序列B超图像的快速轮廓提取

提出了一种序列B超图像的轮廓提取算法,该算法通过构造边缘轮廓模板来进行B超图像中感兴趣轮廓的提取,实验证明该算法能够较快速地对序列B超图像进行轮廓提取。     

一种基于轮廓的图像检索方法

提出了一种基于图像轮廓的检索方法，提取轮廓的跨弦夹角特征以用于图像检索，在对1000多幅图片的检索中，得到了较满意的效果。     

三维轮廓光切法测量的图像获取及处理

介绍了基于光切法的脚型三维轮廓测量原理，针对多CCD光切测量系统组成，提出一种使用中轴跟踪和改进测偏原理相结合的高精度提取轮廓光带中心线的新方法，详述了光切面轮廓图像的提取及处理过程，并通过对提取中心线的坐标变换，获得了完整的脚型断面轮廓数据。实验结果表明该方法处理效果令人满意。     

单幅人体切片图像的多轮廓二维重构算法研究与实现

基于切片图像数据的轮廓曲线二维重构是轮廓表面三维重构的基础。单幅切片图像可能存在有单轮廓或多轮廓。本文对中国虚拟人切片图像进行分析,针对单幅切片图像里的多轮廓线情况,研究提出了多轮廓提取算法和拟合曲线建模算法。经编程实验,成功实现了单幅图像里的多轮廓二维重构。     

基于轮廓的刚体变换模型下多源图像配准算法

提出了一种刚体变换下基于轮廓的多源图像配准算法.首先提取待配准图像中的明显轮廓,然后对提取后的轮廓进行轮廓匹配.对于匹配后的开轮廓对,通过把开轮廓的两个端点用直线段连接的方法将开轮廓对转化为闭合轮廓对.最后求取闭合轮廓对中闭合轮廓的质心并作为控制点,根据控制点计算配准参数.     

基于长线列探测器的图像非均匀性研究与校正

基于长线列图像探测器的成像系统,其图像的非均匀性往往制约着系统成像的质量.结合线列图像探测器的结构特点,分析了线列图像的非均匀性产生原因,并在此基础上分析了多点校正算法,并提出一种基于图像轮廓提取的图像平滑算法.通过对比处理前后的结果,采用图像轮廓提取的图像平滑算法,在保证图像细节的基础上,能够提高图像的均匀性.     

脑部MRI图像的半自动实时轮廓提取方法

研究脑部MRI图像的实时轮廓提取问题.由于脑部MRI图像分辨率高且信息量大,传统方法对整幅图像做图像分割和轮廓搜索,难以保证实时精确的轮廓提取.为解决上述问题,提出一种用区域分解和图像标记的实时轮廓提取方法,将感兴趣区手动分解为若干个自定义子区域的集合,依次提取各子区域轮廓并与当前图像轮廓合并,最终实现感兴趣区的轮廓提取.标记图像记录医学图像上各点的标记状态用于边界跟踪,提取当前子区域的轮廓后,标记图像上各点状态随之改变,对其做邻域搜索可得到合并后的医学图像轮廓线.实验结果表明,改进方法可实时流畅地提取感兴趣区域轮廓,鲁棒性强,对狭窄连通区域和外表面轮廓也有很好的提取效果.     

基于局部分形维数特征的医学超声图像轮廓提取

医学超声图像轮廓提取的研究对疾病诊断有重要意义,传统方法受医学超声图像噪声影响较难获得准确的提取结果。本文研究通过引入局部分形维数作为图像轮廓特征,对医学超声图像进行轮廓提取。通过与传统方法比较,实验结果表明本文方法对医学超声图像中存在的噪声有较好的抗干扰能力,能够在噪声背景中较好提取图像的轮廓,为医学超声图像轮廓提取开辟了一条新的途径。     

基于单水平集的多目标轮廓提取

多目标轮廓提取是图像分割的重要研究内容.文章在Chan和Vese的无边界主动轮廓模型(简称CV模型)的基础上,提出基于单水平集的多目标轮廓提取算法.CV模型只能实现单目标的轮廓提取,主要原因是不能使水平集函数驱动的轮廓线在某些目标区域正确分裂,没有有效利用轮廓线的拓扑分裂信息.通过修正CV模型,引入标记模板,用于追踪零水平集的分裂情况,对不同的准目标区域区别处理;引入图像区域均值模板,用于估计可能淹没在背景区域中的目标区域,促使水平集函数在上述目标区域充分变形,使对应零水平集充分分裂,实现多目标轮廓提取.并且文章提供了一系列不同条件下的实验结果,并与其它类似的研究成果进行比较,结果表明,该文的工作是有意义的.     

综合颜色和轮廓曲线特征的图像检索方法研究

传统的基于内容图像检索（CBIR）及跟踪算法主要利用图像的颜色、纹理等特征进行相似性比较,但大量的实验和应用也表明利用颜色和纹理进行图像相似性比较在空间结构和对象形状上难以精确控制,致使图像检索经常出现一些不可预料的结果。为了提高图像在形状、颜色及纹理上的检索精度,提出了一种综合颜色和图像轮廓曲线特征的检索方法。该方法分割图像并提取图像中感兴趣对象的轮廓,对提取的轮廓进行仿射变换及最小值化处理,经处理后的轮廓带有边缘的完整信息,具有几何不变性;利用聚类的颜色信息,提取主聚类的直方图,所提取的直方图不仅包含了主聚类的颜色信息也包含了该聚类的空间位置信息。利用检索对象与被检索对象的颜色距离直方图及轮廓曲线距离偏差的加权平均度量检索及被检索对象的相似性。实验结果表明,针对基于感兴趣对象的图像检索问题,给出了一种具有高度检索精度的算法。     

一种基于水平截集的活动围道图像分割方法及算法实现

图像分割是遥感和医学图像处理的基础技术之一,但是目前缺乏工程化通用算法。适合于工程应用的图像分割技术必须满足有效、整体、精确、稳定等一系列要求。为适应这些要求,该文采用基于水平截集的活动围道图像分割方法,进行了面向工程化的算法实现和C应用程序设计。试验表明,所发展的计算技术具有很好的通用性,分割过程快速,得到的边界准确,具有拓扑自适应性和良好的抗噪性,可以实际地用于分割大型遥感图像和医学图像。     

结合显著性的主动轮廓图像分割

传统的主动轮廓方法无法突出分割区域的显著性,同时在由显著性检测算法所得到的显著图中目标具有较高的信噪比,因此提出结合显著性的主动轮廓图像分割。通过线性光谱聚类分割得到超像素,以超像素为处理单位利用基于图论的流形排序算法获得较好的显著图;将高斯混合模型引入到主动轮廓的曲线演化过程中,计算曲线内外的平均灰度值,从而通过高斯混合模型和显著性信息得到了新的主动轮廓能量方程,并运用水平集方法指导分割,获得最终的分割结果。实验结果表明,提出的图像分割方法可以对图像进行快速和有效的分割。     

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。     

Multiscale Active Contours

We propose a new multiscale image segmentation model, based on the active contour/snake model and the Polyakov action. The concept of scale, general issue in physics and signal processing, is introduced in the active contour model, which is a well-known image segmentation model that consists of evolving a contour in images toward the boundaries of objects. The Polyakov action, introduced in image processing by Sochen-Kimmel-Malladi in Sochen et al. (1998), provides an efficient mathematical framework to define a multiscale segmentation model because it generalizes the concept of harmonic maps embedded in higher-dimensional Riemannian manifolds such as multiscale images. Our multiscale segmentation model, unlike classical multiscale segmentations which work scale by scale to speed up the segmentation process, uses all scales simultaneously, i.e. the whole scale space, to introduce the geometry of multiscale images in the segmentation process. The extracted multiscale structures will be useful to efficiently improve the robustness and the performance of standard shape analysis techniques such as shape recognition and shape registration. Another advantage of our method is to use not only the Gaussian scale space but also many other multiscale spaces such as the Perona-Malik scale space, the curvature scale space or the Beltrami scale space. Finally, this multiscale segmentation technique is coupled with a multiscale edge detecting function based on the gradient vector flow model, which is able to extract convex and concave object boundaries independent of the initial condition. We apply our multiscale segmentation model on a synthetic image and a medical image.     

无需初始轮廓的快速图像分割模型

在图像分割领域中，几何活动轮廓模型是较成功的方法之一。但现有的几何活动轮廓模型大都需要为演化曲线定义一个初始位置，这容易导致图像分割结果受初始轮廓位置的影响。为此，结合图像的局部和全局信息构造一个新的符号压力函数，提出一个以偏微分方程形式存在的快速图像分割模型。所提模型形式简单，算法过程容易实现。实验结果表明，该模型允许常值初始化，无需初始轮廓即可快速分割三相图像、灰度不均图像、渐变图像以及深度图像等多类图像。     

融合边缘增强注意力机制和U-Net网络的医学图像分割

医学图像分割是医学图像处理领域中的关键步骤,随着深度学习技术的逐步深入,图像分割技术有了突飞猛进的发展.然而,在分割过程中,病灶特征的边缘像素点划分仍存在模糊、不准确的问题.为此,提出一种边缘增强的注意力模块(CEA),分别进行水平和垂直2个不同方向的特征编码捕获位置信息,并通过计算位置特征和输入特征之间的偏移量加强边...     

Multiple scale neural architecture for enhancing regions in the colour image segmentation process

Abstract: A dynamic multi‐scale neural model for enhancing regions and extracting contours in the colour image segmentation process is proposed. This model combines colour and textural information to coherently enhance images through the operation of two main components: the colour opponent system (COS) and the chromatic segmentation system (CSS). First, the COS module transforms the RGB chromatic input signals into long‐ (L), middle‐ (M) and short‐ (S) wavelength cone activations and luminance signals and then it generates the luminance (black–white), L–M and S–(L+M) opponent channels. The CSS module incorporates contour extraction, double opponency mechanisms and diffusion processes to yield coherent enhancing regions in colour image segmentation. This enhancement allows the region labelling to be more efficient due to a reduction in the uncertainty of the images' region allocation. The CSS module is based on the boundary contour system/feature contour system, extending it to allow colour stimuli processing to obtain general purpose architecture for image segmentation with later applications in computer vision and object recognition. Simulations show the good visual results obtained and the robustness of the architecture when processing images presenting different levels of noise. A benchmark using the Berkeley Segmentation Dataset is included in order to quantify and compare the results obtained.     

基于双向轮廓跟踪的面部轮廓线生成算法

为了提高医学图像中面部轮廓线的分割效果,提出一种新的面部轮廓线生成算法(bidirectional contour tracking,BCT).该算法首先利用边缘检测算法对CT图像进行检测,然后利用头部CT图像中各组织的灰度特征和图像的对称性,对检测后的图像进行双向轮廓跟踪,并获得面部的轮廓线.另外,根据面部轮廓线的特点,使用中点法可生成辅助轮廓线.以一组颅脑CT图像为例来验证算法的效果,实验结果表明,新的生成算法提高了轮廓线的生成速度,并有很好的分割效果.     

多尺度几何活动曲线及MR图像边界提取

活动曲线方法是８０年代末发展起来的基于模型的图像分割方法,主要有两大类,能量活动曲线方法和几何活动曲线方法,几何活动曲线言方法在数学上比较完备,较好地克服了能量的许多缺点,但是在医学图像分割中,尤其是结构性噪声比较严重的情况下,几何活动曲线向边界的演化会受到一定程度的影响,为了解决这个问题,作者利用基于小波变换的多尺度边缘检测算法,提出了多尺度几何活动曲线模型,在人体头部ＭＲ图像脑边界的提取中,多     

一种基于模糊主动轮廓的鲁棒局部分割方法

针对局部分割方法对初始轮廓敏感的问题,本文提出一种基于模糊主动轮廓的鲁棒局部分割方法.该方法利用图像的局部信息,定义一种新的平均模糊能量函数.通过对演化曲线进行形态学膨胀和腐蚀运算构建窄带,并在窄带范围内求解模糊能量函数的最小值来实现局部分割.为防止演化曲线陷入局部极小值,在迭代过程中加入对比度约束判断条件,进一步提高了分割方法对初始轮廓的鲁棒性.对合成图像和医学图像的分割实验结果表明,与已有的几种局部分割方法相比,本文方法在分割精度和鲁棒性等方面都有较大提高.