基于各向异性扩散活动轮廓模型的左心室MRI分割

结合各向异性扩散算法与梯度矢量流活动轮廓模型,提出了基于各向异性扩散活动轮廓模型并应用于心脏核磁共振图像分割;模型采用各向异性扩散方程构造活动轮廓模型的外部能量函数,得到边界更加清晰的分段平滑图像,运用梯度矢量流将边缘图梯度散射到平坦区域,可以有效抑制噪声,同时保持了目标边界;对左心室核磁共振图像的分割实验表明,该模型可以克服噪声和伪影的干扰,与原梯度矢量流模型相比具有更高的精确性和可靠性,有利于实现自动分割.     

基于元胞自动机各向异性扩散模型的图像分割算法

介绍了一种基于元胞自动机各向异性扩散模型的图像分割算法.在扩散模型基础上,引入跨膜介质,构建各向异性扩散模型;然后模拟热扩散方程的活动轮廓模,建立热量场,通过 LBADM 模型对图像进行分割获得目标分割边缘.实验结果表明,该算法模型能够取得闭合的分割曲线,同样能够很好的处理图像拓扑结构的变化.通过与水平集方法和窄带水平集方法进行计算速度实验对比,表明该算法能够大大减少了分割的计算量.     

一种基于细菌觅食优化算法的舌体分割算法

针对医学舌体数字图像的准确分割,提出了一种基于细菌觅食优化算法(BFOA) 和 Snake 活动轮廓模型相组合的舌体分割算法。首先,以信息熵与 Kapur 算法相结合作为自适 应函数来改进 BFOA 算法,通过改进的 BFOA 算法计算舌体图像的最佳图像二值化阈值,并将 舌体图像二值化;然后,利用舌体图像的对称性提取舌体的关键边缘点,并基于 B-样条插值算 法由关键点集合插值得到闭合的 B-样条曲线,作为 Snake 模型的初始轮廓;最后,通过 Snake 模型计算求解,即可准确提取舌体的轮廓曲线。实验结果表明,改进算法能够高精度地分割出 舌体图像,并能消除基本 Snake 模型在初始轮廓曲线选取中存在的人机交互难题,实现了舌体 图像的自动分割。     

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.     

几何活动轮廓模型的多尺度扩散分割算法

提出了一种对几何活动轮廓模型中的停止速度场进行多尺度扩散的算法,它通过引进2个控制参数来定义停止速度场的目标边界、同质区域和过渡区域;对于不同复杂性的图像,采取不同的控制参数对其停止速度场进行多尺度扩散;并将多尺度扩散后的停止速度场应用于几何活动轮廓模型进行图像分割.实验结果表明:对1幅合成图像和2幅自然图像,该算法大大地减少了分割时间,在一定程度上也减少了边界泄漏.     

改进的C-V算法在肝脏B超图像分割中的应用

图像分割是医学图像处理的重要步骤,其中,基于几何活动轮廓模型的水平集方法是广泛应用的方法之一。文中将改进的Chan-Vese(C-V)算法与梯度矢量流模型方法进行了详细的对比,实验结果证明改进的C-V算法得到的分割效果比GVF模型分割出的结果要好。     

基于改进的GAC模型的医学图像序列分割算法

为了快速有效地提取出图像序列的边缘,提出了一种基于改进的测地线活动轮廓（GAC）模型的图像分割算法。在该方法中,只需在第一幅图像中感兴趣区域的内部给出大致的初始轮廓。在后续图像中,首先采用运动估计与区域统计特征结合的方法得到轮廓模型的初始轮廓,然后利用结合先验信息的测地线活动轮廓模型进行分割。此外,为了有效地减少算法运算时间,采用手工办法在第一张图像上选定模型演化的区域,该区域在后续图像上将依据分割结果自动调整大小和位置。实验结果表明：方法能够快速有效地提取目标物体的边缘。     

基于多尺度梯度矢量场GAC模型的MR医学图像分割

医学图像分割是图像分割技术的一个重要应用领域,GAC(测地线活动轮廓)模型是基于PDE(偏微分方程)方法中一种常用的图像分割模型,使用这种模型时,如何选择合适的平滑尺度是影响分割效果的重要因素之一。提出了一种基于多尺度梯度矢量场GAC模型图像对象轮廓提取的MR图像分割方法,用多尺度梯度矢量取代GAC模型中单一尺度下平滑图像的梯度矢量,提高了GAC模型的收敛速度,有效地改善了局部极小值问题。实验结果验证了该方法的有效性。     

融入结构张量和活动轮廓的硅钢表面缺陷分割

为了解决在纹理背景下冷轧硅钢表面缺陷的分割问题,提出了基于局部信息结构张量和活动轮廓模型的硅钢表面缺陷分割方法。将图像的局部信息引入到结构张量中;在结构张量提取的特征空间中,以KL距离作为区域的概率密度相似性度量建立分割图像的活动轮廓模型;采用Split-Bregman数值解法对模型进行求解。运用提出的分割方法对硅钢表面的一些常见缺陷如纵向划伤、横向划伤、异物和孔洞等进行分割实验。实验结果表明,该方法可以准确地分割出硅钢表面缺陷区域,验证了该方法的有效性。     

一种耦合的活动轮廓模型及其在图像分割中的应用

本文对活动轮廓模型的外部能量项进行改进,针对灰度图像分割提出了一种新的自适应图像分割模型,并将它推广,建立了矢量图像分割模型。新模型耦合了快速边缘积分方法和简化统计方法,充分考虑到图像区域和边缘的先验信息,可根据不同的条件概率密度函数构造不同图像分割模型。文中还基于高斯型概率密度函数建立分割模型实例,结合应用高效且无条件稳定的AOS算法分别对灰度图像和矢量图像(RGB)进行分割实验,并将本文提出的方法与经典的快速边缘积分方法进行比较,结果表明本文的分割方法准确性较高,且具有良好的抗噪性,是行之有效的。     

Analysis of Scalar Maps for the Segmentation of the Corpus Callosum in Diffusion Tensor Fields

Diffusion tensor imaging (DTI) is a powerful technique for imaging axonal anatomy in vivo and its automatic segmentation is important for quantitative analysis and visualization. Application of the watershed transform is a recent approach for robustly segmenting diffusion tensor images. Since an important step of the watershed-based segmentation is the gradient computation, this paper investigates scalar maps from DTI and their ability to enhance borders and, therefore, their usefulness in gradient calculation. A comparison between existing scalar maps is conducted in the context of segmentation. New diffusion scalar maps, inspired by mathematical morphology concepts are proposed and included in the comparison. The watershed transform is then applied to segment the corpus callosum, based on the computed scalar maps.     

An improved region-based model with local statistical features for image segmentation

In this paper, we propose a new region-based active contour model (ACM) for image segmentation. In particular, this model utilizes an improved region fitting term to partition the regions of interests in images depending on the local statistics regarding the intensity and the magnitude of gradient in the neighborhood of a contour. By this improved region fitting term, images with noise, intensity non-uniformity, and low-contrast boundaries can be well segmented. Integrated with the duality theory and the anisotropic diffusion process based on structure tensor, a new regularization term is defined through the duality formulation to penalize the length of active contour. By this new regularization term, the structural information of images is utilized to improve the ability of capturing the geometric features such as corners and cusps. From a numerical point of view, we minimize the energy function of our model by an efficient dual algorithm, which avoids the instability and the non-differentiability of traditional numerical solutions, e.g. the gradient descent method. Experiments on medical and natural images demonstrate the advantages of the proposed model over other segmentation models in terms of both efficiency and accuracy.     

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。     

基于颜色与纹理特征的局部主动轮廓模型

针对图像分割过程中前背景表面特征不均质问题,提出一种基于颜色纹理先验特征的多通道局部能量模型。对现有局部能量模型进行扩展,降低初始轮廓线位置对分割结果的影响,并引入8维HSV颜色模型和变换域结构张量纹理特征,实现前背景颜色特性相似的图像分割。实验结果表明,该模型具有较好的分割效果。     

融合凹点检测与仿射变换的活动轮廓模型

目的 针对基于矢量场的活动轮廓模型,如经典的梯度矢量流（GVF）模型、矢量场卷积（VFC）模型等,在提取凹形物体时矢量场常出现平衡点,不能较好地收敛到凹陷区域、尤其是深而窄的凹形及复杂凹陷区域的问题。提出一种融合凹点检测与仿射变换的活动轮廓模型。方法 首先利用活动轮廓模型进行曲线演化,得到演化后轮廓曲线上各点的坐标并求出各点的法线方向;然后基于凹点检测的方法,判断各点的凹凸性,利用梯度判断法,检测出未收敛到目标边界的凹点;其次对各凹点进行法向方向的仿射变换。在接近且不越过目标边界的情况下求出可变换的最大距离,变换后的点穿越了平衡点区域,让变换后的点代替原来的点形成新的轮廓曲线;最后为保证提取边界的精确性,将变换后的轮廓曲线再次演化并最终收敛到目标边界。结果 通过对具有凹陷区域的合成图像进行分割,计算提出模型分割结果的平均Jaccard相似系数（JS）值为95.51%,相比目前先进的GVF模型,VFC模型和自适应扩散流（ADF）模型分别提高了15.08%,12.09%和10.70%,整体效果上优于几种先进的模型。然后又对单/多目标真实图像及含噪的图像进行分割,证实提出模型分割性能的鲁棒性。结论 提出的模型有效地避免了凹形区域内的平衡点问题,可以对深凹形及复杂凹形图像进行有效分割,并且提高了分割精度。此外,该模型能融合到任何基于矢量场的活动轮廓模型中,具有广泛的普适性。     

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。     

Automatic tongue image segmentation based on gradient vector flow and region merging

This paper presents a region merging-based automatic tongue segmentation method. First, gradient vector flow is modified as a scalar diffusion equation to diffuse the tongue image while preserving the edge structures of tongue body. Then the diffused tongue image is segmented into many small regions by using the watershed algorithm. Third, the maximal similarity-based region merging is used to extract the tongue body area under the control of tongue marker. Finally, the snake algorithm is used to refine the region merging result by setting the extracted tongue contour as the initial curve. The proposed method is qualitatively tested on 200 images by traditional Chinese medicine practitioners and quantitatively tested on 50 tongue images using the receiver operating characteristic analysis. Compared with the previous active contour model-based bi-elliptical deformable contour algorithm, the proposed method greatly enhances the segmentation performance, and it could reliably extract the tongue body from different types of tongue images.     

基于图搜索和轮廓插值的半自动组织分割方法

提出了一种基于图搜索和轮廓插值的半自动序列医学图像分割方法,该方法首先采用一种改进的Live-wire方法对医学图像序列中反映待分割组织主要形状结构的关键层进行交互式分割,然后利用轮廓插值技术对中间的过渡图像进行自动分割;对传统的轮廓插值算法进行了改进,采用了基于余弦函数的轮廓插值,在轮廓形状有突变的地方,采用余弦插值可以很好地改变线性插值所带来的弊端,及时改变插值轮廓形状。使得插值生成的边界轮廓和实际边界轮廓的符合度大大提高。最后结合中间层的局部信息通过自动收缩和用户局部调节的办法对中间层分割结果进行修正,从而获得最终的分割结果。实验结果表明,该方法对于复杂的人体组织和器官可以获得满意的分割结果。     

结合半局部信息与结构张量的无监督纹理图像分割

针对纹理的半局部性质与方向性,提出一种基于活动轮廓的无监督双纹理图像分割方法。首先分析基于半局部信息的纹理特征表示方法,指出其不能有效区分纹理的方向特征。然后利用半局部信息结合非线性结构张量构造4通道纹理特征,采用混合高斯模型作为纹理特征的概率密度函数,模型的数值求解采用分裂Bregman方法。新方法充分考虑纹理结构的周期性与方向特性,实验结果表明,其能够处理复杂的双纹理图像分割任务,同时具有高效与无监督特性。     

Active contour model for simultaneous MR image segmentation and denoising

In this paper, a new region-based active contour model is proposed for magnetic resonance image segmentation and denoising based on the global minimization framework and level set evolution. A new region fitting energy based on Nadaraya–Watson estimator and local image information is defined to enforce the curve evolution. By this improved region fitting term, the images with noise and intensity un-uniformity can be segmented and denoised. Inspired by the Perona–Malik diffusion equation, an edge-preserving regularization term is defined through the duality formulation to penalize the length of region boundaries. By this new regularization term, the edge information is utilized to improve the contour?s ability of capturing the edge and remaining smooth during the evolution. The energy functional of the proposed model is minimized by an efficient dual algorithm avoiding the inefficiency of the gradient descent method. Experiments on medical images demonstrate the proposed model provides a hybrid way to perform image segmentation and image denoising simultaneously.