ASM的手骨提取方法研究

骨龄自动评估面临的困难是骨骼准确定位与骨骼兴趣区域提取。由于手骨X光图像存在光照不均及骨骼发育程度不规则等因素影响,传统的图像分割方法在骨骼上的分割效果不太理想;为了实现对手骨边缘的精确提取,结合AdaBoost级联分类器,提出基于ASM（主动形状模型）算法的手骨边缘提取方法,丰富了骨龄自动评价系统的应用研究。实验表明,基于ASM算法的手骨分割能有效对手骨X射线图像进行准确的定位,为骨龄自动化评价系统的下一步工作奠定基础。     

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.     

两种超声颈动脉血管斑块图像分割方法比较与改进

针对颈动脉超声图像,实现了两种颈动脉血管斑块的分割方法—活动形状模型(Active Shape Models,ASM)和活动表观模型(Active Appearance Models,AAM),对38组颈动脉超声图像进行了内外轮廓分割,并比较了两类算法对颈动脉内外轮廓分割的有效性。在综合分析实验结果的基础上,结合颈动脉超声图像的特点,通过引入比例不变性改进了ASM算法。统计结果表明,在运行时间上,ASM和改进ASM的运行时间相近,AAM大约为ASM和改进ASM的16倍。同时,采用FOM和RAY两种方法对分割效果进行评价,结果表明,改进ASM算法的分割效果较ASM有了很大的提高,是最适合颈动脉血管斑块超声图像分割的算法。     

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。     

基于二维自动主动形状模型的椎间盘核磁共振图像分割算法

针对椎间盘手动建模主观耗时以及现有分割方法不够准确的问题,提出了一种二维自动主动形状模型(2D-AASM)方法,由基于最小描述长度的椎间盘自动统计形状建模、二维局部梯度建模和分割三部分组成。将25组脊柱核磁共振图像(MRI)的椎间盘专家分割结果作为训练集,采用基于最小描述长度的方法确定点对应关系,建立椎间盘T4-5的统计形状模型和二维局部梯度模型,生成形状模型的方差和目标函数值均小于手工和弧长参数方法。模型建立后,通过3组脊柱MRI数据测试提出的分割方法,与传统主动形状模型（ASM）和加入一维局部梯度模型的ASM方法相比,其分割结果具有更高的戴斯系数值,更低的过分割率和欠分割率。实验结果表明,所提方法建立的模型更准确,分割结果更精确。     

融合Snake模型与拓扑路线的图像分割算法

为了能够提高图像边缘检测的准确度,提出一种新型图像处理算法.该算法是基于主动轮廓方法和拓扑路线相结合的方法,目的是提高图像检测过程的精确度.该算法提出了新型技术来整合拓扑路线和主动轮廓方法各自的优点.将基于拓扑路线的初始分割边界作为Snake模型输入信号,并逐步演化成为最终对象的分割边界.实验结果表明,该算法可以处理低对比度图像,同时可以提高针对弱图像边界进行分割的准确度,取得了更好的图像分割和边缘检测效果,说明该算法有改进低对比度和自动图像分割系统的处理能力.     

一种改进的GVF模型

在基于snake模型的图像分割中,搜索范围和深度凹陷区域的分割是难点.以往sanke模型的改进多是针对它的外部力场,通过比较改进的传统snake模型--距离snake、GVF和NGVF的优缺点,在不改变力场的情况下,综合它们的优点,提出一个新的模型.先采用距离snake模型使初始轮廓逼近目标物体边缘,然后结合NGVF使收敛进入目标物体的凹陷部分.实验表明该模型具有较大的捕获区且能快速收敛到物体边缘的凹陷部分,提取出感兴趣目标的轮廓.     

血管内超声图像初始轮廓提取算法的研究

Snake模型在医学图像分割中的应用已经越来越广泛,但在应用该模型时,如何选取合适的初始轮廓是一个难题;在对血管内超声医学图像的研究基础上,提出了一种基于灰度信息与ROI区域的初始轮廓获取方法,根据IVUS图像的灰度特征对其进行自适应阈值分割以及面积滤波,然后获得分割轮廓点集进而得到snake初始轮廓点集;在matlab7.0环境分别对不同类别的2种IVUS图像的中外膜边缘提取进行仿真实验,实验证明该方法获得的初始snake轮廓较为逼近目标真实轮廓且适合于snake模型进行迭代收敛,由于其初始轮廓已较为接近目标真实轮廓,因此节省了snake模型的迭代次数,算法运行效率也优于手工提取初始轮廓的snake方法,可以较为方便的应用于实际领域。     

基于各向异性主动轮廓模型的图像分割方法研究

摘 要：分割的作用是将数字图像分割为多个简单区域,并根据区域中图像的某种特征提取和分离出的目标区域,便于图像识别与理解分析。主动轮廓模型(snake)是一条可变形的参数曲线及相应的能量函数,广泛应用于医学领域的图像分割。主动轮廓模型是以最小化能量函数为目标,控制参数曲线变形,最后具有最小能量的闭合曲线就是所需分离的目标轮廓。在采用主动轮廓模型进行分割之前,通常都采用高斯滤波器对图像进行滤波,在对图像进行平滑的同时,也会使边缘模糊化,从而影响分割效果。本文将各向异性滤波和主动轮廓模型结合起来,充分利用各向异性滤波在平滑图像的同时能保持边缘的特点,在利用主动轮廓模型进行分割之前使用各向异性滤波代替传统的高斯滤波对图像进行预处理。实验结果表明：与传统方法相比,在主动轮廓模型的预处理阶段,采用本文所提出的算法平滑噪声图像,提高了后续图像分割的准确性。     

可信可控网络中的一致性视图构建机制

主动轮廓模型是进行图像分割的有效方法,但主动轮廓模型在确定初始轮廓方面主要靠经验,理论方法不多。为此,提出了一种基于改进骨架算法的主动轮廓模型进行图像分割的方法。首先利用改进的骨架算法和轮廓重生算法,生成初始轮廓;再利用含有形状能量的主动轮廓模型进行轮廓的演化,使其接近真实的目标边缘,获得期望的图像分割结果。实例验证和比对实验结果表明,与传统的主动轮廓模型相比,该方法在图像分割的准确性和抗噪性方面有很大的提升。