基于水平集的弱边缘医学超声图像分割算法

图像分割在医学超声图像的定量、定性分析中均扮演着重要的角色,并直接影响到后续的分析、处理工作。但在医学超声图像中,待分割的图像目标经常包括弱边缘,这为利用传统图像分割算法对目标进行分割带来了困难。本文通过对Chan-Vese水平集方法进行研究,利用零水平集曲线的平均边缘能量来对其演化速度进行控制,实现了对图像中目标弱边缘的检测。本文方法在对包含弱边缘的医学超声图像进行分割时,得到了很好的效果。     

基于密集连接和Inception模块的前列腺图像分割

针对目前磁共振影像上前列腺组织区域的自动分割存在分割精度较低和过分割等问题,提出了一种基于密集连接和Inception模块的U-Net分割算法。首先采用对比度受限的自适应直方图均衡化方法对前列腺图像进行处理,增强信息的可检测性。此外,该算法将密集连接思想引入到U-Net模型中,改进原有编码器和解码器的连接方式,实现多尺度语义信息的融合和传播。同时,使用由空洞卷积驱动的Inception模块代替原有的级联卷积操作,以增加网络的宽度,增强对不同尺寸目标的特征提取与表达能力。最后,针对非组织目标存在的过分割问题,设计了一种具有分类引导功能的校正器,以减少假阳性预测。通过对NCI-ISBI 2013 Challenge公开数据集进行测试,以Dice相似系数、准确率和假阳率作为评价标准,其均值分别可达86.12％、97.96％和1.11％。实验结果表明,与其他分割算法相比,该算法具有更好的分割效果。     

基于混合颜色空间的反应孔图像分割算法研究

为了准确的分割出卡板上面的反应孔从而不影响和对患者病情的诊断,提出了一种基于Lab颜色空间以及HSV颜色空间的反应孔图像分割方法。根据反应孔图像的自身特点,通过在Lab颜色空间运用最大类间差进行阈值分割,在HSV颜色空间运用全局阈值法进行阈值分割,然后将分割得到的两个结果进行区域合并、滤波,最终得到目标区域。结果表明,该算法能够准确的将反应孔图像从卡板上面分割出来,并有效的抑制了噪声及光照不均带来的影响。     

基于自组织小波神经网络的磁共振图像分割方法

磁共振图像的准确分割对于辅助医生确定病灶的位置和形状、制订治疗方案和评价治疗效果具有重要的意义。本文提出了一种新的磁共振图像（MRI）分割方法。构造了一种自组织小波神经网络,通过融合T1、r12和Pd图像的特征来识别MRI中生物组织的类别。该网络继承了小波分析局部精度高和神经网络自学习能力强的优点,采用自组织算法利用训练数据的稀疏性对网络的结构和初始参数进行优化,简化了网络结构,提高了网络学习的速度,避免了网络陷入局部最优学习。将所提方法应用于大脑磁共振图像分割的实验结果表明,所设计的自组织小波神经网络MRI图像分割方法具有精度高和学习速度快的优点。     

基于蛇优化算法的Otsu图像分割方法

Otsu算法是图像处理中运用广泛的图像分割方法,尽管有着计算简单、准确的特性,但因为需要进行穷举运算,所以计算效率不高。为提高图像分割的实时性,引入了蛇优化算法(SO)对Otsu进行了优化,创建了基于蛇优化算法的Otsu图像分割方法(SO-Otsu)。在该算法中,利用蛇优化算法来模拟蛇的特性进行最佳阈值的寻找,以降低迭代时间,提升计算速度。在仿真实验中,利用经典的Lena、Peppers、Goldhill、Cameraman图片进行测试,与基于果蝇优化算法的Otsu方法(FOA-Otsu)和基于麻雀搜索算法的Otsu方法(SSA-Otsu)进行对比。并通过计算峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似性(FSIM)和计算时间作为评价指标结果进行评估。结果表明,与其他算法相比,算法计算效率高、分割细节效果好且综合分割性能优异,为提高图像分割的计算效率提供了一种理想的工具。     

一种利用形状描述子的选择性图像分割方法

针对传统的图像分割算法难以分割出具有语义特征的目标区域的问题,将形状描述子的识别能力引入图像分割过程,利用其提供的较高层的语义信息,生成边界模板来指导图像分割,同时使用遗传算法来处理边界模板的匹配过程,从而智能地选择和分割出目标区域.最后,在形状描述子对全局形状信息的约束下,又根据目标图像的局部特征进行分割边界的优化.试验结果证明,本方法成功地将形状描述子的描述和识别能力引入图像分割过程,实现了对目标图像的选择性分割,达到满意的分割效果.     

基于Fisher准则函数的二维阈值图像分割算法

文章针对图像分割中小目标物体识别困难和抗噪声性能差的问题，引入模式识别中的Fisher评价函数作为图像分割准则函数，基于Fisher准则函数提出二维阈值分割新技术，结合二维直方图抗噪声性能强和Fisher准则函数受目标和背景比例影响小的特点，对图像进行分割。实验结果表明，方法具有较好的识别能力和较强的抗噪声性能。     

肝脏磁共振图像的混合聚类分割

针对医学图像的自动分割,提出一种混合聚类方法.在对图像预处理后,将每个像素的邻域特征向量送入自组织特征映射网络(SOM)中进行训练.作为初步聚类的结果,SOM的输出典型向量根据命中图过滤,由层次合并聚类方法进一步处理.采用图像分割量化指数来确定聚类的最佳类别数;通过后处理得到最后分割结果,分析表明该方法是有效的.     

基于透射率空间与色彩纹理相关性的图像分割

针对传统基于图论的分割算法对纹理丰富的图片产生较多误分割的问题,提出一种基于透射率空间和色彩纹理相关性的分割算法,采用LMS人眼视觉模型和彩色对数图像处理模型(LIPC)将RGB三通道转换为耦合性更低的透射率三通道,离散小波变换分解得到纹理特征,与透射率色彩特征构成联合特征集,考虑到纹理和色彩特征值域范围不同,采用马氏距离代替欧式距离计算特征向量距离.实验结果表明改进算法较传统算法概率边缘指数提高约12％,全局一致性误差降低28％.     

双阶段噪声自适应超声图像分割网络

在医学图像分割领域,不同设备或参数的噪声干扰对模型的泛化产生负面影响.为解决由不同噪声源导致的分割模型性能下降问题,提出了一种自适应噪声污染的双阶段高效分割模型NANet.该模型主要包括两部分:去噪和分割.其中去噪部分采用无监督的U型自动编码器结构,结合频域可学习的去噪模块,以缓解噪声引起的目标域差异.分割部分基于DeepLabv3+架构构建模块,聚焦于提高噪声污染超声图像中目标的分割准确度和泛化能力.实验测试了4个不同的超声数据集在受到均匀、高斯和椒盐噪声污染下,模型的分割性能.实验结果表明,所提出的NANet在臂丛神经超声数据集的原始图像、受均匀噪声、高斯噪声以及椒盐噪声污染的图像数据上分割的Dice系数分别为79.71％、78.51％、79.75％和79.1％.对比实验显示,NANet在不同噪声类型的超声图像上的分割性能明显优于传统分割方法,其中在高斯和椒盐噪声污染的超声图像上,准确率相比U-Net、DeepLabv3+和AttUNet方法均提高超过10％.结果验证了所提出的NANet在不同噪声环境中的鲁棒性和泛化能力.     

基于粒子群算法的多阈值图像分割

将模式识别中的Fisher准则推广到多阈值范围内,对图像的阈值分割结果进行评判,并使用粒子群优化算法对搜索过程进行优化,达到图像分割的日的.从理论上上对算法的参数取值进行了讨论并从实践角度提出正交试验的参数确定法以在实际运算中提高运算速率并规避局部极值点.并在此基础上进行了灰度图像分割实验与彩色图像分割实验.最终实验结果证明,该算法较传统算法效率上有极大提高,实现简洁,可用于嵌入图像分析与图像识别领域.     

基于条件约束的区域生长法耳蜗MR图像分割

在传统区域生长算法中,由于生长判定规则具有局限性,所以在分割医学图片时很容易产生过分割现象.为了解决过分割问题,提出了一种基于距离约束、多种子点加权的区域生长法对颞骨MR图像中的耳蜗区域进行分割.首先在区域生长法中添加一个距离约束条件,用于解决原始算法中存在的过分割问题;然后又进一步引入动态多种子加权生长规则,降低了因...     

基于区域生长的电路板图像分割算法的研究

在印刷电路板质量检测中,自动光学检测应用越来越普遍。其原理是采集印刷电路板的图像,运用数字图像处理技术对图像进行分析,由计算机对电路板制造中产生的缺陷进行自动识别。在实际中,由于电路板材质不均匀的特点,采集到的图像包含很多背景噪声,难以进行缺陷识别。本文介绍了一种基于区域生长的电路板图像分割算法。经实验证明,运用该方法对电路板图像进行分割,可以完整地保留电路板的特征,而有效的除去背景噪声。     

基于小波变换和贝叶斯理论的图像分割算法

基于非下采样小波变换和贝叶斯分类理论的图像分割算法,在处理可见光图像时,容易受到噪声的干扰,而且,原算法在计算最大局部最小点时易产生偏差,从而影响分割效果。因此,本文首先使用滤波器滤除噪声,然后对原来的最大局部最小点的计算方法进行了等价变换,并调整了分割阈值以纠正由于对图像进行小波变换造成的灰度偏移,最后利用数学形态学运算对分割后的图像进行处理以消除孤立点,仿真结果表明改进算法分割效果较好。     

基于Lab和YUV颜色空间的农田图像分割方法

针对农田这种非结构环境下的图像分割问题,提出了一种基于Lab和YUV颜色空间的农田图像分割方法。该方法首先将获得的原始农田彩色图像分别转换到Lab颜色空间和YUV颜色空间,然后分别对Lab颜色空间进行Otsu阈值分割,对YUV颜色空间进行加权模糊熵分割,最后将2种分割方法得到的二值图像进行合并、滤波,以得到最终的分割图像。结果表明,该方法能够有效地实现农田图像的精准分割,并滤除噪声及抑制光照不均匀等复杂环境带来的影响,获得令人满意的结果。     

结合分水岭算法和WKFCM算法的MRI图像分割

针对传统分水岭算法对MRI图像过分割的缺点,提出了一种基于分水岭算法和改进核聚类算法的MRI图像分割新方法.首先,通过传统的分水岭分割算法将MRI图像分割成不同的区域,然后根据改进的核聚类算法,利用Mercer核将各个区域的平均灰度值映射到高维特征空间,使得原来未显示出来的特征显现出来.这样就可以实现更准确的聚类,用灰...     

基于非局部空间约束的可靠性核FCM算法的图像分割

针对图像易受到噪声破坏的现象,导致传统的模糊C均值(fuzzy c-means, FCM)算法分割效果差的问题,提出基于非局部空间约束的可靠性核FCM算法,旨在有效的去除噪声干扰和保留图像细节。首先在FCM的目标函数中引入了一个非局部空间约束项,并在此基础上利用一个正则化参数来增强图像细节保留的能力;其次引入一个不确定性的聚类模型,以降低噪声点和边缘点的影响;最后使用高斯核距离代替欧氏距离,进一步提高算法对噪声的鲁棒性。利用含噪声的合成图像、自然图像和遥感图像进行实验,结果表明所提算法的抗噪性能较好,同时也能保留更多的图像细节。其中,对于被高斯噪声和椒盐噪声破坏的灰度图像,所提算法的平均精度分别为99.92%和99.97%,提高了4.02%和1.47%。     

基于遗传神经网络的低识别度图像分割算法

针对目前的图像分割算法无法考虑到低识别度图像下,对边缘细节和轮廓信息实现精确分割,提出一种基于遗传神经网络的低识别度图像分割算法.利用马尔科夫随机场(MRF),建立初始图像的分割概率模型,然后使用低通滤波器将低识别度图像分解成高频层和低频层,对包含高频层的图像信息进行傅里叶域上的预处理后,送入预先设计好的的遗传神经网络...     

一种改进的GAC模型图像分割算法

在测地线活动轮廓模型（GAC模型）的基础上,引入多尺度扩散张量方法对停止速度场进行张量扩散,然后运用GAC模型对图像进行分割。实验表明,这种方法针对其演化时间长和容易出现边界泄露的问题进行了改进,使其分割效果更为显著。     

肝脏MR图像的初步分割

为实现肝脏磁共振（Magnetic Resonance,MR）图像分割,在四叉树分裂方法的基础上,通过删除一J、区块和填充孔洞的操作,得到初步的MR图像分割结果。处理结果表明该方法的可行性,并为后续的精确分割奠定基础。