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。     

基于Snake模型的图像分割新算法

针对目前基于Snake模型的图像分割算法普遍存在噪声鲁棒性差、适用范围受限、易发生弱边缘泄露以及轮廓曲线难以收敛到细小深凹边界的缺陷,提出了一种基于Snake模型的图像分割新算法。首先,选取新的扩散项代替具有各向同性光滑作用的拉普拉斯算子;其次,引入p-拉普拉斯泛函到平滑能量项中强化法线方向外力;最后,利用边缘保护项使外力场方向与边缘方向一致,以防止弱边缘泄漏并促使轮廓线收敛到细小深凹边界。实验结果表明,所提模型不仅克服了现有基于Snake模型的图像分割算法的缺陷,具有更好的分割效果,明显提高了抗噪性能和角点定位精度,而且耗时更少,适用于噪声图像、医学图像以及含有很多弱边缘的自然图像分割。     

分水岭优化的Snake模型肝脏图像分割

Snake算法是主动轮廓模型的经典算法,是近年来图像分割和视频领域研究的热点。针对Snake模型中存在的初始轮廓敏感和能量函数中曲率约束不足等问题,提出将分水岭变换和主动轮廓模型相结合的主动轮廓分割算法。首先通过引入标记函数和强制最小值技术解决传统分水岭变换可能导致的过分割问题,然后利用改进的强制标记分水岭算法优化Snake模型的初始轮廓曲线,最后通过在Snake模型中增加一项与曲线形状相关的外部力弥补能量约束函数中曲率约束的不足,从而实现更精确的图像分割。改进后的Snake模型应用于腹部MR图像中,对肝脏图像的识别和分割取得了良好效果。     

一种改进的基于蛇模型的分割方法

CT图像的分割在临床的诊断和治疗中有着重大的意义。其中Snake分割算法能够得到较好的分割结果,该文通过对传统Snake算法基本原理的研究,提出了一种改进的Snake分割模型。首先,通过数学形态学的方法得到CT图像的边缘,其次,运用改进的能量方程对分割过程进行迭代。优化的Snake模型能够克服传统Snake模型无法收敛于极凹处以及对噪声敏感的问题。通过实验将模型应用于实际CT图像分割,并且得到较精确的实验结果。     

基于粒子群优化算法和改进的Snake模型的图像分割算法

基于活动轮廓（Snake）模型的目标轮廓提取是图像分割中一种重要的方法.为了克服传统Snake模型在图像分割中不能向凹处收敛和收敛不准确的缺点,提出了一种粒子群优化算法与改进的Snake模型相结合的图像分割算法.改进的Snake模型,即在传统的Snake 模型的基础上增加了一个向心能量,增加此能量可以使初始化曲线向目标的凹处收敛.又由于粒子群优化算法具有获得全局最优的能力,可以使曲线能更准确地收敛到目标的边界.通过实验证明此方法可以取得很好的分割效果.     

基于改进Snake模型的图像分割方法

Snake（主动轮廓线）模型即能量最小化运动曲线模型,最初由Kass在1987年提出,具有良好的获取特定区域内目标边缘的能力,是一种极为有效的图像分割方法。针对传统Snake模型对初始轮廓的依赖性问题,利用围绕目标形心的圆环间平均灰度差异来确定初始轮廓点,对噪声的干扰有一定的抑制作用,并减少了人工选取的工作量。通过离散Snake算法与分段DP算法的有效结合来获取图像的特征边缘点,以提高Snake算法的收敛速度。最后利用单调性原则对边缘点进行分区,在各个单调区间内采用曲线拟合的方法来获得连续的图像边缘。实验结果表明,基于改进Snake模型的图像分割方法可以从图像中提取连续、封闭的边缘曲线,能够较好的将目标从图像中提取出来。     

超声乳腺肿瘤图像的自动分割

为解决传统Snake模型对初始轮廓敏感和凹陷边界提取困难的问题,分别提出了双阈值分割算法和Snake模型的改进方案.通过双阈值分割算法与形态学运算、滤波技术的综合应用,获得靠近边缘的初始轮廓.采用改进的Snake模型使初始轮廓跟踪到实际边界.由于对模型的能量定义做了调整,凹陷边界也可被准确跟踪.通过临床采集的20例乳腺图像肿瘤边缘的提取和分析,结果表明,该方法能有效提取出肿瘤边缘,实现超声肿瘤的自动分割.     

Snake与多尺度分析的医学图像分割研究

为提高分割精度,提出Snake与多尺度分析相结合的医学图像分割方法。根据先验知识给定图像一个初始的粗略轮廓,然后对图像进行多尺度增强,在不同的尺度下应用Snake算法进行轮廓提取,相当于在曲线的收敛过程中进行了修正,从而使得轮廓在不同的尺度中逐渐优化,分离出精确的轮廓。实验结果表明,该方法是有效的,对医学图像分割的精度优于传统的Snake模型。     

改进Snake模型在医学超声图像分割中的应用

因其本身所具有的复杂性,医学超声图像的分割足一件非常困难的事情.Snake算法能够有效地利用图像局部与整体的信息,实现对边界的准确定位,因此非常适用于医学超声图像的处理.针对传统Snake模型对初始轮廓依赖性的问题,根据图像边缘附近灰度差异显著的特性,提出了获取初始轮廓点的方法--扇形法,运用方法可以获得靠近日标边界的初始轮廓点,并且得到的轮廓点是有序点集.能量最小化过程运用贪婪算法来获得图像的特征边缘点,最后采用分段多项式拟合的方法来获得连续的图像边缘.实验结果表明.所采用的方法可以获得连续、封闭的边缘曲线,能够较好的将目标从图像中提取出来.     

Snake模型初始轮廓选取的研究

针对Snake模型处理复杂背景图像时的初始轮廓自动选取问题,该文采用分水岭算法先对图像进行分割,并将得到的边界作为Snake模型的初始边缘轮廓。由于分水岭算法具有将目标物体从复杂背景中分割开来的优点,使得在应用Snake模型对复杂图像进行分割时减少了人工的干预。经过实验对比,采用分水岭算法对玉米秸秆图像进行边缘轮廓的提取能达到较好的效果,为自动进行Snake模型的计算提供了一种较好的初始轮廓处理方法。     

基于Perona-Malik模型的各向异性主动轮廓外力场

利用经典的Perona-Malik各向异性去噪模型具有保护图像边界信息的特点,将经过Perona-Malik模型处理后图像的负梯度作为外力场,研究其对主动轮廓法分割结果的影响,提出了一种主动轮廓外力场模型PMF。理论分析和实验结果表明,PMF模型不仅能够保持图像的边界信息,克服了传统外力场不能进入图像凹部的缺陷,而且对初始曲线的约束较少。由于PMF是基于去噪模型而得,因此具有较好的鲁棒性。     

基于动态轮廓模型的羽毛分割改进算法

从羽毛图像中分割毛杆适合采用动态轮廓模型,而原始原模型易受局部强边缘干扰产生偏差,且计算规模偏大。根据毛杆的特性,提出用毛杆中心线和毛杆宽度来代替毛杆轮廓,把模型中二维轮廓曲线变化成两个相互独立的一维函数,并据此修改能量方程。改进算法利用对称性避免强边缘干扰,减少了计算规模,能实现全自动分割。实验表明该算法具有较强的抗噪性,使分割毛杆效果良好,能满足工业需要。     

基于梯度的混合Mumford-Shah模型医学图像分割

针对C-V法的水平集图像分割法缺少局部控制能力等问题,将基于边缘的几何主动轮廓线模型和基于区域的C-V法两者结合起来,提出了基于梯度的混合Mumford-Shah图像分割模型HMSG。给出了HMSG模型的参数设置准则,在分割的初期加大模型中全局特征项的权值,在分割的后期则加大局部特征项的权值,以提高模型的图像分割能力。对合成图像与医学图像的分割实验结果表明,该方法优于C-V方法对于含有噪声和边缘模糊的非二值图像的分割,能够较为准确地提取图像边界,可以有效提高图像分割整体性能。     

基于One-class SVM的噪声图像分割方法

为解决现有无监督图像分割模型对强噪声环境鲁棒性差、无法适应复杂混合噪声的问题,提出了一种基于One-class SVM方法的改进后的噪声鲁棒图像分割模型。首先,基于One-class SVM构建一种数据离群程度检测机制;然后,将离群程度值引入能量泛函,令分割模型可以在多种噪声强度下获得较为准确的图像信息,同时避免现有方法在强噪声环境下,降权机制失效的问题;最后,通过最小化能量函数,驱动分割轮廓向目标边缘演化。在噪声图像分割实验中,当选取不同类型和强度的噪声时,该模型均能得到较为理想的分割结果。在F₁-score评估标准下,该模型比基于局部相关熵的K-means（LCK）模型高0.2~0.3,在强噪声环境下具有更高的稳定性,且在分割收敛时间上仅略大于LCK模型0.1 s左右。实验结果表明,所提模型在未显著增加分割耗时的前提下,对于概率、极值及混合噪声均有着更强的鲁棒性,并且可以分割带有噪声的自然图像。     

融合显著性特征的自适应主动轮廓模型

主动轮廓模型存在演化速度慢、对初始轮廓和噪声敏感、弱边缘泄漏及目标过分割等问题。对以上问题进行了研究,提出了融合显著性特征的自适应主动轮廓模型。提出基于去雾算法的显著性映射作为正则项提升模型对初始轮廓位置的鲁棒性,防止轮廓演化过程过早陷入局部最优解,同时缩短轮廓演化时间。为了防止模型在演化过程中出现弱边界泄漏,模型中引入边缘检测函数作为能量泛函的权重。该模型利用最大面积稀疏约束,提出自适应目标提取方法来消除目标过分割影响。与多种主动轮廓模型在数据集MRSA500(500张)上进行实验对比,表明了提出的模型对初始轮廓和噪声的鲁棒性,而且提出模型的平均分割效率提升约5.6倍,平均Jaccard相似度系数提升约22%。     

融合形状先验的向量CV模型图像分割算法

Chan等人提出的向量CV模型尽管解决了传统CV模型无法分割向量值图像的问题,但是向量CV模型对于含有噪声或遮挡物等复杂的图像,无法正确分割目标。针对此问题提出一种融合形状先验向量CV模型。其能量泛函主要包含形状先验项、图像区域信息项以及距离正则项。此能量函数使得主动轮廓和形状先验位置相近时停止演化。该模型所用形状模板可以与目标形状仿射不同,使得算法更加灵活。该模型对含噪以及目标遮挡的图像具有很好的分割效果。     

显著性驱动的局部相似拟合模型分割算法研究

灰度不均匀和噪声图像的分割是计算机视觉中的难点。现有的活动轮廓模型尽管能够取得较好的分割效果,但仍然对噪声图像分割效果不理想,初始轮廓曲线的选取敏感,优化易陷入局部极小导致演化速度慢等问题。针对该问题,首先使用局部区域灰度的均值和方差拟合高斯分布,构建新的能量泛函,均值和方差随着能量的最小化过程而变化,从而增强了灰度不均匀和噪声图像的分割能力。此外,结合视觉显著性检测算法获取待分割目标的先验形状信息,并自适应地创建水平集函数,从而降低了初始轮廓位置敏感性及计算时间复杂度,实现全自动的图像分割。实验结果证明,提出的算法可以用于灰度不均匀和噪声图像分割,并取得了较好的分割性能,消除了算法对初始轮廓位置敏感性,减少了迭代次数。     

基于超像素/像素协同约束和稀疏分解的活动轮廓模型

针对水平集图像分割模型的分割结果不够准确且对初始轮廓位置和噪声敏感问题,提出了超像素/像素协同约束和稀疏分解的活动轮廓模型。首先引入超像素提取图像块信息构造符号压力函数防止轮廓在演化过程中陷入局部最优;其次,构建了基于超像素/像素协同约束的能量泛函以弥补超像素无法保留局部细节的缺陷;同时,为了解决基于非全局信息的活动轮廓模型演化速度慢的问题,提出模型利用超像素块加速轮廓演化;最后引入了稀疏分解对模型进行优化以减弱局部噪声对分割精度的影响。与多种水平集分割模型的实验结果对比,证明了提出方法的有效性,尤其与原始的二值选择和高斯滤波正则化水平集模型相比,提出方法对噪声和初始轮廓位置不敏感,平均Jaccard相似度系数提升了34%。     

结合边缘与区域信息的超声图像分割方法

针对超声图像受到成像原理的限制导致分割精度不高的问题,提出一种结合边缘与区域信息的变分水平集超声图像分割方法。通过对Li模型的能量函数进行改进,引入C-V模型的外部能量项,将图像的边缘梯度信息和区域信息相结合,并将其应用到超声图像的分割中。实验结果表明,新模型不仅继承了两种模型的优势,而且在分割速度、精度、抗噪性、鲁棒性等方面均优于上述模型,可以较为理想地提取超声图像中的目标。