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.     

An improved GVF snake based breast region extrapolation scheme for digital mammograms

To accurately extrapolate the breast region from a mammogram is a crucial stage of breast mass analysis. It significantly influences the overall analysis accuracy and processing speed of the whole breast mass analysis. In this paper, a novel edge map adjusting gradient vector flow snake (EMA GVF snake) algorithm for extrapolation of breast region from mammograms is proposed. In the proposed algorithm, the median filter is used to filter out the noise in a mammogram, the scale down stage is used to resize down the mammogram size (hence speeding up the extrapolation). The binarization processing stage and the morphological erosion processing stage are used to find a rough breast border. Then a novel gradient adjusting stage is applied to get a modified edge map and the gradient vector flow snake (GVF snake) is used to get the accurate breast border from the rough breast border. The proposed algorithm is tested on 322 digital mammograms from the Mammogram Image Analysis Society database. The mean error function, misclassification error function and the relative foreground area error function are conducted to evaluate the results of the detected breast border and the extracted breast region. Experimental results show that the breast border extrapolated by the proposed algorithm approximately follows the breast border extrapolated by an expert radiologist. Experimental results also show that the proposed algorithm is more robust and precise than the traditional GVF snake scheme for the breast extrapolation on mammograms.     

一种新的心脏核磁共振图像分割方法

心脏核磁共振图像分割一直是医学影像分析领域的研究热点和难点,文中提出了一种基于梯度矢量流Snake模型的左心室分割方法.作为对梯度矢量流(GVF)的改进,提出了退化最小曲面梯度矢量流(dmsGVF).该模型对弱边界泄漏有更好的鲁棒性;挖掘了左心室的形状特点,采用相应的形状约束,克服了由于图像灰度不均而导致的局部极小,也大大减弱了分割结果对初始轮廓的依赖;对于左室壁外膜的分割,挖掘了左室壁内、外膜的位置关系,通过重新组合梯度分量来构造新的外力场.这种外力场能够克服原始梯度矢量流的不足,使得室壁外膜边缘很弱时也能得到保持,以左室壁内膜分割结果作为初始化能够自动地分割出左室壁外膜.实验结果表明,该方法能高效准确地同时分割左室壁内、外膜.     

A new GVF-based image enhancement formulation for use in the presence of mixed noise

This paper is concerned with the introduction of a new gradient vector flow (GVF) field formulation that shows increased robustness in the presence of mixed noise and with its evaluation when included in the development of image enhancement algorithms. In this regard, the main contribution associated with this work resides in the development of an adaptive image enhancement framework that couples the anisotropic diffusion models with the adaptive median filtering that is designed for the restoration of digital images corrupted with mixed noise. To further illustrate the advantages associated with the proposed GVF field formulation, additional experiments are conducted when the proposed strategy is applied in the construction of anisotropic models for texture enhancement.     

基于支持向量值和方向滤波器组的图像去噪*

提出了一种基于支持向量值和非抽样方向滤波器组的图像去噪算法。该算法通过构造支持向量值方向滤波器组（SVDFB）对噪声图像进行多尺度、多方向分解,同时考虑到分解系数服从广义高斯分布的统计特征,采用局部自适应贝叶斯阈值方法实现图像去噪。仿真结果和实验分析表明,该算法的峰值信噪比和去除噪声后图像的视觉效果都有明显提高,同时有效保留了原图像的纹理和细节信息。     

Fast numerical scheme for gradient vector flow computation using a multigrid method

The gradient vector flow (GVF) deformable model was introduced by Xu and Prince as an effective approach to overcome the limited capture range problem of classical deformable models and their inability to progress into boundary concavities. It has found many important applications in the area of medical image processing. The simple iterative method proposed in the original work on GVF, however, is slow to converge. A new multigrid method is proposed for GVF computation on 2D and 3D images. Experimental results show that the new implementation significantly improves the computational speed by at least an order of magnitude, which facilitates the application of GVF deformable models in processing large medical images     

基于改进Snake模型的超声乳腺肿瘤轮廓提取

二维超声影像中肿瘤轮廓特征是判断乳腺肿瘤的良恶性的重要依据。针对超声医学图像的特点,本研究对经典的Snake模型进行了改进:内部能量中加入轮廓平均长度项的控制;外部能量由基于图像统计特征的区域能量以及梯度方向势能决定,并提出了基于贪婪算法求解模型最小值的快速算法。实验结果显示本算法在噪声强度较大的模拟图像和超声医学图像中均取得了同人工分割近似的结果,而经典的Snake模型和GVF模型受噪声干扰较大。大量的实验证明本算法有效地克服了散斑噪声对分割结果的影响,可准确高效地提取超声图像中的乳腺肿瘤轮廓。     

Rician noise removal from MR images using novel adapted selective non-local means filter

The reduction of rician noise from MR images without degradation of the underlying image features has attracted much attention and has a strong potential in several application domains including medical image processing. Interpretation of MR images is difficult due to their tendency to gain rician noise during acquisition. In this work, we proposed a novel selective non-local means algorithm for noise suppression of MR images while preserving the image features as much as possible. We have used morphological gradient operators that separate the image high frequency areas from smooth areas. Later, we have applied novel selective NLM filter with optimal parameter values for different frequency regions of image to remove the noise. A method of selective weight matrix is also proposed to preserve the image features against smoothing. The results of experimentation performed using proposed adapted selective filter prove the soundness of the method. We compared results with the results of many well known techniques presented in literature like NLM with optimized parameters, wavelet based de-noising and anisotropic diffusion filter and discussed the improvements achieved.     

基于GVF和压力Snake模型的哑铃型目标提取

针对传统活动模型初始化曲线严格的位置选择问题和梯度矢量流场模型存在的哑铃型目标"临界点"问题,提出了梯度矢量流场构造出气球压力的活动轮廓改进模型.利用了梯度矢量流场决定形变点的压力方向,在该构造压力与图像外力及轮廓曲线内力的共同作用下模型完成目标提取.结合实例对改进模型和算法进行了试验分析,结果表明了模型的可行性和算法的有效性.     

一种稳健的自适应图像平滑算法

图像平滑作为去除图像中含有噪声的图像增强处理技术，是各种与图像有关软件中必不可少的功能模块。优秀的平滑算法应该在有效处理含有多种噪声的受污图像时，仍具备良好的图像细节保持能力。为了能够在有效地处理含有多种噪声的受污图像的同时保持图像细节，提出了一种结合非线性和线性滤波器的稳健平滑算法，该算法是在分析几种细节保持能力良好的平滑算法(梯度加权平滑、自适应中值滤波、稳健平滑、边缘保持滤波器)的基础上，通过吸收上述几种平滑算法细节保持效果较好的优点，结合它们各自对不同噪声的适应性而得到的。针对含有多种噪声的受污图像，用该算法进行了去噪试验，多次试验结果表明，该算法在稳健地处理这些受污图像的同时，仍可以保持良好的图像细节，同时该算法还可以稳健地处理复杂的含噪图像，且具备良好自适应性，可以为涉及图像处理的软件架构，提供相应的算法支持。     

一种各向异性GVF模型的心脏左心室MR图像分割模型

为了克服传统的梯度矢量流(GVF)模型对细长拓扑结构、噪声及弱边界敏感的缺陷,提出一种基于区域信息的各向异性GVF模型.首先由模糊C均值(FCM)聚类算法得到聚类信息并将其融入到GVF模型中,以降低弱边界和噪声的影响;然后利用图像结构信息改进GVF模型,使其具有各向异性,克服了细长拓扑结构的影响;最后把得到的各向异性GVF模型融入到Snake方程中引导曲线的演化,得到目标边界.实验结果表明,该模型具有较好的分割结果.     

基于改进高斯-拉普拉斯算子的噪声图像边缘检测方法

针对现有梯度算子在图像边缘检测中存在的对噪声比较敏感的问题,提出了一种基于改进高斯-拉普拉斯算子的图像边缘检测方法。噪声图像中的边缘检测是一项关键任务,然而目前常用的几种梯度算子,包括已经提出的高斯-拉普拉斯算子都没能取得理想效果。提出的方法对传统的拉普拉斯边缘检测算子做了改进,并与高斯滤波器相结合。首先,应用高斯滤波器来平滑图像,抑制噪声。然后基于拉普拉斯梯度边缘检测器进行边缘检测。最后在标准图像上进行评估,评估结果显示,提出的边缘检测方法所获得的峰值信噪比(PSNR)和均方误差(MSE)均优于其他几种对比方法。     

一种改进的快速轮廓线提取算法

文章针对传统主动轮廓模型对噪声敏感,初始位置敏感和收敛速度慢等不足,提出了一种基于PSO和GVF的快速轮廓线提取算法。首先利用PSO对轮廓控制点进行寻优,使之快速地收敛到图像的边缘附近;然后利用插值算法,得到目标图像的较粗糙轮廓,以此目标轮廓作为下一步GVF收敛的初始位置,最后得到准确的轮廓线。实验结果表明该算法不仅能对图像轮廓线进行准确的提取,而且具有一定的抗噪性能,易于实现,速度快等特点。     

改进GVF的自动Snakes模型

针对Gradient vector field Snakes模型轮廓线需人工初始化的问题及GVF场强分布不合理所导致的模型效率低下和角点定位精度低的问题,在分析GVF场强分布和模型迭代变形原理的基础上,改进原始GVF Snakes模型:模型以SUSAN算法提取的边缘点集构建GVF Snakes模型的初始化轮廓线;并依据图像SUSAN边缘线和模型迭代变形原理局部修正和整体调整GVF场强分布,以符合模型高效迭代变形和对角点、细边缘精确定位的需要。理论分析和实验结果表明,改进GVF的自动Snakes模型提高了模型的计算效率,对细边缘和角点有更高的定位精度。     

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.     

一种改进的多方位结构元素形态学和互信息量的图像分割算法

提出了一种改进的基于多结构元素形态学与互信息量相结合的图像分割算法。算法首先利用相邻像素差分运算标记出图像中存在梯度变化的像素点,然后对这些像素点进行多结构元素形态学运算,确定一个初始阈值;然后以互信息量为目标函数,在小范围内计算分割图像与原图像的互信息量,以确定最优阈值。通过对大量路面破损图像进行的实验表明,该改进算法所得到的分割图像目标边缘特征保持完好,具有很强的抗噪能力,且处理速度很快。     

FRFT域的数字图像chirp噪声抑制方法

针对含有chirp噪声的图像,应用传统的滤波方法难以实现有效的信噪分离,提出了一种基于分数阶傅里叶变换域的数字图像chirp噪声的抑制方法。该方法是将chirp信号分数阶傅里叶域的滤波算法引入到数字图像的处理中,是一种新的改善图像质量的手段。仿真结果表明,对于含有chirp噪声干扰这一特定退化模型的图像,采取最优估计下的分数阶傅里叶变换相比普通傅里叶变换和线性平滑滤波,图像恢复的效果更佳,它能有效地去除图像中的chirp噪声。     

基于改进的snake模型的嘴唇轮廓提取

为了更好地利用snake模型来提取彩色图像中的物体轮廓,提出一种改进的snake算法。此方法首先自动生成snake的初始模型,然后在GVF-snake的基础上重新设计了snake的外部能量函数,采用色彩聚类算法对原始图像进行分割,利用像素到聚类中心的距离增强图像并进行差分运算,提取有意义区域的边缘梯度,对GVF向量场进行了归一化处理并改进了平滑因子。实验结果证明,改进后的算法,特别是在处理彩色图像时,大大优于原始方法,提高了轮廓提取的精度且有较好的鲁棒性。     

基于标记控制分水岭和Snake交互的乳腺腺体分割

在乳腺癌放射治疗过程中,乳腺腺体分割的准确与否直接关系到患者的治疗效果,提出了一种从粗到细的乳腺腺体图像分割方法。首先利用形态学重构滤波器去除图像中的细小毛刺和不规则边缘,避免产生新边界和边界偏移;然后通过面积标记乳腺腺体,采用强制最小技术修正梯度图像并进行分水岭变换,实现乳腺腺体的粗分割;通过在分水岭脊线上人工选择种子点形成的曲线作为Snake模型的初始轮廓来动态逼近目标的真实边缘,实现乳腺腺体的细分割。实验结果表明,该方法对乳腺腺体的分割具有较高的准确性。     

有效的红外与可见光图像融合方法研究*

针对红外图像可视化程度弱、对比度低的问题, 提出一种基于轮廓小波变换和区域能量的红外与可见光图像融合算法。首先进行多尺度小波分解, 然后进行多方向滤波; 引入循环平移方法来消除伪吉布斯失真;采用基于区域的能量融合规则, 重构变换系数得到最终融合结果;最后用信息熵、信噪比等指标来评价融合的性能。实验表明,该方法不论在客观评价还是在主观评价指标上都优于其他融合方法, 提高了融合图像的视觉效果, 可以得到更加清晰的融合图像。