分割点集,并基于腐蚀算法细化分割点集以得到分割线;最后结合图的广度优先遍历算法及最小能量原则构造出闭合的分割线.此外,为了提高分割线位置的精度及改善锯齿化明显的问题,采用Dijkstra算法思想进行分割线的优化,得到的分割边界更符合人类视觉.对普林斯顿数据集进行实验,并采用普林斯顿基准同7种一般的分割方法进行定量比较,其中最重要的评估指标兰德指数比7种方法平均高0.21,表明该方法可以得到更高精度且更加符合人类视觉的分割结果.     

可信可控网络中的一致性视图构建机制

主动轮廓模型是进行图像分割的有效方法,但主动轮廓模型在确定初始轮廓方面主要靠经验,理论方法不多。为此,提出了一种基于改进骨架算法的主动轮廓模型进行图像分割的方法。首先利用改进的骨架算法和轮廓重生算法,生成初始轮廓;再利用含有形状能量的主动轮廓模型进行轮廓的演化,使其接近真实的目标边缘,获得期望的图像分割结果。实例验证和比对实验结果表明,与传统的主动轮廓模型相比,该方法在图像分割的准确性和抗噪性方面有很大的提升。     

基于缝隙裁剪的满文单词分割和提取方法研究

从大篇幅的满文文档图像中分割和提取满文单词,是满文文档分析的关键步骤。该文提出了一种基于缝隙剪裁的满文文档图像单词分割和提取方法。首先,通过投影轮廓匹配策略初步涂抹并确定文本列数目;然后,在相邻文本列间自底向上地进行动态规划,寻找最小能量线,并通过中线区域约束得到不损坏满文文字部件的最佳分割线;最后,依据分割线提取独立满文文本列进而提取满文单词。结果表明,该方法在满文文档图像数据库上取得了较好的分割和提取效果。     

基于活动轮廓的运动目标的动态分割

提出了一种基于活动轮廓的运动目标动态分割方法。利用Ｂ样条曲线表示活动轮廓,导出了Ｂ样要曲线控制点的运动模型,从而使得活动轮廓能自动地跟踪运动目标的边缘,实现运动目标的动态分割。同时我们还提出了控制点数目的自动确定方法。实验结果验证了该方法的有效性。     

基于区域信息主动轮廓模型的图像分割

图像分割是对图像进行后续处理的关键步骤之一,传统主动轮廓模型在目标图像背景较为复杂的情况下很难精确地进行图像分割。为了精确且快速地进行图像分割,以便更加有利地进行后续相关图像处理操作,在对传统主动轮廓模型进行相关研究的基础之上,提出一种基于区域信息主动轮廓模型的图像分割方法。将图像区域信息融入主动轮廓模型的能量函数中去,减弱了模型对图像区域信息突变所造成的图像误分割;改进该模型能量函数内外曲线的拟合中心,以此减少图像噪声点对拟合中心准确性的影响;利用信息熵改进曲线内外能量函数权重,以此提高曲线的演化速度。实验结果表明,与传统CV（Chan_Vese）模型等四种模型相比,该方法所分割的图像更加精确,且在算法分割效率上具有较明显的优势。     

结合分布度量统计建模的主动轮廓图像分割

图像分割是数字图像处理中不可或缺的关键步骤。为了解决传统主动轮廓模型针对非匀质图像分割结果不准确且分割效率低的问题,提出一种结合分布度量统计建模的主动轮廓图像分割算法。所提算法的能量驱动力兼顾了图像的全局统计建模信息和其他混合灰度分布信息,使得分割曲线能够更加精确地演化至目标边缘。分布度量能量驱动力定义为轮廓内外概率密度函数定义的比率距离的方差,该能量驱动力基于图像全局信息统计建模,能够更加精确地描述轮廓曲线内外的能量变化;混合灰度分布能量驱动力由图像灰度值与融合均值与中值的区域拟合中心的L2范数表示。将分布度量能量驱动力与混合灰度分布能量驱动力组合形成新的能量泛函,利用水平集方法和梯度下降法迭代求得该能量泛函的最小值,以获得最终的图像分割结果。与传统CV（Chan Vese）模型、LBF（Local Binary Fitting）模型等四种算法的图像分割结果相比,所提模型在主观视觉效果、对初始轮廓的敏感性、运行时间和迭次次数方面均具有较大优势。     

融合凹点检测与仿射变换的活动轮廓模型

目的 针对基于矢量场的活动轮廓模型,如经典的梯度矢量流（GVF）模型、矢量场卷积（VFC）模型等,在提取凹形物体时矢量场常出现平衡点,不能较好地收敛到凹陷区域、尤其是深而窄的凹形及复杂凹陷区域的问题。提出一种融合凹点检测与仿射变换的活动轮廓模型。方法 首先利用活动轮廓模型进行曲线演化,得到演化后轮廓曲线上各点的坐标并求出各点的法线方向;然后基于凹点检测的方法,判断各点的凹凸性,利用梯度判断法,检测出未收敛到目标边界的凹点;其次对各凹点进行法向方向的仿射变换。在接近且不越过目标边界的情况下求出可变换的最大距离,变换后的点穿越了平衡点区域,让变换后的点代替原来的点形成新的轮廓曲线;最后为保证提取边界的精确性,将变换后的轮廓曲线再次演化并最终收敛到目标边界。结果 通过对具有凹陷区域的合成图像进行分割,计算提出模型分割结果的平均Jaccard相似系数（JS）值为95.51%,相比目前先进的GVF模型,VFC模型和自适应扩散流（ADF）模型分别提高了15.08%,12.09%和10.70%,整体效果上优于几种先进的模型。然后又对单/多目标真实图像及含噪的图像进行分割,证实提出模型分割性能的鲁棒性。结论 提出的模型有效地避免了凹形区域内的平衡点问题,可以对深凹形及复杂凹形图像进行有效分割,并且提高了分割精度。此外,该模型能融合到任何基于矢量场的活动轮廓模型中,具有广泛的普适性。     

结合MRF能量和模糊速度的乳腺癌图像分割方法

乳腺癌灶的精确分割是乳腺癌计算机辅助诊断的重要前提. 在动态对比增强核磁共振成像(Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI)的图像中, 乳腺癌灶具有对比度低、边界模糊及亮度不均匀等特点, 传统的活动轮廓模型方法很难取得准确的分割结果. 本文提出一种结合马尔科夫随机场(Markov random field, MRF)能量和模糊速度函数的活动轮廓模型的半自动分割方法来完成乳腺癌灶的分割, 相对于专业医生的手动分割, 本文方法具有速度快、可重复性高和分割结果相对客观等优点. 首先, 计算乳腺DCE-MRI图像的MRF能量, 以增强目标区域与周围背景的差异. 其次, 在能量图中计算每个像素点的后验概率, 建立基于后验概率驱动的活动轮廓模型区域项. 最后, 结合Gabor纹理特征、DCE-MRI时域特征和灰度特征构建模糊速度函数, 将其引入到活动轮廓模型中作为边缘检测项. 在乳腺癌灶边界处, 该速度函数趋向于零, 活动轮廓曲线停止演变, 完成对乳腺癌灶的分割. 实验结果表明, 所提出的方法有助于乳腺癌灶在DCE-MRI图像中的准确分割.     

Segmentation of cam-type femurs from CT scans

We introduce a new way to accurately segment cam-type pathological femurs from pelvic CT scans. The femur is a difficult target for segmentation due to its proximity to the acetabulum, irregular shape and the varying thickness of its hardened outer shell. In addition, the pathological femurs with femoral-acetabular impingements have a non-standard shape, which increases segmentation difficulty. We overcome these difficulties by (a) dividing the femur into two rounds of segmentation—one for the femur head and another for the body—(b) pre-processing the CT scan to reduce anatomical sources of error (c) two modes of segmentation—a rough estimation of a contour and another for fine contours. Segmentations of the CT volume are performed iteratively, on a slice-by-slice basis and contours are extracted using the morphological snake algorithm. Our methodology was designed to require little initialization from the user and to deftly handle the large variation in femur shapes, most notably from deformations attributed to cam femoral–acetabular impingements. Our efforts are to provide physicians with a new tool that creates patient-specific and high-quality 3D femur models while requiring much less time and effort. Femur models segmented with our method had an average volume overlap error of 2.71±0.44% and symmetric surface distance of 0.28±0.04 mm compared to ground truth models.     

结合显著性的主动轮廓图像分割

传统的主动轮廓方法无法突出分割区域的显著性,同时在由显著性检测算法所得到的显著图中目标具有较高的信噪比,因此提出结合显著性的主动轮廓图像分割。通过线性光谱聚类分割得到超像素,以超像素为处理单位利用基于图论的流形排序算法获得较好的显著图;将高斯混合模型引入到主动轮廓的曲线演化过程中,计算曲线内外的平均灰度值,从而通过高斯混合模型和显著性信息得到了新的主动轮廓能量方程,并运用水平集方法指导分割,获得最终的分割结果。实验结果表明,提出的图像分割方法可以对图像进行快速和有效的分割。     

基于改进几何活动轮廓模型的图像分割算法

针对传统几何活动轮廓（GAC）模型易出现边界泄露的缺陷,提出一个基于改进GAC模型的图像变速分割算法。该算法结合了图像边缘梯度信息和边缘角点坐标信息,通过改变演化曲线在角点及弱边界处的常量速度,避免活动轮廓曲线继续演化进入目标边界内,造成边界泄露和角点丢失现象,影响目标轮廓提取的准确性。实验结果表明：该算法可使演化曲线更加准确地停在目标边缘,并且在一定程度上减少了边界泄露问题。     

心脏CT图像分割方法

借助手术导航技术的微创消融将逐渐成为外科治疗房颤的主流方法。快速、准确地分割心室、心房是微创消融的关键技术之一。针对心脏CT图像的具体特征提出一种分割技术,将基于像素的传统方法和基于水平集的活动轮廓模型相结合,完成图像预分割。分割结果直接作为变分水平集的初始轮廓,经若干次迭代后,得到心室、心房的光滑轮廓。     

一种基于细菌觅食优化算法的舌体分割算法

针对医学舌体数字图像的准确分割,提出了一种基于细菌觅食优化算法(BFOA) 和 Snake 活动轮廓模型相组合的舌体分割算法。首先,以信息熵与 Kapur 算法相结合作为自适 应函数来改进 BFOA 算法,通过改进的 BFOA 算法计算舌体图像的最佳图像二值化阈值,并将 舌体图像二值化;然后,利用舌体图像的对称性提取舌体的关键边缘点,并基于 B-样条插值算 法由关键点集合插值得到闭合的 B-样条曲线,作为 Snake 模型的初始轮廓;最后,通过 Snake 模型计算求解,即可准确提取舌体的轮廓曲线。实验结果表明,改进算法能够高精度地分割出 舌体图像,并能消除基本 Snake 模型在初始轮廓曲线选取中存在的人机交互难题,实现了舌体 图像的自动分割。