结合熵与局部信息的伪影偏差场修正CV模型

针对Chan-Vese(CV)模型对含有伪影、光照不均的图像不能进行有效分割的不足,本文提出了结合熵与局部信息的动态伪影偏差场修正CV模型。模型根据区域同质性特征,利用熵构造区域能量系数,自动调节目标与背景区域在模型中的权重。采用全局与局部结合的方式自适应控制区域演化。将伪影指示函数应用到区域检测项,无需先验灰度信息即可消除异常值,精确地使像素归类。结合Retinex理论对图像进行分解,忽略亮度变化并提取不含照度信息的目标结构图像,避免偏差场对分割的影响。通过与CV模型、LIF模型对比验证了算法的有效性,结果表明,本文提出的算法在目标干扰严重情况下分割性能最优,重叠率可达0.9,误分割率控制在0.06以内。与CV模型、LIF模型相比分割精度与速度性能优势明显。     

一种新的用于图像分割的活动轮廓模型

为了从灰度异质图像中更好地提取目标,本文提出了一种新的图像分割方法,采用测地时间函数作为局部二值拟合模型的核函数,并结合图像区域的局部灰度信息和全局灰度信息建立能量泛函.同时,符号函数惩罚项的引入避免了符号函数的重新初始化,而曲线长度调整项则保证了曲线演化的连续性和光滑性.通过变分水平集方法最小化新的能量泛函,得到曲线演化的梯度下降流.通过对医学CT图像进行分割实验,证明了该方法的可行性和优越性.     

一种新的活动轮廓模型图像分割方法

局部二值拟合模型利用图像的局部邻域信息拟合能量函数,局部二值拟合模型相当于对活动轮廓内外进行局部均值滤波,因此该模型对高斯噪声有一定的抗噪性,但是该模型对椒盐噪声污染的图像不能取得令人满意的分割结果。为了提高活动轮廓模型对椒盐噪声的鲁棒性,结合局部二值拟合模型中的局部拟合项,提出一种能消除椒盐噪声影响的新的局部拟合项。提出的拟合项的能量函数极小值是局部区域的中值,新的拟合项相当于对活动轮廓内外进行局部中值滤波,中值滤波对椒盐噪声不敏感。原模型中边缘停止函数是基于图像梯度信息,难以区分图像不同区域间模糊的弱边缘和灰度渐进图像目标,并且容易受到各类噪声的影响,抗噪声能力弱。提出一种新的边缘检测算子,重新定义边缘停止函数,进一步提高模型的抗噪性,降低高斯噪声和椒盐噪声对分割结果的影响。为了保持活动轮廓在演化过程中的稳定性,在曲线演化迭代过程中必须周期地初始化以使水平集函数重新变成带符号的距离函数,但重新初始化的计算量大。引入一个惩罚能量,解决水平集函数在演化过程中的重新初始化难题。对不同噪声污染的图像进行试验的结果表明,提出的模型可以取得较好的图像分割结果,比CV模型、LBF模型和LIF模型更具有优势。     

结合全局和局部灰度拟合活动轮廓模型的图像分割算法

针对局部图像拟合(Local image fitting,LIF)模型对初始轮廓敏感和容易陷入局部极小的缺点,本文提出了一种基于图像区域信息的活动轮廓模型。本模型同时利用图像全局和局部信息来分割图像,其能量泛函由局部项、面积项、长度项和惩罚项4项组成。局部项将图像局部信息融入到模型中,使该模型能够有效分割灰度不均图像。面积项通过引入一个全局指示函数,加快了模型的收敛速度,且能避免陷入局部极小。惩罚项约束水平集函数逼近符号距离函数,使模型无需重新初始化,减少了分割时间。此外,为了实现对图像中感兴趣区域的分割,本文给出了模型的窄带实现方法。实验结果表明:本文模型对初始轮廓的敏感性低,收敛速度快,能准确分割灰度不均的图像,且其窄带实现方法能够实现对图像中感兴趣区域的分割。     

融合图像局部能量和梯度的水平集分割方法

为了实现结构复杂的灰度不均匀图像的快速准确分割,提出一种融合局部能量和梯度敏感性的水平集方法,采用梯度敏感的能量函数改进局部能量最小化水平集方法,并利用灰度全局信息自动初始化水平集.局部能量函数由局部灰度拟合函数定义,是水平集的外部驱动能量,适用于分割灰度不均匀图像.梯度敏感项依据图像特性,自动判定对水平集的驱动方向,...     

结合KL散度和RSF模型的主动轮廓图像分割方法

针对主动轮廓模型在进行图像分割时计算复杂度较高的问题,提出一种基于区域的变分水平集主动轮廓模型图像分割方法.新模型将Kullback-Leibler(KL)散度信息加入到RSF(region-scalable fitting)模型中,在新模型的能量项中通过RSF能量项计算区域内某点和该区域"中心"之间的拟合距离来表示目标区域的相似性,同时通过最大化KL能量项使模型能更容易分离图像中的不同灰度区域,进而使图像分割的计算时间显著降低.该模型可以很好地处理图像的模糊边界和图像噪声等问题,并适用于合成图像和实际图像的分割.通过实验结果的对比可以看出,本模型在保证分割精度的前提下,加快了边缘的收敛速度,提高了图像分割的效率.     

基于CV模型和DRLSE模型的甲状腺结节分割

针对CV模型无法分割灰度不均匀图像,而DRLSE模型对弱边界的分割效果不佳的问题,提出了一种结合局部和全局信息的水平集分割方法。实验结果表明,文中模型不仅能处理灰度不均匀图像,而且对弱边界结节也能正确分割。     

基于Bregman散度和RSF模型的水平集图像分割方法

在自然图像中经常会出现亮度不均匀的现象,虽然基于局部信息的水平集方法在不均匀图像的分割方面取得了较好的效果,但是该类方法在主动轮廓的能量上存在局部最小值和计算复杂度高等问题.针对这些问题,本文提出了基于Bregman散度分布和区域可伸缩拟合能量模型(Region-Scalable Fitting,RSF)相结合的水平集图像分割方法.本方法利用包含特征点信息(Bregman散度)的全局信息项加快远离目标边界曲线的演化速度,提高算法对初始位置的鲁棒性;利用RSF模型的局部信息项提高对亮度不均匀图像的分割能力,吸引轮廓曲线向物体边界收敛,并停止在目标对象的边界处.通过对合成图像、医学图像和其它真实图像的对比实验,可以看出本文模型与现有模型(LCV、RSF和LGIF)相比,对亮度不均匀图像具有更强的处理能力和更高的处理效率,且对噪声具有更强的鲁棒性.     

图像分割中局部能量驱动的快速主动轮廓模型

为了解决图像对象灰度分布不一致性的分割难题,提高图像分割速度,提出了一个全新的快速主动轮廓模型。它由曲线周围局部的统计信息驱动曲线发生形变演化,并使用图像中的边缘信息来引导曲线的演化方向。模型中,根据区域模板与演化曲线共同定义的局部统计信息创建数据拟合项,并应用水平集方法求解曲线的演化。对合成图像和医学图像的实验结果表明,本文提出的分割模型可以同时分割多个灰度不一致的对象,分割速度快,结果稳定,对噪声具有很好的鲁棒性。     

局部熵驱动的主动轮廓线纹理图像分割

该文通过对主动轮廓线技术发展的回顾和从纹理图像分割的实际问题出发,提出一种基于局部熵驱动的主动轮廓线纹理图像分割模型。该模型的能量泛涵包含一个惩罚区域弧长的几何正则项和一个使用纹理模式区分不同区域的数据拟合项,特别是数据拟合项用到了局部熵来提取图像纹理并且采用L1范数作为熵的相似性度量。然后将该能量泛涵嵌入到变分的水平集公式中,通过求解能量最小化问题,得到相应的曲线演化方程。最后,采用Berkeley图像分割库中图像实验验证了该方法的有效性。     

一种结合GVF和CV模型的水平集图像分割方法

由于CV(Chan-Vese)模型是一个非凸性泛函,对该泛函求极值只能得到局部最优解,运用该模型进行图像分割时,很难在全局范围内得到理想的结果。鉴于此,提出一种结合梯度矢量流(gradient vector flow,GVF)和CV模型的水平集图像分割方法。该方法通过GVF将边缘梯度信息扩散至整幅图像,在保留CV模型基本优点的同时,融入GVF的全局性梯度信息,从而引导CV模型在全局范围内演化至准确的目标边缘。实验结果表明,该方法的分割效果和收敛速度均明显优于传统CV模型。     

基于优化PSO-BP的多特征融合图像识别算法研究

为提高水果种类识别的准确性,本文提出一种基于优化粒子群结合BP神经网络的识别算法.在算法初期,针对不同种类水果图像样本,借助K均值聚类分割算法,融合彩色信息和灰度信息,完成目标图像的准确分割,提取目标区域在HSV颜色空间下非均匀量化后的颜色特征,使用分块局部二值模式和灰度共生矩阵,分别提取局部和全局纹理特征,并对与粒子...     

RGB分量线性变换法提取脉动燃烧火焰预混锋面

针对脉动燃烧下的甲烷预混火焰,基于图像RGB彩色模型分量线性变换,提出了一种提取火焰预混锋面轮廓线的方法．该方法首先对火焰图像分割区域的RGB分量进行分析,根据三个分量的权重和差异确定特征分量;然后,通过区域选取和计算得到分割区域的特征分量值;最后,对特征分量进行线性变换,增大反差得到新的图像,在此基础上进行迭代、填充等运算,最终实现轮廓线的提取．将该方法运用到不同工况下预混火焰轮廓线的提取中,均能获得理想的效果,并与传统的灰度提取法进行了对比．结果表明,RGB分量线性变换法简单实用、效果更好．     

基于先验形状的CV模型肝脏CT图像分割

针对目标被部分遮挡或部分信息丢失情况下CV模型不能正确识别的问题,提出一种新的分割算法。首先,利用数学形态学对原肝脏图像进行滤波,并结合其他算法建立肝脏先验形状;然后,采用边缘查找和区域标定等算法,对肝脏先验性状的边缘以及边缘内外区域进行赋值,构建执行效率高的符号函数距离函数,将其通过形状比较函数嵌入到CV模型的能量泛函中,形成新的基于先验形状的CV模型,并将此模型用于分割存在干扰或者被部分遮挡的肝脏CT图像。与CV模型分割结果相比,本文算法能在目标周围存在干扰信息或者被部分遮挡的情形下,成功地正确识别出目标区域。     

腹部CT图像序列中的肝脏分割

针对腹部CT图像肝脏区域提取问题,提出了一种新的基于阈值法和改进的广义梯度矢量流-蛇(GGVF-Snake)模型的分割方法．首先,采用Window-Leveling算法将CT图像转换为灰度图像,突出肝脏区域,通过改进的曲率各向异性扩散滤波器对图像进行平滑滤波;其次,利用阈值法获取肝脏的初始轮廓;最后,基于改进的GGVF-Snake模型对初始轮廓进行调整得到更加平滑和精确的肝脏轮廓．通过不同的腹部CT图像序列中肝脏的分割结果表明,该方法能高效、精确的提取肝脏区域,满足临床应用的需求．     

改进二值LFI医学图像分割模型

基于区域活动轮廓模型在处理医学特定分割目标时,受到图像背景影响较大,难以提取目标边界轮廓.针对这一问题,提出一种改进LFI模型.该模型构造出局部适当图像来逼近原图像,且引入吸附因子约束曲线演化方向,恢复曲线演化渐进性,使得分割具有针对性.采用二值水平集方法实现整个分割过程,避免了传统水平集数值不稳定性.实验结果表明该方法可以快速有效地分割特定医学图像目标.     

基于LVE和ARG算法的冠状动脉分割

为克服传统区域生长方法中容易发生的欠分割和过分割现象,引入局部图像分析技术,设定一系列感兴趣区域(ROI),对冠状动脉的多层螺旋CT(MSCT)图像进行分割。首先应用基于Hessian矩阵的局部血管增强(LVE)滤波,提升图像的对比度;随后采用自适应性区域生长(ARG)算法,并对阈值适时调整。分割后的局部图像经过全局融合得到整体冠脉树。算法综合了图像的局部形状信息和灰度信息,确保了分割结果的准确性和完整性。实验结果表明,算法对左前降支(LAD)、左回旋支(LCX)、对角支(Diag)及右冠状动脉(RCA)均有较好的分割效果。     

用于图像分割的边界保持局部拟合模型

针对局部二值拟合变分水平集模型(LBF模型)的分割质量很大程度上取决于核带宽的选取,容易造成冗余轮廓、边界模糊等问题,提出一种基于边界保持局部拟合的变分水平集模型.该模型引入图像相依的测地时间定义核函数,结合空间距离和图像梯度,自适应地选取邻域采样点;同时,采用基于多波段的图像梯度,并相应地调整图像点的相异性测度,将模型的应用范围扩展至彩色及多光谱图像.实验结果表明：该模型能选取较大核带宽并有效保留潜在的边界信息,从而避免了核带宽的选取问题,较好地应用于灰度异质图像的精确分割;而且,该模型对彩色及多光谱图像的分割也同样有效.     

自适应权值调整的C-V模型及图像分割

Chan-Vese模型（简称C-V模型）是基于均质区域能量最小化的曲线演化分割框架。本文提出一种区域相关权重的C-V模型,并对模型的区域权重进行了探讨,定义了自适应权值调整函数,加速曲线收敛过程,得到精确的区域边界。实验表明该算法可行有效。     

基于交互式图割算法的结肠组织提取

针对腹部CT医学图像中结肠组织自身局部特征的问题,研究了一种基于交互式Graph Cuts结肠组织的分割方法。首先人工标定一部分体素标记为＂目标＂和＂背景＂种子点。然后将图像映射成网络图,通过相邻像素间的灰度特征分配边的权重值,采用26邻域系统实现三维图像的分割。最后使用最大流/最小割方法最小化能量函数,得到结肠区域。实验结果表明,交互式的图割算法能够准确地从三维腹部CT医学图像中提取出结肠组织,体现了结肠数据的局部特征。算法能自动将所有腹部CT切片的结肠组织分割出来,实验获得的结果有利于结肠病变的发现和精确定位。