基于区域相似性的活动轮廓SAR图像分割

为了克服传统活动轮廓SAR分割模型高度依赖统计分布假定的缺点,结合基于成对相似性的图划分方法和几何活动轮廓模型的优点,提出了基于区域相似性的活动轮廓SAR分割模型.首先将原始图像过分割成同质子区域集;然后结合强度和纹理信息真实度量子区域的成对相似性,并以此定义能量泛函;最后利用基于过分割的规则化和快速曲线演化实现SAR图像的有效分割.真实SAR图像的实验结果表明,该模型能快速、准确地得到SAR图像的分割结果.     

参数自适应的KPCA先验形状约束目标分割

为克服固定先验形状在分割可变形目标时的困难,提出一种基于核主元分析(KPCA)的参数自适应先验形状约束水平集分割方法.首先使用KPCA变换获取目标先验形状特征空间的基底向量;其次用Parzen窗估计待分割图像的灰度分布以构造图像数据能量项;然后使用仿射变换对齐图像感兴趣区域与先验形状,从而将目标形状先验知识集成到分割模型中;最后在基于水平集方法求解演化方程时自适应地估计参数,实现形变目标的分割.实验结果表明,相比于CV (Chan-Vese)模型和单先验形状约束的水平集方法,该模型能够有效地分割不同姿态的目标形状.     

基于优化活动轮廓模型的SAR影像海陆分割方法研究*

SAR（合成孔径雷达）影像具有很强的乘性斑噪,给图像分割带来了困难。本文利用Gamma分布拟合SAR影像,并将其用于构造基于区域信息的能量泛函,提出了一种基于活动轮廓模型的SAR影像海陆自动分割方法。该方法在能量泛函中同时融合了边缘信息和区域信息,既有利于边界精确定位又有利于降低乘性斑噪的影响,利用活动轮廓演化模型,通过变分水平集方法推动活动轮廓曲线向海岸线演化,在最小化特定的能量泛函的约束下,使活动轮廓与海岸线重合,达到影像分割的目的。同时针对该模型提出了优化方法提高其计算效率,使本文提出的分割算法更加实用。     

结合形状先验的水平集灰度纹理图像分割方法

传统水平集图像分割方法多考虑图像底层数据而忽略高层语义特征,对灰度纹理图像的分割效果较差。针对该问题,结合形状先验设计水平集灰度纹理图像分割方法。通过ASLVD滤波获取纹理项,同时对滤波图像进行局部化处理得到形状先验,以形状概率表示形状先验能量项,将其与灰度项、规则化项和纹理项相结合,构造整体水平集曲线演化能量函数,并最小化能量函数得到分割结果。实验结果表明,该方法能够对目标背景遮挡的灰度纹理图像取得较好的分割效果。     

基于熵和局部邻域信息的高斯约束CV模型

基于曲线演化的Chan-Vese(CV)模型常常不能准确分割非均匀性且结构复杂的医学图像.针对此缺点,文中提出了一种基于熵和局部邻域信息的高斯约束CV模型,作者利用熵构造内部和外部区域能量的权值系数,加强了对曲线演化的控制;同时将曲线上各点的局部邻域信息引入到曲线演化过程中,提高了分割的准确性,并降低了区域内灰度不均匀等因素对曲线演化的影响;高斯约束保证了曲线演化过程中的稳定性、光滑性,同时不需要曲线周长约束项和重复初始化.利用Circular Hough变换对左心室壁内、外膜进行初始定位,避免了人工设置初始轮廓,减少了曲线向目标轮廓演化时间和初始轮廓位置敏感性对分割结果的影响.作者对心脏MR图像的左心室内、外膜进行了分割.结果表明文中方法能够快速准确地分割左心室壁内、外膜,抗干扰能力强,鲁棒性好.     

基于水平集的SAR图像建筑物区域检测

根据合成孔径雷达(SAR)图像建筑物成像的特点,采用基于水平集的分割方法对SAR图像建筑物区域进行检测。结合基于指数小波提取的SAR图像梯度边缘信息,以及基于变差函数提取的SAR纹理特征,建立能量函数模型,进行曲线演化分割从而提取目标。实验结果表明,与基于灰度信息的模型相比,该模型可以准确、快速地检测出大场景SAR图像中的建筑物区域。     

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.     

结合纹理与形状的Tagged MR图像左心室分割算法

分割带标记线核磁共振(tagged MR)图像是左心室运动重建的前提.由于标记线的加载破坏了左心室的轮廓边缘和区域灰度一致性,再加上乳突肌的存在,使带标记线核磁共振图像的左心室内外轮廓分割变得相当困难.在变分框架下,将纹理分类信息与形状统计先验知识引入Mumford-Shah模型中,提出了一种改进的分割带标记线核磁共振图像的左心室内外轮廓的方法.该方法基于支持向量机对S滤波器组提取的纹理特征的分类结果,构造了一种新的图像能量表示;针对乳突肌及边缘断裂现象,引入形状统计先验信息来约束曲线的演化.因为分割过程利用了有监督学习策略,较好地克服了标记线对左心室区域灰度的影响,提高了分割精度.实验结果表明,该方法较以往方法具有更高的分割精度和更好的稳定性.     

基于改进活动轮廓模型的图像分割

针对图像分割中的灰度不均匀和轮廓初始化问题,提出一种基于区域的活动轮廓模型。将图像的全局信息和局部信息作为能量项驱动活动轮廓向目标边缘演化,以有效分割灰度不均匀图像,为保证图像分割的速度和精度,在能量方程中加入长度项和惩罚项,并采用梯度下降法得到该模型的最小化能量方程。实验结果表明,和局部二值拟合模型、局部图像拟合模型相比,该模型能分割灰度不均匀的图像,对初始轮廓曲线大小和位置更不敏感,且分割图像所需的迭代次数、迭代时间更少。     

形状约束下活动轮廓模型冠脉血管图像多尺度分割

目的 由于计算机断层血管造影(CTA)图像的复杂性,临床诊断冠脉疾病往往需要经验丰富的医师对冠状动脉进行手动分割,快速、准确自动分割出冠状动脉对提高冠脉疾病诊断效率具有重要意义。针对双源CT图像特点以及传统单一基于区域或边界的活动轮廓模型的不足,研究了心脏冠脉3维分割算法,提出一种基于血管形状约束的活动轮廓模型分割方法。方法 首先,利用改进的FCM(fuzzy C-means)对心脏CT图像感兴趣区域初分割,其结果用于初始化C-V模型水平集演化曲线及控制参数,提取感兴趣区域轮廓。接着,由3维心脏图像数据获取多尺度梯度矢量信息构造边界型能量泛函,然后利用基于Hessian矩阵的多尺度血管函数对心脏感兴趣区域3维体数据增强滤波,获取血管先验形状信息用于约束能量泛函。最后融合边界、区域能量泛函并利用变分原理及水平集方法得到适合冠脉血管分割的水平集演化方程。结果 由于血管图像的灰度不均匀,血管末端区域更为细小,所以上述算法的实施是面向被划分多个子区域的血管,在缩小的范围内进行轮廓的演化。相比于传统的血管分割方法,该方法充分融合血管图像的先验信息及梯度场信息,能够从灰度及造影剂分布不均匀的冠脉血管图像中准确分割出冠状动脉,对于细小的血管结构亦能获得较好的分割效果。实验结果表明,该方法只需在给定初始轮廓前提下,有效提取3维冠脉血管。结论 对多组心脏CT图像进行分割,本文基于血管先验形状约束的活动轮廓模型可以准确分割出冠脉结构完整轮廓,并且人工交互简单。该方法在双源CT冠脉图像自动分割方面具有较好的正确率与优越性。     

图割与非线性统计形状先验的图像分割

提出一种图割与非线性统计形状先验的图像分割方法。首先,在输入空间对输入的形状模板进行配准,得到训练集;其次,采用非线性核函数将目标形状先验映射到特征空间进行主成分分析,获取其投影形状,将此投影形状映射回原输入空间得到目标的平均形状,构成新的能量函数;第三,通过自适应调整形状先验项的权值系数,使能量函数的形状先验项自适应于被分割的图像;最后,用Graph Cuts方法最小化能量函数完成图像分割。实验结果表明,该方法不仅能准确分割与形状先验模板有差别的图像,而且对目标有遮挡或污染的图像也有较好的分割效果,提高了分割效率。     

结合形状统计的水平集图像分割

给出了一种结合先验形状统计信息的Mumford-Shah模型的水平集实现方法。结合形状统计的水平集图像分割主要包括先验形状模型的构造和形状能量项的构造,针对这两个主要方面做了如下两点工作：（1）提出了一种简单可行的先验形状模型构造方法;（2）重新构造了形状能量项,它综合考虑了全局和局部形状信息,且不含形状姿态参量,使曲面演化稳定可靠。带标记线左心室核磁共振（MR）长轴图像的实验结果和合成图像的分割结果证明了该方法的有效性。     

先验形状约束的超声前列腺图像分割方法

提出一种结合超声前列腺图像的局部特征和前列腺的先验形状知识的分割方法。该方法在传统图像分割方法中引入了前列腺的先验形状约束,使得分割能够一定程度地避免由于超声图像中噪声、伪影、灰度分布不均匀等因素对前列腺分割所造成的影响。算法分为两个部分：先验形状模型的学习和先验形状约束的分割。在先验形状模型学习阶段,采用主成分分析方法对形状作特征提取,以高斯分布作为形变参数的估计;在先验形状约束分剖阶段,将基于局部高斯拟合特征的活动轮廓模型与形状模型相结合对前列腺图像分割。实验表明,所提出的方法在超声前列腺图像中取得了良好的分割效果,为临床诊断和治疗提供了定量分析的工具。     

A novel multi-scale level set method for SAR image segmentation based on a statistical model

To overcome the problems of large data volumes and strong speckle noise in synthetic aperture radar (SAR) images, a multi-scale level set approach for SAR image segmentation is proposed in this article. Because the multi-scale analysis of SAR images preserves their highest resolution features while additionally making use of sets of images at lower resolutions to improve specific functions, the proposed method is useful for removing the influence of speckle and, at the same time, preserving important structural information. The Gamma distribution is one of the most commonly used models employed to represent the statistical characteristics of speckle noise in a SAR image and it is introduced to define the energy functional. Moreover, based on the multi-scale level set framework, an improved multi-layer approach is introduced for multi-region segmentation. To obtain a fast and more accurate result, a novel threshold segmentation result is used to represent the initial segmentation curve. The experiments with synthetic and real SAR images demonstrate the effectiveness of the new method.     

基于统计先验形状的水平集图像分割综述

对于图像分割来说,常常需要结合尽可能多的先验信息来分割感兴趣组织。对基于统计先验形状的水平集图像分割方法进行了综述。该分割模型的特点是能量函数由两部分组成:首先是基于图像的梯度或区域灰度的数据项;第二项是先验形状项,对处理因遮挡、噪声和裂口而导致的信息缺失的图像具有鲁棒性。深入讨论了如何从感兴趣组织的训练集中构建一个压缩的形状表达——隐含形状模型;如何构建既包括使全局形状一致的隐含曲面约束,又保持了水平集捕捉局部形变的能力的基于先验形状的水平集图像分割模型;介绍了形状对齐和一致性等关键问题。最后指出了目前存在的问题和进一步的发展方向。     

基于Chan-Vese模型的SAR图像分割

由于SAR图像存在较强的斑点噪声,使用Chan-Vese模型水平集分割方法会产生很多误分割。同时,水平集解法存在计算量大、分割速度慢的问题。在Chan-Vese模型基础上,增加新的内能项——距离正则项,得到了一种改进的曲线演化模型。避免了水平集函数的周期性更新,具有更大的迭代步长,从而加快分割速度,并且提高Chan-Vese模型的抗噪性。对该模型采用人工合成图像和真实SAR图像进行分割实验,通过比较,可看出改进模型具有较高的数值精度和较快的分割速度。对于噪声很强的图像,使用增强Lee滤波进行预处理,可以进一步提高改进模型的分割速度和效果。实验结果表明:改进Chan-Vese模型能高效快速地完成SAR图像分割,具有较高的抗噪性。     

基于先验形状约束水平集模型的建筑物提取方法

提出了一种先验形状约束的变分水平集模型, 并将其用于单幅遥感图像多建筑物的自动提取中. 将多个先验形状竞争模型引入水平集方法中, 在标记函数的指导下, 利用先验形状能量来约束曲线的演化, 在对图像进行分割的同时完成建筑物的检测和提取. 标记函数的引入, 加强了先验形状与要检测目标之间的匹配关系. 同时本文提出的模型具有先验形状的旋转、缩放和平移不变性. 最后的实验结果及定量定性的分析说明了本文方法的可行性.     

基于可变形状参数Gamma混合模型的区域化模糊聚类SAR图像分割

为了解决传统模糊聚类算法无法准确刻画SAR图像强度分布特征以及抗噪性差等问题,提出一种基于可变形状参数Gamma混合模型(GaMM)的区域化模糊聚类SAR图像分割方法.首先,利用Voronoi划分技术将SAR图像完备地划分为若干个Voronoi多边形;然后,假设SAR图像强度服从可变形状参数的GaMM,以GaMM的负对数函数刻画多边形与聚类间的非相似性关系,并结合具有邻域多边形空间约束作用的规则化项定义区域化模糊聚类目标函数;在模型参数求解的过程中,对于无法直接通过导数求解的形状参数及生成点集,设计以目标函数最小化为准则的移动更新操作以逐步逼近最优解.通过对真实及模拟SAR图像分割结果进行定性定量分析,有效地验证了所提出算法对SAR图像强度分布拟合的准确性及分割的抗噪性.     

Unsupervised multi-class segmentation of SAR images using fuzzy triplet Markov fields model

Triplet Markov fields (TMF) model proposed recently is suitable for nonstationary image segmentation. For synthetic aperture radar (SAR) image segmentation, TMF model can adopt diverse statistical models for SAR data related to diverse radar backscattering sources. However, TMF model does not take into account the inherent imprecision associated with SAR images. In this paper, we propose a statistical fuzzy TMF (FTMF) model, which is a fuzzy clustering type treatment of TMF model, for unsupervised multi-class segmentation of SAR images. This paper contributes to SAR image segmentation in four aspects: (1) Nonstationarity of the statistical distribution of SAR intensity/amplitude data is taken into account to improve the spatial modeling capability of fuzzy TMF model. (2) Mean field theory is generalized to deal with planar variables to derive prior probability in fuzzy TMF model, which resolves the problem in Gibbs sampler in terms of computation cost. (3) A fuzzy objective function with regularization by Kullback–Leibler information of fuzzy TMF model is constructed for SAR image segmentation. The introduction of fuzziness for the belongingness of SAR image pixel makes fuzzy TMF model be able to retain more information from SAR image. (4) Fuzzy iterative conditional estimation (ICE) method, as an extension of the general ICE method is proposed to perform the model parameters estimation. The effectiveness of the proposed algorithm is demonstrated by application to simulated data and real SAR images.