结合概率密度函数和主动轮廓模型的磁共振图像分割

为了提高大脑磁共振图像的分割精度,提出了一种新的图像分割算法。首先,分析了常用于大脑磁共振图像分割的高斯混合模型和主动轮廓模型的优缺点,联合高斯混合模型的概率密度函数和主动轮廓模型的能量函数构造了一个新的能量函数。然后,利用遗传算法和最大期望算法获取概率密度函数的参数值。最后,利用水平集方法和梯度下降流法,对获得的能量函数进行最小化,从而得到最终的分割结果。与传统方法相比,本文算法对脑组织中的白质和灰质的分割精度分别提高了6.73%和14.07%。该算法利用像素点的区域信息和概率值驱动主动轮廓曲线的演化,能有效区分具有相近灰度值的不同区域,从而提高了大脑磁共振图像的分割精度。     

基于主动轮廓模型的序列图像分割与重建

基于断层测量的表面重建是逆向工程中的重要研究方向,而图像分割是其中的关键性技术。针对这一问题,提出了一种基于Greedy算法的B样条主动轮廓模型,可快速稳定地实现目标图像的分割,适用于基于断层图像的分割与表面重建处理。通过对磁共振序列断层图像的分割与表面重建验证了该方法的有效性。     

一种新的用于MR脑图像分割的主动轮廓模型

主动轮廓模型是一种有效的基于边缘的分割方法,然而,在MR脑图像的应用中,它却遇到了许多问题,例如背景复杂,同一解剖结构的灰度分布不一致以及边界不连续等.这里提出了一种新的用于MR脑图像分割的主动轮廓模型.该模型不仅利用关于目标轮廓的先验知识对切片的边缘吸引力场进行边缘约束,减少相邻结构对曲线收敛的影响,还对进行边缘约束之后得到的边缘吸引力场进行正则化处理,增强模型对凹边缘的搜索能力和对断裂边缘正确提取的能力.实验证明,该模型可以克服传统主动轮廓模型在MR脑图像遇到的难题,从而快速有效地在MR脑图像中提取目标轮廓.     

基于主动轮廓模型的医学图像边界跟踪

提出了一种基于主动轮廓模型的医学图像三维重建目标区域的边界轮廓跟踪方法,该方法能够在多区域轮廓内外邻接的情况下保证轮廓跟踪的逻辑正确性,并且可以在轮廓成长过程中,主动定义非均匀分布的轮廓关键点以及利用参数交互决定轮廓跟踪的精度,从而使跟踪结果合理,且便于交互编辑及三维重建.     

结合梯度信息的主动轮廓模型图像分割算法

传统的C-V模型对于含有多灰度级目标的图像难以实现准确分割,并且分割速度非常缓慢.为了解决这些问题,提出了在C-V模型中引入梯度信息的图像分割算法.该算法在C-V模型的偏微分方程中加入了依赖于梯度信息的弱目标区域控制项和加速因子.弱目标区域控制项可以使弱目标被快速,稳定地锁定,加速因子的引入可以显著地提高C-V模型的分割速度.实验结果表明:该算法能够有效分割出弱目标和提高图像分割速度.     

单源可见光遥感图像中的水域识别

水域识别是图像分类识别中的一个重要问题.不论是地形分类,还是水上目标的识别,都需要准确的水域识别予以辅助.但是以往的水域自动识别算法适应性不好,只适用于水域与背景灰度差异明显的图像,在实际应用中受到很大限制.本文针对这一问题,设计出了一种基于水域特征的水域自动识别方法,使得识别的适应性和准确性都有很大提高.本文的方法已经应用于相关工程.     

引入局部信息的带钢缺陷图像凸优化活动轮廓分割模型

为解决Chan-Vese模型和局部二元拟合(Local binary fitting,LBF)模型在带钢缺陷图像分割时存在的对初始轮廓位置敏感、运行速度较慢等问题,提出引入局部信息的带钢缺陷图像凸优化活动轮廓分割模型(Local information convex activecontour,LICAC)。该模型利用凸优化技术将一个非凸的分割模型转变为凸优化问题,并采用Split Bregman方法对问题进行快速求解,从而解决Chan-Vese模型和LBF模型对初始轮廓位置敏感等问题。通过引入图像局部信息,该模型可以有效分割灰度不均匀的带钢表面缺陷图像。使用该模型分别对焊缝、黄斑、孔洞和划伤等4大类单个带钢缺陷目标区域的图像进行分割试验,分割效果和运行时间都明显优于其余两种模型。同时,该模型也可用于含多个缺陷目标区域的图像分割,并通过对划伤、夹杂、麻点和抬头纹等4大类常见的多个缺陷目标区域的图像进行分割试验,验证了该模型的有效性。     

模糊聚类协作区域主动轮廓模型医学图像分割

医学图像分割的研究对于医学影像发展具有重要意义.区域主动轮廓模型(CV)易受目标和背景区域面积比的影响,且对初始位置敏感.针对上述现象,本文提出一种模糊C-均值聚类(FCM)协作改进CV模型的图像分割算法,即FCM-CV算法.首先在CV模型中增加能量权值函数消除面积比的影响,然后用FCM粗分割结果指导设定改进CV模型零水平集的初始位置.实验结果表明,与CV模型和局部二值拟合模型(LBF)相比,FCM-CV算法消除了面积比对分割精度和效率的影响,具有更好的数值稳定性,且对初始位置不敏感,提高了图像分割的准确性.     

基于改进主动轮廓模型的注塑制品轮廓提取

注塑制品边缘轮廓提取是实现注塑制品边缘缺陷检测的重要前提,主动轮廓模型为注塑制品边缘轮廓提取提供了思路.本文结合注塑制品特点,提出改进的主动轮廓模型方法.该方法充分利用先验知识,提出初始轮廓确定方法;综合参数主动轮廓模型与几何主动轮廓模型的思想,提出控制点搜索方法;针对传统参数主动轮廓模型不能实现曲线拓扑的问题,采用控制点与样条的形式表述制品轮廓,提出插值准则,噪声控制点抑制准则以及控制点压缩方法.实验结果证明,该方法能够快速,准确的实现对具有待检测制品位于图像的中心附近,且待检测制品的中心在制品内部的注塑制品边缘轮廓提取.     

基于遗传算法的模糊熵多阈值图像分割

将模糊熵函数作为遗传算法的适应度函数进而获得最优分割阈值,并对整幅图像进行多阈值寻找,使每一个子区域都满足细分准则.实验表明算法具有较好的分割效果.     

基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声图像

血管内超声斑块图像的分割对动脉粥样硬化疾病的诊断有重要价值。针对传统分割方法初始化和鲁棒性两个问题,提出一种基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声斑块图像的新方法。该方法运用Contourlet变换将原图像分解为多分辨率低通分量和多分辨率带通分量方向性子带。对低通分量进行模板匹配,确定血管内腔边界和中外膜边界的初始轮廓;对带通分量方向性子带进行扩散滤波,抑制噪声的同时尽可能保留有用边缘,并结合边界矢量场使轮廓演化得到最终分割结果,从而提高了分割算法的鲁棒性。对100幅仿真图像和120幅实际图像的分割结果表明,该方法能自动、精确地提取血管的两条边界。相对于传统活动轮廓模型法,该方法分割实际图像的平均距离误差提高了3.04像素,面积差异百分比提高了6.30%。     

对象置信度指引下的高分辨率遥感影像分割

如何减小分割结果与实际地理对象间的差异,是目前高分辨遥感影像分割中面临的一个难点问题。为此,构建了一种新的对象置信度(OC)指标来衡量任意区域与地理对象间的匹配程度,进而提出了一种面向地理对象的多尺度分割算法。该算法主要包括两个步骤:首先,通过对影像进行过分割来构建初始种子区域集合,并确定尺度参数集合;而后,通过跟踪对象置信度指标OC的尺度间变化来指引多尺度区域合并过程,使区域合并结果逐步逼近实际的地理对象。多组实验结果表明,所提出的算法能够显著改善过分割及欠分割问题,准确识别建筑物、道路等地理对象的完整轮廓,在定性分析及定量精度评价中均显著优于商业软件e Congnition及传统多尺度分割算法。     

基于区间二型模糊模型的高分辨率遥感影像分割方法

为了解决高分辨遥感影像分割过程中存在的类属和分割决策不确定性问题,提出一种基于区间二型模糊模型的监督分割方法。利用高斯函数建立影像分割一型模糊模型,其模糊隶属度表征像素类属不确定性;为了改善一型模糊模型隶属度对类属不确定性的表达以及增强分割决策的准确性,分别采用均值和方差扩展方法在上述一型模糊模型基础上构建区间二型模糊模型;综合利用一型模糊模型隶属度及二型模糊模型隶属区间等信息实现分割决策。提出算法和经典算法对合成影像、World View-II和IKONOS全色影像进行分割实验,定性和定量的分析结果表明提出算法具有更高的分割精度。     

Constraint factor graph cut–based active contour method for automated cellular image segmentation in RNAi screening

Image‐based, high throughput genome‐wide RNA interference (RNAi) experiments are increasingly carried out to facilitate the understanding of gene functions in intricate biological processes. Automated screening of such experiments generates a large number of images with great variations in image quality, which makes manual analysis unreasonably time‐consuming. Therefore, effective techniques for automatic image analysis are urgently needed, in which segmentation is one of the most important steps. This paper proposes a fully automatic method for cells segmentation in genome‐wide RNAi screening images. The method consists of two steps: nuclei and cytoplasm segmentation. Nuclei are extracted and labelled to initialize cytoplasm segmentation. Since the quality of RNAi image is rather poor, a novel scale‐adaptive steerable filter is designed to enhance the image in order to extract long and thin protrusions on the spiky cells. Then, constraint factor GCBAC method and morphological algorithms are combined to be an integrated method to segment tight clustered cells. Compared with the results obtained by using seeded watershed and the ground truth, that is, manual labelling results by experts in RNAi screening data, our method achieves higher accuracy. Compared with active contour methods, our method consumes much less time. The positive results indicate that the proposed method can be applied in automatic image analysis of multi‐channel image screening data.     

基于深度语义分割的多源遥感图像海面溢油监测

针对遥感图像海面溢油区域通常受到斑噪声以及强度不均等因素的影响,从而导致溢油区域监测效果较差的问题,本文引入了深度语义分割的方法,将深度卷积神经网络与全连接条件随机场相结合,形成端对端连接。以Resnet结构为基础,首先通过深度卷积神经网络对多源遥感图像粗分割并作为输入,然后经过改进的全连接条件随机场,利用高斯成对势和平均场近似定理,建立条件随机场形成递归神经网络作为输出。通过多源遥感图像对海面溢油区域进行监测,并利用可见光图像估计溢油区域面积。实验在所建立的多源遥感图像数据集上与其它先进模型进行对比,结果表明本文方法提高了溢油区域的分割精度以及精细细节程度,平均交并比为82.1%,监测效果具有明显地改善。     

高分辨率遥感影像的平原建成区提取

通过分析高分辨率遥感影像中平原建成区的纹理特征和局部关键点特征,提出了基于多核学习、多尺度分割以及多假设投票的平原建成区提取方法。该方法利用MR8纹理特征和尺度不变特征变换(SIFT)算法提取建成区,融合多个特征进行学习和分类,从而加强了分类器的鲁棒性和稳定性,提高了检测准确率。该方法还通过超像素分割和多假设投票将基于图像块的判别结果转化为基于像素的检测结果,完全消除块状效应,使得目标区域具有准确的边缘和形状。在多幅GF-1卫星遥感图像上进行测试,结果显示:提出方法的平均检测精度为80%,平均召回率高于85%,平均F值可达80%以上,综合指标高于其他方法,验证了提取平原地形建成区的可行性和准确性。由于建成区提取结果已精确到了像素级别,同时避免了漏检和误检,提取出的建成区影像很准确。     

HSI色彩空间下的低照度遥感图像增强

为了提高低照度遥感图像的可视性,提出了利用改进的多尺度Retinex算法与局部对比度自适应调整相结合的方法来改善图像质量。首先,把原始图像变换到HSI色彩空间,有效分离H、S、I分量;然后,然后在保持色调分量H不变的前提下,对亮度分量I利用改进的多尺度Retinex算法进行处理,对整幅图像进行亮度和对比度的初步调整,通过使用Sigmoid函数替换多尺度Retinex算法中的对数函数来减少数据丢失;为了使局部细节信息得到更好的改善,在利用改进的多尺度Retinex算法处理后进行自适应局部对比度增强,提高图像局部对比度;对饱和度分量S采用分段线性增强的方法进行处理;最后,将处理后的图像变换回到RGB空间。实验结果表明:图像信息熵由5.79提高至6.65;图像感兴趣区域的局部对比度由0.695提高至0.701,图像质量以及利用价值得到了提升。     

彩色遥感图像的亮度直方图局部线性化增强

针对遥感图像能量低的实际问题,提出了一种亮度直方图局部线性化图像增强方法来提高彩色遥感图像的可视效果。首先,对RGB模型描述的彩色遥感图像进行HSI变换,以有效分离H、S和I分量;其次,对亮度I分量进行传统的直方图均衡化,得到均衡化灰度映射曲线;然后,将图像梯度作为目标函数,求出最优的线性化折点位置,对灰度低端动态范围映射曲线进行线性化处理,得到局部线性化的灰度映射曲线;最后利用新的灰度映射曲线对图像进行增强处理。Himawari-8真彩色图像增强实验结果表明,经亮度直方图局部线性化增强后,像素平均梯度由73提高到了147,较传统的RGB域直方图均衡化的123及HSI域直方图均衡化的134高;图像信息熵由5.87提高到6.63,全部优于传统的RGB域直方图均衡化和HSI域直方图均衡化。本文方法有效地改善了彩色遥感图像的可视效果,提高了图像对不同目标的辨识能力。     

基于萤火虫算法的二维熵多阈值快速图像分割

提出了基于萤火虫算法的二维熵多阈值快速图像分割方法以改善分割复杂图像和多目标图像时存在计算量大、计算时间长的问题。首先,分析了二维熵阈值分割原理,将二维熵单阈值分割扩展到二维熵多阈值分割。然后,引入萤火虫算法的思想,研究了萤火虫算法的仿生原理和寻优过程;提出了基于萤火虫算法的二维熵多阈值快速图像分割方法。最后,使用该方法对典型图像进行阈值分割实验,并与二维熵穷举分割法、粒子群算法(PSO)二维熵多阈值分割法进行比较。实验结果表明:该方法在单阈值分割、双阈值分割和三阈值分割时分别比二维熵穷举分割法快3.91倍,1040.32倍和8128.85倍;另外,在阈值选取的准确性和计算时间方面均优于PSO二维熵多阈值分割法。结果显示,基于萤火虫算法的二维熵多阈值快速图像分割方法能快速有效地解决复杂图像和多目标图像的分割问题。