一种新型的视盘分割方法

视盘的检测对于眼底图像分析和计算机辅助诊断视网膜神经疾病有重要意义。论文提出了一种新型的视盘分割方法,新方法的思想是在去除血管的背景图像应用梯度向量场 GVF 活动轮廓模型。首先,从原始图像获取部分背景图像的像素,即获得在去除图像中血管像素之后的部分像素,然后利用取得部分背景的像素重塑整个背景图像,最后在恢复的背景图像中应用 GVF 活动轮廓模型分割出视盘,GVF Snake 模型的初始曲线为 Hough circle 。选取了不同的眼底医学图像进行了大量的实验,结果表明论文算法的分割结果十分准确,具有较好的分割效果。     

基于GVF模型的图像分割方法的改进

基于GVF模型的图像分割方法克服了snake模型对凹凸形状物体分割效果不好的缺点，但它对细长凹陷物体的分割效果仍然不佳。本文通过GVF模型力场的分析，对GVF模型进行了改进，克服了GVF模型的上述缺点，通过在改进的GVF模型中引入和设置方向矢量，还可分割出任何感兴趣的物体。     

改进的C-V算法在肝脏B超图像分割中的应用

图像分割是医学图像处理的重要步骤,其中,基于几何活动轮廓模型的水平集方法是广泛应用的方法之一。文中将改进的Chan-Vese(C-V)算法与梯度矢量流模型方法进行了详细的对比,实验结果证明改进的C-V算法得到的分割效果比GVF模型分割出的结果要好。     

基于Snake模型和四元数描述的彩色图像边缘提取方法

边缘提取在彩色图像处理过程中有着重要的作用,它会影响到后续对图像的分割、特征提取和识别等环节。活动轮廓模型（称Snake模型）大量应用于各种医学图像的分割。近年来,活动轮廓模型得到了不断的改进和发展,并在计算机视觉等诸多领域得到了广泛的应用。本文针对彩色图像边缘提取的实际需求,简要介绍了活动轮廓的原理及数学模型,并针对传统模型处理速度慢,运算量较大,对凹陷轮廓位置处理效果差等缺点,结合彩色图像的四元数描述方法,提出改进算法,利用改进的四元数描述方法所得到的边缘检测初始轮廓,并结合使用改进的GVF产生的外力场,对于图像中凹陷轮廓位置保证正确收敛,且提高了运算速度。实验证明,算法是可行有效的。     

基于改进的活动轮廓图像分割

图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。针对传统的活动轮廓模型在分割过程中具有处理速度慢，运算量大，对凹陷轮廓处理效果差等缺点，提出了一种改进的活动轮廓图像分割技术．在传统的活动轮廓中，外部能量通常由目标点的梯度势能场给出，然而梯度势能场存在着一些难以克服的缺点，即不能够很好地指导曲线的移动。把梯度向量流场（GVF）作为外部能量场，有效地克服了传统梯度势能场捕捉范围小以及难以处理凹平面的缺点，并通过实验证明了该方法的有效性。     

改进的主动轮廓模型在脑肿瘤MRI图像轮廓提取中的应用

针对主动轮廓模型(Snake)处理图像时的初始轮廓选取问题,采用改进的区域增长法对图像进行预分割,并将得到的边缘作为主动轮廓模型的初始边缘轮廓;然后分别用sobel算子与梯度矢量流(GVF)代替图像梯度进行主动轮廓模型外部能量的计算,在速度满足要求的情况下,提高了目标区域的提取精度.实验结果表明,基于GVF的主动轮廓模型在脑肿瘤的轮廓提取中能取得更好的效果.     

差分进化算法GVF Snake模型在PET图像分割中的应用

利用PET图像进行诊治时需要对人体病灶精确定位,PET图像中病灶目标区域的分割是早期诊断与治疗的前提和关键。基于传统Snake模型的方法在PET图像分割时存在对初始轮廓过于敏感,难以收敛到目标凹型区域等问题,为此将GVF Snake模型引入PET图像的分割中。为防止GVF Snake模型陷入局部最优,进一步利用差分进化(DE)算法的全局优化特性对GVF Snake模型分割的结果进行优化,提高PET图像分割精度。实验结果表明,该方法能有效地对PET图像中的病灶目标区域进行分割,可避免陷入局部最优且具有良好的实时性。     

基于改进的GVF Snake模型CT图像轮廓提取技术

CT图像轮廓提取是逆向工程中的关键技术之一,由于基于边界检测算法很难提供一条连续的无间断的边界轮廓。采用一种改进的GVF Snake算法,首先通过人工取点,B样条拟合的方法,提取其初始轮廓,再利用改进的GVF Snake方法进行边界轮廓逼近,以获得比较精确的叶片边界轮廓,克服了传统活动轮廓模型梯度势能场捕捉范围小的缺点,并通过实验证明了该方法的有效性。     

基于偏微分方程的图像分割

介绍了在图像分割中用到的偏微分方程方法,主要论述了参数活动轮廓模型和几何活动轮廓模型在图像分割中的应用．以及对基于它们的改进算法进行了综述。并简单讨论了偏微分方程在图像处理中要解决的主要问题和发展前景。     

先验形状力场参数活动轮廓模型及其医学图像分割

先验形状参数活动轮廓模型是一种抗噪声干扰稳定的图像分割方法．它具有对弱边缘、凹区域进行分割的能力，同时有较大的边缘捕捉范围．通过引入一种非距离性的先验形状力场，构建一种新的能反映先验形状的参数活动轮廓模型．新的先验形状活动轮廓模型避免了曲线之间距离的计算，减少了模型的复杂性．新的方法可以较好地解决传统型参数活动轮廓模型的一些本质缺陷.实验对带噪声且为弱边缘的医学CT图像和超声图像进行分割能得到理想的边缘轮廓.     

基于各向异性扩散活动轮廓模型的左心室MRI分割

结合各向异性扩散算法与梯度矢量流活动轮廓模型,提出了基于各向异性扩散活动轮廓模型并应用于心脏核磁共振图像分割;模型采用各向异性扩散方程构造活动轮廓模型的外部能量函数,得到边界更加清晰的分段平滑图像,运用梯度矢量流将边缘图梯度散射到平坦区域,可以有效抑制噪声,同时保持了目标边界;对左心室核磁共振图像的分割实验表明,该模型可以克服噪声和伪影的干扰,与原梯度矢量流模型相比具有更高的精确性和可靠性,有利于实现自动分割.     

梯度向量流的各向异性扩散分析

为了解决梯度向量流力场(gradient vector flow,简称GVF)难以进入目标凹部的问题,提出了一种新的主动轮廓模型外力场——各向异性梯度向量流.GVF的扩散项是各向同性且光滑性强的拉普拉斯算子,它在各个方向的扩散速度相同.拉普拉斯算子根据图像的局部结构可分为沿边界法线和切线方向的扩散,沿切线方向的扩散具有增强边界的作用,而法线方向扩散具有去除噪音、扩散力场的作用.基于分析二者在扩散过程中的作用,提出了一种各向异性梯度向量流扩散方法,切线和法线方向的扩散速度可以根据图像的局部结构自适应地选择.实验结果表明,与GVF相比,所提出的方法考虑了扩散过程中法线和切线方向的不同作用,能够进入细长的凹部,并改进了分割结果.     

基于改进的Snake模型的脑部MR图像分割方法*

为实现对脑部磁共振图像的分割,提出了一种改进Snake模型的图像分割方法。通过引入轮廓中心的概念,在贪婪Snake模型的能量函数中增加距离势能作为外部约束能量,增大了外能的吸引范围,使分割结果不依赖于初始轮廓;对各能量项进行归一化操作,并以归一化扩散方程各分量的梯度矢量流代替MR图像的梯度,提高了模型处理弱边界和深度凹陷区域的能力;对各能量函数的离散化和参数的选择进行了阐述。实验结果表明,该算法是一种有效的分割脑部MR图像的方法。     

基于力场分析的多目标图像分割算法研究

提出基于力场分析的图像分割方法,为解决参数轮廓模型处理多对象的图像分割问题。首先分析梯度矢量流力场生成机理与力场的特点,建立真实轮廓处力场(零力场)充分条件,依据零力场充分条件生成离真实轮廓处3-5像素距离的初始轮廓线,逼近得到多对象的目标轮廓线;再引入扩散梯度矢量流力场,简化零力场识别与连接过程,降低时间复杂度。试验结果表明,方法对多目标图像分割可得到精确的结果,可以提高轮廓精确度与抗噪性,降低时间复杂度,用户可自主选择图像中感兴趣的对象,在医学图像处理、遥感测绘领域有一定应用价值。     

结合改进分水岭和GVF的三维肝脏分割方法

三维肝脏分割是当前医学图像处理的热点问题,如何准确快速地从腹部CT序列中分割出肝脏是肝部病变诊断的基础。针对传统活动轮廓模型对轮廓线敏感、运算量大的问题,改进了传统轮廓线设置方法,并把算法扩展到三维。首先,在一幅腹部CT图片中采用改进的分水岭算法,按照灰度和纹理的相似性原则从一个种子块开始生长出整个肝脏,再用其边缘作为相邻CT序列的起始轮廓,用GVF算法从序列图片中分割出肝脏,重复该过程,直至分割出整个腹部序列图像的切片,进行三维重建。     

基于向量流场节点的图像分割算法

人工干预使蛇模型只能用于半自动的图像分割,该文在梯度向量流（GVF）蛇模型的基础上提出一种基于流场节点与最小路径方法的全自动图像分割算法。在图像的GVF场上检测出流场节点,以节点为种子,采用多标记快速扫描法获得一个初始分割,采用区域合并得到最终分割结果。实验结果证明了该算法的鲁棒性和有效性。     

基于GVF Snake模型的人脸轮廓提取

活动轮廓模型是计算机视觉领域的重要研究方向。针对传统的活动轮廓模型（Snake模型）对凹形轮廓处理效果差、初始轮廓必须充分接近图像边缘的缺点,通过改进外部能量项,提出了一种基于梯度矢量流活动轮廓模型的人脸轮廓提取算法。该算法把梯度矢量场作为外部能量场,克服了传统Snake模型力场范围小以及不能收敛于凹形边缘的缺点。实验结果表明,该方法能够快速、准确地提取人脸轮廓。     

一种改进的多尺度梯度矢量流模型

梯度矢量流主动轮廓线模型是广泛应用于数字图像处理的一种目标轮廓跟踪算法,但易受干扰噪声及虚假边缘的影响,在结合多尺度图像分析的基础上,利用改进的梯度矢量流场,提出了一种改进的主动轮廓线模型。实验表明,该方法较好的限制了非目标边缘和噪声干扰的影响,提高了模型分割的精确性,具有较好的分割效果。