结合区域生长与模糊连接度的肺气管树分割

针对CT图像中因噪声、密度分布不均匀和边界模糊等因素造成肺气管树难以准确分割的问题,提出了一种区域生长与模糊连接度相结合的肺气管树分割流程。通过阈值化及形态学闭操作提取出肺实质以定义感兴趣区域;采用改进迟滞阈值区域生长法预分割出较粗气管并结合局部体积突变指标抑制侧向泄漏;将预分割的结果进行骨架化及修剪来进一步提取出分支点,并以此作为后续分割的新种子点;根据CT图像的灰度均匀性与气管的管状结构特征来构造亲和力函数以计算种子点与其他体素的模糊连接度,并选取合适的阈值对模糊连接度进行阈值分割以提取出完整气管树。实验采用了20例来自EXACT’09竞赛提供的公开数据,分别从分支点、分支数量和分支数比率等方面进行了量化评估。该方法能在较低泄漏情况下成功检测出参考标准中一半以上的分支,平均分支数比率达到59.7%。实验结果表明,该方法可对肺气管树进行较精确的分割。     

一种SPOT图像公路信息全自动提取新方法

提出了一种基于模糊连接度的SPOT图像公路信息全自动提取算法。该方法首先运用Sobel算子对SPOT图像进行边缘检测,然后使用阈值优化道路边缘点从中选取出道路种子点,接着通过计算图像中各点与种子点间模糊相似程度来提取道路信息,最后进行进一步完善处理。实验表明,该方法性能良好,在整个提取过程中不需要人工输入种子点,可以快速地实现道路特征的全自动提取。     

基于模糊连接度的高分辨率SAR图像道路自动提取

针对高分辨率合成孔径雷达(SAR)图像受到乘性斑点噪声的影响,且道路环境复杂多变的问题,提出一种基于模糊连接度的高分辨率SAR图像道路自动提取方法。首先,对SAR图像进行斑点滤波,以降低斑点噪声的影响;其次,结合指数加权均值比(ROEWA)算子检测结果和模糊C均值(FCM)分割结果自动提取种子点,从而提高自动化程度;最后,利用以图像灰度和ROEWA检测算子边缘强度为特征的模糊连接度算法对种子点进行扩展提取道路,经形态学处理后得到最终结果。对两幅SAR图像进行实验,并与FCM方法分割出的道路结果进行比较,所提出的方法在提取完整率、正确率及检测质量上均优于模糊C均值方法。实验结果表明,所提出的方法能较有效地从高分辨率SAR图像中提取不同宽度和弯曲程度的道路,且无需人工输入种子点。     

遗传模糊连接法在CAG图像分割中的应用

鉴于模糊连接法分割连通物体的优势及冠脉造影（CAG）图像中血管连通的特点,用模糊连接法来分割CAG图像。模糊连接法在实现上存在困难,提出将遗传算法与模糊连接相结合来解决这一问题。首先指定目标物体上一点作为种子点。然后根据给定的模糊亲和度公式,用遗传算法求出任意点到种子点的模糊连接度。最后设定阈值,将模糊连接度高于阈值的点按原值显示,其他点置为背景,即可得到分割结果。实验结果表明,该方法能快速准确将血管提取出来,为二维CAG图像的自动诊断及可视化提供了依据。     

基于图割和模糊连接度的交互式舰船红外图像分割方法

针对舰船红外图像分割中的低对比度、边缘模糊和目标灰度不均匀问题, 提出了基于图割和模糊连接度的交互式图像分割方法. 交互方式为矩形笔刷, 选择目标和背景种子点. 分割方法为基于图割的图像分割方法, 引入模糊连接度来计算图割的似然能, 给出了模糊连接度权重的自动确定方法, 提出了基于直方图分解的高斯混合模型(Gaussian mixture model, GMM)成分个数和参数估计方法. 仿真结果表明, 新方法可实现各种复杂环境下舰船红外图像目标的有效分割.     

基于纹理-模糊连接度的遥感影像道路自动提取

提出一种基于纹理-模糊连接度的遥感影像道路信息全自动提取算法。利用Canny算子对影像进行边缘检测,通过道路阈值和分类算法的联合优化,提取出道路种子点。定义了包含纹理能量的模糊连接度,对影像中各像素相对于多种子点的连接度进行遍历计算,寻址最优路径,从而识别出完整的道路。实验结果表明,该道路提取算法相对于模糊连接度算法精度更高,具有较强的通用性。     

基于注意计算模型的医学图像模糊连接度分割

用模糊连接度分割图像时,种子点多以聚类分析方法自动给定,本文分析了传统聚类法存在的问题,在人类视觉活动机制的启发下,提出新的完全不同于聚类方法的视觉显著点注意引导下的图像分割方法.将图像特征显著点的定位转化为概率密度估计问题,引入新的注意计算模型并结合Mean-Shift处理得到关键特征点.注意模型的特征地图采用图像灰度的对比度构成,迭代计算高斯邻域显著度.从密度估计的角度定位显著点,克服以往偏生理注意模型对定量描述的能力不足,尤其适用医学模糊图像.新的方法能完全自动地定位种子点,有效地分割模糊医学图像,提高准确率.     

基于模糊连接度的交互式CT图像分割算法

如何准确地从CT图像中提取出感兴趣的组织,是医学图像分割中的难点。提出了一种基于模糊连接度的交互式CT图像分割算法：先根据用户指定的感兴趣区域的灰度范围预分割图像,然后用户从结果图像中选择目标和背景种子点,计算出各像素点与两类种子点的模糊连接度,最后根据连接度大小将像素点划分到目标或背景区域。分割过程中,用户可以通过增设或删除目标或背景种子点,修正分割的结果。实验表明,该算法能准确有效地分割出感兴趣区域。     

新的模糊边缘检测算法及在煤车定位中的应用

针对煤车智能取样对车厢定位的要求,提出了一种改进的模糊边缘检测算法.该算法通过阈值计算分段定义隶属度函数模糊特征,使图像目标区域边缘的灰度级达到较大增强,适合对较大目标区域(车厢)的多级灰度图像边缘检测;另外,该算法根据边缘的一般特征及不同的灰度区域自适应地选取算法参数,实时性好.工程应用表明,该方法在车厢边缘检测中,精度高、实时性强,能满足实际需要.     

基于模糊连接度的图像分割及算法

提出了一种基于模糊连接度图像分割的方法,在模糊连接度分割的基础上增加了最优路径(即与种子点的所有路径中连接度最大的路径)上各点相对于种子点的属性相似度的检验,使之能在待分割对象边界比较模糊的情况下取得理想的分割结果.同时提出了一种基于图像扫描机制的算法,它以种子点为中心,逐个计算邻居点相对于种子点的模糊连接度,该算法充分利用模糊连接度和属性相似度的性质,能简单、快速地找到两点间的最优路径.实验结果表明,该方法快速、有效地提高了图像分割的质量.