一种基于PSO与OSTU的改进絮体分割算法

介绍了图像分割中常用的直方图法、迭代法、经典大津法的阈值选取原理,然后对水处理混凝过程中的絮体图像进行分割对比实验,结合絮体运动特点和水处理实时性的要求,提出了一种基于粒子群优化(PSO)与OSTU的絮体图像分割的改进算法,即先通过灰度拉伸以增强图像灰度对比,再利用PSO算法的全局搜索能力来改善OSTU方法的阈值选取时间,求出分割阈值.实验表明:该算法能实现絮体图像的准确、快速分割,达到实时计算絮体等效粒径和数量的要求.     

医学图像分割算法研究

医学图像分割是医学领域不可或缺的组成部分,对于诊断和治疗具有重要意义。在MATLAB软件环境中设计了医学图像分割算法。从医学影像库中选取2张不同诊断图像,采用图像处理算法进行分割,并对处理结果进行研究和探讨。分割算法以阈值分割法和边缘检测法为主要研究对象,其中阈值分割法以大津（Otsu）算法分割为主,边缘检测法采用索贝尔（Sobel）算子、高斯拉普拉斯算子（Laplacian of Gaussian,LoG）算子、Canny算子3种算子进行对比分析。选出一种更普适的分割算法,有效提高医学图像的分割精度和效率。     

基于医学体数据场的大脑皮层重构

研究如何基于一组连续脑部医学切片重构大脑皮层,介绍体数据场和大脑皮层三维重构系统流程。针对插值后的脑部图像提出一种有效的脑灰质分割算法,通过图像预处理和阈值分割方法获取脑灰质图像。针对分割后的体数据,采用改进的Marching Cubes方法重构大脑皮层三维模型,避免提取脑灰质轮廓线。实验结果验证了该算法的可行性和实用性。     

基于阈值和snake模型的三维医学图像自动分割

提出了一种利用snake模型和基于连通性阈值算法进行三维医学图像的自动分割方法.根据三维医学图像的特点, 首先选取该图像的中间层图像,利用基于连通性的阈值算法对其分割;其次利用邻层图像分割结果和snake模型来指导下一层的图像分割.实验结果表明,该方法可以明显提高分割的准确率和速度.     

基于阈值和snake模型的三维医学图像自动分割

提出了一种利用snake模型和基于连通性阈值算法进行三维医学图像的自动分割方法。根据三维医学图像的特点，首先选取该图像的中间层图像，利用基于连通性的阈值算法对其分割；其次利用邻层图像分割结果和snake模型来指导下一层的图像分割。实验结果表明，该方法可以明显提高分割的准确率和速度。     

三维医学图像体分割算法研究

在分析医学数据场物理特性的基础上,提出一种基于边缘过渡区域的医学体数据分割算法.论述边缘过渡区域在医学数据场中的存在性和区域分割对医学数据场的可行性;对三维数据场进行预处理,并修正扩展二维图像的灰度区域分割方法,使之适用于提取三维数据场边界过渡区,通过优化算法的运算流程和采样方法以提高三维数据场体分割的算法效率.实验结果表明本文算法提高了分割精度并降低了时间消耗.     

基于分割的三维医学图像表面重建算法

提出了一种基于分割的三维医学图像表面重建算法,它将图像分割与MC(marching cubes)算法有机地结合,这样可以根据不同医学图像的特点,采用适合的分割方法,实现对不同组织的准确分割,并利用分割结果精确地提取等值面,避免了MC只适合于阈值分割的局限性.同时采用一种基于区域增长的立方体检测方法,提高了表面跟踪的效率.实验证明,运用本算法,重建速度和显示效果均有提高.     

一种基于模糊连接度和维诺图的混合分割方法

介绍一种可用于医学图像处理的、集成了模糊连接度和维诺图分类算法的混合分割方法。首先采用模糊连接度算法对指定图像区域进行过滤处理形成组织样本数据,这些输出数据将作为维诺图分类算法的输入数据和分类标准,然后通过维诺图分类算法对其进行迭代处理直至形成近似的图像区域边界。最终的输出值为一组分割后的三维图像数据,可以采用体绘制方法形成三维图像分割结果,也可用于进一步的图像处理。和其他医学图像分割方法相比,这种混合分割方法集成了基于区域和基于边界两种不同的分割方法,兼具两者的优点,通过两种分割方法的协同工作,提高了图像分割的精度,适用于复杂图像的分割处理。在医学图像计算机辅助诊断系统中集成了这一方法并取得了良好的实际应用效果。     

改进的OTSU射线图像分割算法

为提高对工业X射线图像的分割效果,提出一种改进的OTSU图像分割算法.分析了经典OTSU算法存在的不足,将类内方差也作为计算最佳阈值的一个因素考虑,从而提出了一种改进的OSTU阈值选择函数.在阈值分割过程中,采用局部递归法逐次进行分割.采用目标背景面积差和类内方差的比值作为递归结束的条件.通过与最大熵法、经典OT-SU法、局部递归OTSU法进行实验对比,证明本算法对于射线图像是一种优秀的阈值分割算法.     

基于特征距离的阈值法及其在眼科图象分割中的应用

医学图象的识别与分析能够为临床提供定量比的诊断依据,而图象分割是其中最关键的一步。为提高医学图象侵分割效果,提出了一种基于特征距离的阈值分割算法,并将其与颜色特征分类相结合,来对眼科裂隙灯生物显微镜图象上的角膜充血区进行分割,分割结果可用于角膜充血区的定量体分析,另外,该算法中的样本典型值是通过一种三维直方图分块算法来确定的,实验结果表明,该算法可以有效地分割出角膜充血,其分割效果优于欧氏距离阈值法,且分析数据的精度能够达到临床诊断的要求。     

Automatic magnetic resonance image segmentation by fuzzy intercluster hostility index based genetic algorithm: An application

Segmentation of magnetic resonance (MR) images plays an important role in the medical science or clinical research. In this article, an application of a genetic algorithm (GA) based segmentation algorithm is presented for automatic grouping of unlabeled pixels of the MR images into different homogeneous clusters. Before the segmentation, the information about the optimal number of segments as well as the underlying pixel distribution of an image is not required in this method. The centroid of different segments is demarcated as active/inactive centroid by the fuzzy intercluster hostility index. After that, the test images are segmented by the selected active centroids. The optimal number of segments and their respective centroids are determined by this method. A performance comparison is manifested between the fuzzy intercluster hostility index based GA method and the well-known automatic clustering using differential evolution (ACDE) algorithm and one genetic algorithm based non-automatic algorithm with the help of two real life MR images. The comparison depicted the superiority of the GA based automatic image segmentation method with the help of fuzzy intercluster hostility index over other two algorithms.     

医学3D计算机视觉：研究进展和挑战

医学影像的诊断是许多临床决策的基础,而医学影像的智能分析是医疗人工智能的重要组成部分。与此同时,随着越来越多3D空间传感器的兴起和普及,3D计算机视觉正变得越发重要。本文关注医学影像分析和3D计算机的交叉领域,即医学3D计算机视觉或医学3D视觉。本文将医学3D计算机视觉系统划分为任务、数据和表征3个层面,并结合最新文献呈现这3个层面的研究进展。在任务层面,介绍医学3D计算机视觉中的分类、分割、检测、配准和成像重建,以及这些任务在临床诊断和医学影像分析中的作用和特点。在数据层面,简要介绍了医学3D数据中最重要的数据模态：包括计算机断层成像（computed tomography,CT）、磁共振成像（magnetic resonance imaging,MRI）、正电子放射断层成像（positron emission tomography,PET）等,以及一些新兴研究提出的其他数据格式。在此基础上,整理了医学3D计算机视觉中重要的研究数据集,并标注其数据模态和主要视觉任务。在表征层面,介绍并讨论了2D网络、3D网络和混合网络在医学3D数据的表征学习上的优缺点。此外,针对医学影像中普遍存在的小数据问题,重点讨论了医学3D数据表征学习中的预训练问题。最后,总结了目前医学3D计算机视觉的研究现状,并指出目前尚待解决的研究挑战、问题和方向。     

Benchmarking Image Segmentation Algorithms

We present a thorough quantitative evaluation of four image segmentation algorithms on images from the Berkeley Segmentation Database. The algorithms are evaluated using an efficient algorithm for computing precision and recall with regard to human ground-truth boundaries. We test each segmentation method over a representative set of input parameters, and present tuning curves that fully characterize algorithm performance over the complete image database. We complement the evaluation on the BSD with segmentation results on synthetic images. The results reported here provide a useful benchmark for current and future research efforts in image segmentation.     

二维遗传算法用于图象动态分割

为了有效地对受噪声影响的图象进行分析,提出了两种基于二维遗传算法的图象动 态分割算法.在这些算法中:1)分别采用了以阈值曲面和模糊隶属度曲面为染色体的二维染 色体编码方式;2)采用了全局阈值化算法和模糊集合理论初始化种群;3)采用Hopfield网络 的能量函数形式,结合FCM算法和现有阈值化算法中的一般性分割准则构造适应度函数. 利用实际图象将所提出的算法与一些典型算法进行了分割比较实验,结果表明所提算法有较 好的抗噪效果.     

快速鲁棒核空间模糊聚类分割

目的 传统模糊C-均值聚类应用于图像分割仅考虑像素本身的聚类问题,无法克服噪声干扰对图像分割结果的影响,不利于受到噪声干扰的工业图像、医学影像和高分遥感影像等进行目标提取、识别和解译。嵌入像素空间邻域信息或局部信息的鲁棒模糊C-均值聚类分割算法是近年来图像分割理论研究中的热点课题。为此,针对现有的鲁棒核空间模糊聚类算法非常耗时且抑制噪声能力弱、不适合强噪声干扰下大幅面图像快速分割等问题,提出一种快速鲁棒核空间模糊聚类分割算法。方法 利用待分割图像中像素邻域的灰度信息和空间位置等信息构建线性加权滤波图像,对其进行鲁棒核空间模糊聚类。为了进一步提高算法实时性,引入当前聚类像素与其邻域像素均值所对应的2维直方图信息,构造一种基于2维直方图的鲁棒核空间模糊聚类快速分割最优化数学模型,采用拉格朗日乘子法获得图像分割的像素聚类迭代表达式。结果 对大幅面图像添加一定强度的高斯、椒盐以及混合噪声,以及未加噪标准图像的分割测试结果表明,本文算法比基于邻域空间约束的核模糊C-均值聚类等算法的峰值信噪比至少提高1.5 dB,误分率降低约5%,聚类性能评价的划分系数提高约10%,运行速度比核模糊C-均值聚类和基于邻域空间约束的鲁棒核模糊C-均值聚类算法至少提高30%,与1维直方图核空间模糊C-均值聚类算法具有相当的时间开销,所得分割结果具有较好的主观视觉效果。结论 通过理论分析和实验验证,本文算法相比现有空间邻域信息约束的鲁棒核空间模糊聚类等算法具有更强的抗噪鲁棒性、更优的分割性能和实时性,对大幅面遥感、医学等影像快速解译具有积极的促进作用,能更好地满足实时性要求较高场合的图像分割需要。     

基于倒金字塔深度学习网络的三维医学图像分割

基于深度学习的医学图像分割对医学研究和临床疾病诊断具有重要意义。然而,现有三维脑图像分割网络仅依赖单一模态信息,且最后一层网络的特征表达不准确,导致分割精度降低。引入注意力机制,提出一种基于深度学习的多模态交叉重构的倒金字塔网络MCRAIP-Net。以多模态磁共振图像作为输入,通过三个独立的编码器结构提取各模态的特征信息,并将提取的特征信息在同一分辨率级进行初步融合。利用双通道交叉重构注意力模块实现多模态特征的细化与融合。在此基础上,采用倒金字塔解码器对解码器各阶段不同分辨率的特征进行整合,完成脑组织的分割任务。在MRBrainS13和IBSR18数据集上的实验结果表明,相比3D U-Net、MMAN、SW-3D-Unet等网络,MCRAIP-Net能够充分利用多模态图像的互补信息,获取更准确丰富的细节特征且具有较优的分割精度,白质、灰质、脑脊液的Dice系数分别达到91.67%、88.95%、84.79%。     

三维医学图象可视化技术综述

概要地分析和评述了近年来三维医学图象可视化技术的发展,并主要从三维医学图象的分割标注、多模态医学图象的数据整合、体数据的绘制等3个角度对三维医学图象的可视化技术进行了分类综述,同时介绍了各种算法的原理和最新进展,由于医学图象可视化的目的是辅助医学了解生物内部组织的信息,因此除图象绘制技术外,组织及组织特性的精确自动分割标注技术,以及将不同图象模态提供的互补信息综合起来的匹配/融合技术外,都是医学图象可视化需要解决的重要问题,其中,多模态图象的可视化在三维医学图象可视化领域中最具有挑战性和发展前景。     

Evolutionary segmentation of texture image using genetic algorithms towards automatic decision of optimum number of segmentation areas

Segmentation of an image composed of different kinds of texture fields has difficulty in an exact discrimination of the texture fields and a decision of the optimum number of segmentation areas in an image when the image contains similar and/or unstationary texture fields. In this paper we formulate the segmentation problem upon such images as an optimization problem and adopt evolutionary strategy of genetic algorithms for the clustering of small regions in a feature space. The purpose of this paper is to demonstrate the efficiency of genetic algorithms to the texture segmentation and to develop the automatic texture segmentation method.     

A two-stage fuzzy multi-objective framework for segmentation of 3D MRI brain image data

Segmentation of Magnetic Resonance Imaging (MRI) brain image data has a significant impact on the computer guided medical image diagnosis and analysis. However, due to limitation of image acquisition devices and other related factors, MRI images are severely affected by the noise and inhomogeneity artefacts which lead to blurry edges in the intersection of the intra-organ soft tissue regions, making the segmentation process more difficult and challenging. This paper presents a novel two-stage fuzzy multi-objective framework (2sFMoF) for segmenting 3D MRI brain image data. In the first stage, a 3D spatial fuzzy c-means (3DSpFCM) algorithm is introduced by incorporating the 3D spatial neighbourhood information of the volume data to define a new local membership function along with the global membership function for each voxel. In particular, the membership functions actually define the underlying relationship between the voxels of a close cubic neighbourhood and image data in 3D image space. The cluster prototypes thus obtained are fed into a 3D modified fuzzy c-means (3DMFCM) algorithm, which further incorporates local voxel information to generate the final prototypes. The proposed framework addresses the shortcomings of the traditional FCM algorithm, which is highly sensitive to noise and may stuck into a local minima. The method is validated on a synthetic image volume and several simulated and in-vivo 3D MRI brain image volumes and found to be effective even in noisy data. The empirical results show the supremacy of the proposed method over the other FCM based algorithms and other related methods devised in the recent past.     

人体心脏的4维图像建模和参数分析

研究一种基于4维医学图像的活动形状模型方法,用于构建人类心脏的3维柔性模型并进行自动化参数分析,以得到心脏各方位的量化功能指标。首先,通过造影技术获取心脏周期内各时刻的立体图像,根据时间序列形成一组4维图像。在大量医学图像的基础上,用统计方法分析得到心脏的一般形状,局部的变化范围和分布概率密度,为人类心脏建立一个数字化的计算模型。在此基础上,针对具体病人进行图像分割和形状拟合以计算其心脏静态和动态形状参数,然后分析得到与心脏功能相关的一些重要参数。研究内容包括心脏模型的建立,心脏静态参数分析,心脏动态功能分析,疾病分析等,对病人心脏在特定时刻的每组图像生成其3维结构模型,为医生提供丰富有力的诊断和治疗依据。