基于局部区域力的活动轮廓模型图像分割研究

研究活动轮廓模型的分割效果问题.针对目前测地线活动轮廓模型对初始化位置十分敏感,在穿越边界的初始化条件下易产生错误分割,以及耦合曲线活动轮廓模型在灰度分布不均匀时易做出错误分割的问题.提出由活动曲线附近的区域信息决定的局部区域力的新测地线活动轮廓模型,可以被图像梯度和区域信息的外力所驱动,达到有效地驱动活动曲线收敛到物体边缘的目的.新模型结合了测地线活动轮廓模型和局部信息的活动轮廓模型的优点.实验证明,新模型可以跨边界进行初始化操作,同时对弱边缘图像有更好的分割效果.     

辅以区域力量的梯度矢量流测地线活动轮廓模型

梯度矢量流测地线活动轮廓模型作为对测地线活动轮廓模型的重要改进,不仅扩大了测地线活动轮廓模型的适用范围,而且改进了它的分割效果。但由于该模型中推动活动轮廓演化的外部力量来自于梯度矢量流,因此活动轮廓在演化过程中可能会由于弱边缘等因素的影响而陷于不希望的局部最小值。为尽量减少弱边缘对活动轮廓初始位置的限制及其对轮廓演化的不利影响,提出了一种新的辅以区域力量的梯度矢量流测地线活动轮廓模型,该模型首先将基于区域信息的力场与梯度矢量流力场相耦合,然后由以上两种力量构成的耦合力场,使活动轮廓模型能够有效地克服弱边缘的影响而收敛到所期望的边缘。实验结果表明,辅以区域力量的梯度矢量流测地线活动轮廓模型与梯度矢量流测地线活动轮廓模型相比,不仅可以更灵活地设置初始轮廓的位置,而且对弱边缘的干扰也有较好的适应性,并能有效地避免边缘泄漏。     

结合Hough变换与测地线轮廓模型的MR图像左心室自动分割

通过对MR图像左心室分割中各种主流方法的分析,提出一种自动分割MR图像左心室内外轮廓的算法.利用短轴图像上左心室心肌内外轮廓近似圆形的先验形状知识,先用Hough变换自动定位左心室的初始轮廓,然后在测地线轮廓模型基础上,结合K均值聚类提供的区域信息及心肌的生理结构约束对左心室的内外轮廓同时进行自动分割.实验结果表明,该算法能够有效地分割左心室内外轮廓.     

基于改进GAC模型的血细胞显微图像分割

研究血液细胞图准确分割问题,针对血液细胞繁多、形态各异,造成图像准确分割困难.为获得更准确的分割结果.克服在血细胞显微图像分割中应用的典型分割算法的不足,对滤波方法和反差参数估计两方面对测地线活动轮廓模型进行了改进.分割时首先应用最小核同值区算子代替传统边缘检测算子,并结合形态学处理获得初始轮廓,根据改进GAC模型进行曲线演化获得精细细胞边界,最后,基于距离变换和测地膨胀获得粘连细胞分界线,完成细胞分割.仿真表明,典型改进算法对分割出的细胞区域更准确.细胞边缘连续平滑,而且具有良好的抗噪能力.     

基于LBF方法的测地线活动轮廓模型

经典的测地线活动轮廓模型分割含有弱边界的目标时,难以得到真实边界。为解决这一问题,文中将结合局部二元拟合(LBF)方法和测地线活动轮廓模型的优点,提出一种基于LBF方法的测地线活动轮廓模型。首先,将LBF方法的能量泛函进行归一化处理,取代测地线活动轮廓模型的边缘停止函数。其次,构建梯度下降流,促使轮廓曲线运动到目标边界上。最后,对5组含有弱边界的图像进行仿真实验。实验结果表明,文中模型能准确分割含有弱边界的目标,具有抗噪性,同时对初始曲线的位置不敏感,优于其它常见改进的测地线活动轮廓模型。     

基于马尔可夫随机场与活动轮廓的运动目标分割

针对视频序列图像中的运动目标分割,提出了将马尔可夫随机场模型和活动轮廓模型相结合的运动目标分割算法。该算法首先利用马尔可夫随机场模型的运动检测算法,得到运动目标的初始模板。在此基础上提取出活动轮廓模型的初始轮廓点,然后构造活动轮廓模型的能量函数。用改进的贪婪算法求得能量函数最小值,提取出运动目标的精确轮廓,从而得到具有精确边缘的运动目标。实验结果表明该算法能有效地分割和提取出视频序列中的运动目标。     

一种基于主动轮廓模型的医学图像序列分割算法

介绍了一种结合live wire算法和活动轮廓模型的医学图像序列的分割方法.通过把live wire算法和图像分割中一般的区域增长方法结合,对传统live wire算法进行了改进,并用改进后的算法对医学图像序列中的单张或多张切片进行交互式地准确分割.然后计算机利用活动轮廓模型自动分割相邻的未分割切片.还通过在活动轮廓模型的边缘点中引入记录已分割物体边缘附近局部区域特征的灰度模型,把已分割切片中的物体与背景的局部区域特征带入相邻的未分割切片中,并用由灰度模型定义的区域相似性代替活动轮廓模型中的外能来引导边缘轮廓收敛到物体的实际边缘.最后介绍了一种基于live wire算法思想的简单的分割结果交互式修复方法.实验结果表明该算法仅需少量用户交互就能快速准确地从医学图像序列中分割出感兴趣的物体,在医学图像分析中具有实用价值.     

局部GAC模型在医学图像分割中的应用

针对基于区域测地线活动轮廓(GAC)模型很难准确分割灰度不均匀图像的问题,提出基于局部信息的GAC模型。该方法首先将图像区域进行局部化,来克服灰度不均匀对分割结果的影响,然后构造局部符号压力函数(ISPF)指导轮廓线在目标外部(或内部)收缩(或扩张)来完成分割。为了提高算法效率和稳定性,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,本文方法可以快速有效地分割灰度不均匀的医学图像。     

基于加速健壮特征拟合算法和Chan-Vese模型的超声图像腔室分割方法

针对超声心动周期序列图的腔室自动分割过程中,弱边缘轮廓难以有效提取的问题,提出一种基于加速健壮特征(SURF)拟合算法和Chan-Vese模型的超声图像腔室分割方法。首先对序列中第一帧图像进行人工标记弱边缘轮廓;然后,提取弱边缘轮廓周围的SURF点,建立Delaunay三角网;接着,通过相邻两帧之间的特征点匹配,预测后续帧的弱边缘轮廓;之后,用Chan-Vese模型提取粗糙轮廓;最后采用区域生长算法得到精确的目标轮廓。实验结果表明,该算法能较好地完整提取超声序列图像中含弱边缘的腔室轮廓,并且与专家手动分割结果相近。     

基于区域混合活动轮廓模型的医学图像分割

针对变分水平集算法在图像分割过程中计算量较大且收敛速度慢的现象, 在一些基于区域的活动轮廓模型基础上提出了一种新的基于区域混合模型的非凸正则化活动轮廓模型。该模型构造了一个新的能量泛函,该能量泛函结合了考虑图像局部聚类性质的LBF模型和测地线模型,增加了非凸正则化项,加快了轮廓曲线的收敛速度,可以很好地保持区域形状并能防止边缘过平滑,然后通过经典有限差分法求得能量泛函的极小值。最后,在合成图像和医学图像上做了仿真实验,结果表明,该算法具有较快的收敛速度 和很好的鲁棒性,分割结果也较准确。     

基于Level Set方法的人脸轮廓提取与跟踪

提出一种基于level set方法的图像序列中人脸轮廓提取与跟踪算法，首先利用图像帧间差分快速检测出运动区域，并根据人脸图像的投影映射规则确定人脸所在的外接矩形，然后以此矩形作为初始曲线，采用一种改进的1evelset模型精确提取出入脸轮廓。由于图像序列中人脸是一直运动的，该文引入一阶线性Kalman滤波模型对人脸运动进行估计，从而较好地跟踪了运动中的人脸轮廓，实验结果表明该方法是有效的。     

利用光流预测Snakes模型初期轮廓的动态图象轮廓追迹方法

针对应用Ｓｎａｋｅｓ模型进行动态图象轮廓追迹时,若存在前后帧目标变形较大,则易发生追迹失误的问题,提出了利用光流预测Ｓｎａｋｅｓ模型的初期轮廓,然后进行动态图象轮廓追迹的方法,实验证明改进后的方法与原来Ｓｎａｋｅｓ模型相比,具有更好的轮廓动态跟踪能力。     

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。     

基于改进区域生长的图像显著区域的提取方法

提出一种改进的区域生长方法来进行显著区域的提取。与以往基于像素或基于简单的NxN区域的方法不同．首先采用分水岭算法对原图像进行初始分割,利用显著图和区域的相对位置进行种子区域的自动选取,在生长过程中,将基于区域的相对边界强度,连接紧密程度与传统的区域颜色均值差异度准则相结合．构成新的区域可生长度评价函数。实验结果表明．该方法与现有算法相比,有效提高图像感兴趣区域提取的准确性。     

基于区域增长与局部自适应C-V模型的脑血管分割

提出了一种针对TOF MRA(time-of-flight magnetic resonance angiography)磁共振图像的双重分割脑血管提取方法。首先结合高斯滤波,采用二维OTSU算法,结合MIP(maximum intensity projection)图像获得三维血管种子点,定义全局与局部信息相结合的区域增长规则,通过区域增长算法对血管进行粗分割;然后,采用 Catt 扩散模型对体数据场进行各向异性滤波,提出了局部自适应C-V模型,将初步分割结果作为自适应活动轮廓模型的初始轮廓线进行二次分割。实验结果表明,该算法不仅能够有效分割脑血管粗大分支,而且还能精确提取脑血管的细小结构。     

形状约束下活动轮廓模型冠脉血管图像多尺度分割

目的 由于计算机断层血管造影(CTA)图像的复杂性,临床诊断冠脉疾病往往需要经验丰富的医师对冠状动脉进行手动分割,快速、准确自动分割出冠状动脉对提高冠脉疾病诊断效率具有重要意义。针对双源CT图像特点以及传统单一基于区域或边界的活动轮廓模型的不足,研究了心脏冠脉3维分割算法,提出一种基于血管形状约束的活动轮廓模型分割方法。方法 首先,利用改进的FCM(fuzzy C-means)对心脏CT图像感兴趣区域初分割,其结果用于初始化C-V模型水平集演化曲线及控制参数,提取感兴趣区域轮廓。接着,由3维心脏图像数据获取多尺度梯度矢量信息构造边界型能量泛函,然后利用基于Hessian矩阵的多尺度血管函数对心脏感兴趣区域3维体数据增强滤波,获取血管先验形状信息用于约束能量泛函。最后融合边界、区域能量泛函并利用变分原理及水平集方法得到适合冠脉血管分割的水平集演化方程。结果 由于血管图像的灰度不均匀,血管末端区域更为细小,所以上述算法的实施是面向被划分多个子区域的血管,在缩小的范围内进行轮廓的演化。相比于传统的血管分割方法,该方法充分融合血管图像的先验信息及梯度场信息,能够从灰度及造影剂分布不均匀的冠脉血管图像中准确分割出冠状动脉,对于细小的血管结构亦能获得较好的分割效果。实验结果表明,该方法只需在给定初始轮廓前提下,有效提取3维冠脉血管。结论 对多组心脏CT图像进行分割,本文基于血管先验形状约束的活动轮廓模型可以准确分割出冠脉结构完整轮廓,并且人工交互简单。该方法在双源CT冠脉图像自动分割方面具有较好的正确率与优越性。     

A local region-based Chan–Vese model for image segmentation

In this paper, a new region-based active contour model, namely local region-based Chan–Vese (LRCV) model, is proposed for image segmentation. By considering the image local characteristics, the proposed model can effectively and efficiently segment images with intensity inhomogeneity. To reduce the dependency on manual initialization in many active contour models and for an automatic segmentation, a degraded CV model is proposed, whose segmentation result can be taken as the initial contour of the LRCV model. In addition, we regularize the level set function by using Gaussian filtering to keep it smooth in the evolution process. Experimental results on synthetic and real images show the advantages of our method in terms of both effectiveness and robustness. Compared with the well-know local binary fitting (LBF) model, our method is much more computationally efficient and much less sensitive to the initial contour.     

局部区域拟合的快速水平集图像分割方法

目的 由于灰度不均匀图像在不同目标区域的灰度分布存在严重的重叠,对其进行分割仍然是一个难题;同时,图像中的噪声严重降低了图像分割的准确性。因此,传统水平集方法无法鲁棒、精确、快速地对具有灰度不均匀性和噪声的图像进行分割。针对这一问题,提出一种基于局部区域信息的快速水平集图像分割方法。方法 灰度不均匀图像通常被描述为一个分段常数图像乘以一个缓慢变化的偏移场。首先,通过一个经过微调的多尺度均值滤波器来估计图像的偏移场,并对图像进行预处理以减轻图像的不均匀性;然后,利用基于偏移场校正的方法和基于局部区域信息拟合的方法分别构建能量项,并利用演化曲线轮廓内外图像灰度分布的重叠程度,构建权重函数自适应调整两个能量项之间的权重;最后,引入全方差规则项对水平集进行约束,增强了数值计算的稳定性和对噪声的鲁棒性,并通过加性算子分裂策略实现水平集快速演化。结果 在具有不同灰度不均匀性和噪声图像上的分割结果表明,所提方法不但对初始轮廓的位置、灰度不均匀性和各种噪声具有较强的鲁棒性,而且具有高达94.5%的分割精度和较高的分割效率,与传统水平集方法相比分割精度至少提高了20.6%,分割效率是LIC（local intensity clustering）模型的9倍;结论 本文提出一种基于局部区域信息的快速水平集图像分割方法。实验结果表明,与传统水平集方法相比具有较高的分割精度和分割效率,可以很好地应用于具有灰度不均匀和噪声的医学、红外和自然图像等的分割。