基于双区域演化水平集的图像分割方法

针对图像由于光照不均引起的灰度不均匀导致图像精确分割困难的问题,提出了一种双区域水平集演化(DRE)方法用于图像分割。双区域水平集演化方法介绍了局部区域控制项和矩形的初始化轮廓,能够快速地分割灰度不均匀图像,加快曲线演化速率。为进一步消除噪声对图像的影响,分割方法采用高斯滤波算子和卷积计算,特别是提出的方法使用一种新的隐含的惩罚能量函数作为正则化项,该项嵌入到水平集演化公式里,增加了曲线演化梯度流的约束的条件,影响水平集演化曲线向双边扩展,这样提高了图像轮廓划分的计算效率和精度。通过实验结果对比,提出的水平集演化算法能够较好地划分图像轮廓,得到精确的图像分割结果。     

结合区域生长与水平集算法的宫颈癌图像分割

针对宫颈图像病灶分割时的初始轮廓敏感问题和图像灰度不明显问题,提出一种新的改进的水平集算法。 首先利用各 向异性滤波算法等进行图像的去噪;然后在二值图像上使用区域生长算法,提取出粗糙的宫颈病灶区域;最后建立一种基于新 的符号压力函数的水平集模型,对初始分割进行细化。 该算法可以将局部信息与全局信息结合起来并自动分配局部信息与全 局信息的比例。 以 3 种统计指标为标准对该方法进行了评估,该方法在准确性、敏感性和特异性上可分别达到 81. 11%、 63. 97%和 78. 64%,分别比传统水平集算法高 30. 69%、15. 15%和 4. 37%。 因而,这种改进的水平集算法在实际应用中有一定 的价值和意义。     

基于水平集模型的电气设备紫外图像放电区域分割

电气设备电晕放电时产生紫外光,紫外成像检测技术通过检测紫外光的方法检测电气设备外绝缘状况,是发现电气设备电晕放电故障隐患的重要手段。图像处理在紫外成像检测技术中有非常重要的作用。基于简化的Mumford-Shah水平集(Level Set)图像分割模型,提出一种新的紫外图像放电区域分割方法,采用该方法对采集到的紫外图像进行图像分割处理,得到了电晕放电区域边界曲线和放电面积,有利于进一步的模式识别。为检验该方法的抗扰性,进行了多次的实验,结果表明该方法可以在不进行滤波预处理的情况下,有效地抑制泊松噪声和高斯噪声引起的干扰。针对现场采集的含有较多噪声的紫外图像,提出改变模型权重的措施,进一步提高了放电区域分割的准确度。该电气设备放电区域分割方法对于不同类型、不同背景的紫外图像具有良好的适应性。     

融合模糊聚类的变分水平集图像分割模型

针对在图像分割中变分水平集与模糊聚类都具有通过最小化目标函数来提取目标物体这一特征,提出了汲取两种方法优势、实现融合的新方法。该方法利用模糊聚类中隶属度函数的从属性质,建立了新的变分水平集能量函数模型,通过极小化能量泛函,获得了水平集函数演化的偏微分方程,实现了目标物体的提取。实验结果表明,该方法具有良好的分割质量与分割效率,验证了新模型的合理性与有效性。     

结合DRLSE模型的自适应医学图像分割算法

最近提出的距离正则化的水平集演化新模型采用高斯滤波去除图像噪声,存在使图像边缘变模糊和仍然不能实现自适应分割的问题.为了解决这些问题,采用正则化的P-M方程滤波,实现在去除噪声的同时保护图像边缘信息.并且通过初始曲线内外梯度模值的信息改变曲线单位法向量的方向,从而使曲线自适应地向内或者向外演化.最后,用改进的算法准确地...     

图像分割方法综述

本文对图像分割的分类、常用方法,尤其是最近几年图像分割领域出现的新方法,新思路,或者一些经典方法的改进做出比较全面的综述     

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。     

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。     

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.     

基于神经网络的CT脑血管图像边缘检测算法

CT脑血管医学图像的三维重构都是源自二维断层扫描,脑血管边缘特征向量的提取是图像处理的关键步骤。为提高边缘特征的提取和保证三维重建图像的质量,在分析了某些常用的边缘检测算法性能基础上,同时结合CT脑血管图像的像素结构特点,将SA_SOFM神经网络算法成功地用于对CT脑血管图像的边缘特征信息提取中。并对算法进行有效的改进,基于真实图像的实验表明该算法提高了边缘特征信息的精度和鲁棒性。     

基于几何特征的高分辨率SAR图像飞机目标解译方法

针对高分辨率SAR（synthetic aperture radar）图像特性,提出了一种基于几何特征的飞机目标解译方法。首先,局部自相似性及DBSCAN（density based spatial clustering of application with noise）算法用于提取感兴趣的目标区域;其次,机翼和机身形成的“T”型结构采用霍夫变换进行提取;最后,结合基于水平集的精细部件分割和共线性、对称性等先验知识,飞机目标的发动机和机头等部件得以提取。得到飞机目标的关键几何参数以用于目标识别和解译。基于miniSAR图像的实验验证了方法的实用性和有效性。     

基于超声图像的生物组织损伤判定方法研究

针对高强度聚焦超声(HIFU)治疗的生物组织变性监测,提出一种基于超声图像灰度-梯度共生矩阵和模糊C均值聚类(FCM)的生物组织损伤判定方法。首先对新鲜离体猪肉组织进行高强度聚焦超声辐照,对采集到的超声图像进行预处理后提取减影图像的灰度-梯度共生矩阵的灰度熵、混合熵作为组织损伤判定的表征参数,再使用FCM聚类方法对特征参数进行聚类判别。实验结果表明,结合灰度熵与混合熵的多参数判定比单参数灰度熵、混合熵判定的识别率更高,相比灰度均值与小波系数结合方法,其识别率提高3. 23%。可以更准确地判定在高强度聚焦超声治疗过程中的组织损伤状况。如进一步与无损测温相结合,可进一步提高高强度聚焦超声的疗效。     

基于改进PCM聚类方法的绝缘子图像分割

针对绝缘子图像背景复杂多样而导致提取绝缘子区域困难的问题,提出了一种改进的可能性C-均值聚类方法(PCM)对绝缘子图像进行分割。方法主要基于两个方面进行改进,一方面通过定义局部相关因子、引入图像的空间局部信息以增强对噪声的抗干扰能力、提高分割精度;另一方面通过在损失函数中加入类中心相斥项缓解传统PCM聚类中心点重合问题。实验利用人工合成数据和复杂背景的绝缘子图像对比该算法与FCM、PCM、K-means、KFCM和IFCM算法的聚类分割性能。结果表明改进PCM对噪声抗干扰能力更强、聚类精度更高,且对绝缘子图像的平均分割误差为0.153,相比其他对比方法对复杂环境下的绝缘子图片有更好的分割性能。     

基于区间二型模糊集的农田障碍物分割方法

针对非结构化农田环境下障碍物图像在应用传统算法进行图像分割时,效果不明显,容易受到水渍、阴影等外界环境影响等问题,提出了一种基于区间二型模糊集的农田障碍物图像分割方法。该方法将采集到的原始农田彩色图像转换到Lab颜色空间,提取出a分量并将其转换为灰度图像,对所得灰度图像进行模糊化处理,将其转换为区间二型模糊集,选择最大熵值所对应的灰度值对图像进行分割。通过实验和分析,本文算法能够更好地分割出农田障碍物目标,是一种有效的农田障碍物图像分割方法。     

基于 VGG-Net 的 X 射线全脊柱冠状面图像分割方法

在计算机辅助脊柱图像分析和疾病诊断应用中,从X 射线脊柱图像中自动分割脊柱和椎骨是一个关键且具有挑战性 的问题。为进一步提升脊柱图像分割精度,提出一种基于 VGG-Net 改进的模型。首先,将 VGG16 网络去掉了后面的全连接 层,用作 U-Net 的特征提取网络;其次,为了增强图像的细节信息,在特征提取网络引入小波分解模块;最后,在上采样网络中 设计了一种逐像素相减的自空间注意力模块(SUB-SSAM) 机制,进一步提高网络模型识别关键特征的能力。实验结果表明, 改进后的模型相较于原VGG-Net 模型在平均交并比(mloU) 上提高了2.39%、召回率(recall)提高了0.96%、准确率(accura- cy)提高了1.31%,训练的该网络模型可以定位到每一块椎骨,准确分割椎体区域。     

基于轮廓形状的肺部电阻抗成像三维插值方法

肺部三维信息利于医生做出更快更准确的诊断,但肺部三维重建的图像都是源自二维断层图像的叠加.二维图像的数量制约三维成像的效果,增加电极层数可获取更多层的二维图像,但同时也会增加计算量,减缓成像速度.虽然采取层间插值的方法可以解决这个问题,但是由于人体几何结构的特异性,肺部电阻抗图像(electrical impedanc...