基于形状先验和图割的彩色图像分割

基于图割理论的图像分割方法在二值标号问题中可以获取全局最优解,而在多标号问题中可以获取带有很强特征的局部最优解。但对于含有噪声或遮挡物等复杂的图像,分割结果不完整,效果并不令人满意,提出了一种基于形状先验和图割的图像分割方法。以图割算法为基础,加入形状先验知识,使该算法包含更多约束信息,从而限制感兴趣区域的搜寻空间,能够更好地分割出完整的目标,增加了算法的精确度。针对形状的仿射变换,运用特征匹配算法进行处理,使算法更加具有灵活性,能够应对不同类型的情况。实验表明了该算法的有效性。     

图割与非线性统计形状先验的图像分割

提出一种图割与非线性统计形状先验的图像分割方法。首先,在输入空间对输入的形状模板进行配准,得到训练集;其次,采用非线性核函数将目标形状先验映射到特征空间进行主成分分析,获取其投影形状,将此投影形状映射回原输入空间得到目标的平均形状,构成新的能量函数;第三,通过自适应调整形状先验项的权值系数,使能量函数的形状先验项自适应于被分割的图像;最后,用Graph Cuts方法最小化能量函数完成图像分割。实验结果表明,该方法不仅能准确分割与形状先验模板有差别的图像,而且对目标有遮挡或污染的图像也有较好的分割效果,提高了分割效率。     

多先验形状的图割分割方法*

为了分割图像中的多个目标,提出多先验形状约束的多目标图割分割方法。首先,使用离散水平集框架的形状距离定义先验形状模型,并将这一模型合并到图割框架的区域项中,同时通过加入多类形状先验扩展形状先验能量。然后,通过自适应调节形状先验项的权重系数,实现自适应控制形状项在能量函数中所占的比重,克服人工选择参数的困难,提高分割效率。最后,为使方法对于形状仿射变换具有不变性,使用尺度不变特征变换和随机抽样一致结合的方法进行对准。实验表明,文中方法能够较好分割图像中的多个目标,且能较好克服图像的噪声污染、目标被遮挡等信息缺失问题。     

参数自适应的KPCA先验形状约束目标分割

为克服固定先验形状在分割可变形目标时的困难,提出一种基于核主元分析(KPCA)的参数自适应先验形状约束水平集分割方法.首先使用KPCA变换获取目标先验形状特征空间的基底向量;其次用Parzen窗估计待分割图像的灰度分布以构造图像数据能量项;然后使用仿射变换对齐图像感兴趣区域与先验形状,从而将目标形状先验知识集成到分割模型中;最后在基于水平集方法求解演化方程时自适应地估计参数,实现形变目标的分割.实验结果表明,相比于CV (Chan-Vese)模型和单先验形状约束的水平集方法,该模型能够有效地分割不同姿态的目标形状.     

多星形先验和图割的遥感影像交互式分割

针对遥感影像对多种地物进行分割时分割结果不够精确、适用性较差、效率较低的问题,提出了一种使用多星形先验与图割算法相结合的方法,实现遥感影像各类地物高效分割。算法利用均值漂移算法进行预分割,在图割算法中引入多星形先验信息,并基于前景背景交替迭代思想,实现多种地物一次分割。通过引入多星形先验,利用形状信息提高分割的准确性;利用一次交互获取多种地物的种子点,通过前景与背景种子点的交替迭代,改进图割理论的前景背景分割,提高分割效率。定量分析与实验结果表明:该算法对分割人工建筑区、植被、道路及水系更具准确性、高效性及普适性。     

先验形状约束的超声前列腺图像分割方法

提出一种结合超声前列腺图像的局部特征和前列腺的先验形状知识的分割方法。该方法在传统图像分割方法中引入了前列腺的先验形状约束,使得分割能够一定程度地避免由于超声图像中噪声、伪影、灰度分布不均匀等因素对前列腺分割所造成的影响。算法分为两个部分：先验形状模型的学习和先验形状约束的分割。在先验形状模型学习阶段,采用主成分分析方法对形状作特征提取,以高斯分布作为形变参数的估计;在先验形状约束分剖阶段,将基于局部高斯拟合特征的活动轮廓模型与形状模型相结合对前列腺图像分割。实验表明,所提出的方法在超声前列腺图像中取得了良好的分割效果,为临床诊断和治疗提供了定量分析的工具。     

含先验形状的水平集血管分割方法

针对图像中灰度分布不均匀和弱边缘情况下已有的水平集模型不能正确分割,且现有基于先验形状的水平集模型都要利用大量样本来进行训练的不足,提出一种无需训练的血管先验形状水平集分割方法.首先通过机械应力张量的方法分析Hessian矩阵,并建立血管相似函数;然后根据血管相似函数临界值得到血管的先验形状,并用水平集符号距离隐式表达形状曲线;最后将先验血管形状模型作为约束加入到耦合最小方差和FLUX模型的能量函数中,采用变分水平集法求解能量函数的极值.由于曲线的演化不仅依赖图像的区域信息和梯度信息,还受到血管先验形状的约束,因此该模型不但能精确定位边缘,还能准确地提取出血管.实验结果表明,采用该方法分割严重灰度分布不均匀的血管造影图像,具有准确度好、精度高、鲁棒性好的优点.     

图像分割的自适应交互核图割模型

为了克服图割模型算法在实现图像分割时需要人为选定参数,以及图割模型可能会陷入局部最小值的不足,考虑到交互图割是一种灵活的全局最优算法,提出了基于EM方法的交互核图割算法。数据映射到核空间,构造了新的目标函数,这样可以更有效地解决分类分割问题;为了估计交互图割所需要的参数以及图割算法所需要的各种阈值,采用EM算法来估计这些参数,避免人为随机选取可能造成的不利影响,因而该方法是一种自适应的分割算法。实验结果表明,相对于交互图割算法,该算法分割合成图像时具有更低的误分率,处理光学等图像时,分割结果更准确,保留图像细节信息的能力更强。     

稀疏形状先验的脑肿瘤图像分割

目的 在脑部肿瘤图像的分析过程中,准确分割出肿瘤区域对于计算机辅助脑部肿瘤疾病的诊断及治疗过程具有重要意义。然而,由于脑部图像常存在结构复杂、边界模糊、灰度不均以及肿瘤内部存在明暗区域的问题,使得肿瘤图像分割工作面临严峻挑战。为了克服上述困难,更好地实现脑部肿瘤图像分割,提出一种基于稀疏形状先验的脑肿瘤图像分割算法。方法 首先,研究脑部肿瘤图像的配准与形状描述,并以此为基础构建脑部肿瘤的稀疏形状先验约束模型;继而,将该稀疏形状先验约束模型与区域能量描述方法相结合,构建基于稀疏形状先验的能量函数;最后,对能量函数进行优化及迭代,输出脑部肿瘤区域分割结果。结果 本文使用脑胶质瘤公开数据集BraTS2017进行算法测试,本文算法的分割结果与真实数据之间的平均相似度达到93.97%,灵敏度达到91.3%,阳性预测率达到95.9%。本文算法的实验准确度较高,误判率较低,鲁棒性较强。结论 本文算法能够结合水平集方法在拓扑结构描述和稀疏表达方法在复杂形状表达方面的优势,同时由于加入了形状约束,能够有效削弱肿瘤内部明暗区域对分割结果造成的影响,从而更准确和稳定地实现脑部肿瘤图像分割。     

结合形状先验的水平集灰度纹理图像分割方法

传统水平集图像分割方法多考虑图像底层数据而忽略高层语义特征,对灰度纹理图像的分割效果较差。针对该问题,结合形状先验设计水平集灰度纹理图像分割方法。通过ASLVD滤波获取纹理项,同时对滤波图像进行局部化处理得到形状先验,以形状概率表示形状先验能量项,将其与灰度项、规则化项和纹理项相结合,构造整体水平集曲线演化能量函数,并最小化能量函数得到分割结果。实验结果表明,该方法能够对目标背景遮挡的灰度纹理图像取得较好的分割效果。     

基于图割的矩形目标交互式分割方法

为得到更加精确的图像分割结果,可以在基于图割的分割框架中引入形状先验指导分割。针对矩形目标提出了一种目标/背景交互式分割方法。分割能量用马尔可夫随机场最大后验概率描述,通过限制有向图中的流向引入形状先验,可以保证图割优化后的分割结果为矩形形状。对仿真图像与真实图像的实验结果证明了该算法的有效性。     

基于图割的图像分割方法及其新进展

鉴于图割的理论意义和实际应用价值,系统综述了基于图割的图像分割方法. 首先,深入分析了基于图割的图像分割方法的基本原理,主要从定性和定量角度剖析了图割与能量函数最小化之间的关系, 然后,概括了基于图割的图像分割方法的基本步骤,包括能量函数的设计、图的构造和最小割/最大流方法, 其次,系统梳理和评述了基于图割的图像分割方法的国内外研究现状,最后,指出了基于图割的图像分割方法的发展方向.     

结合形状先验的水平集印刷电路板CT图像分割方法

用CT对印刷电路板(PCB)进行无损检测是近年来发展起来的一种新方法.由于PCB中存在大量的金属元器件,在成像时产生较为严重的金属伪影,导致图像灰度不均匀问题较为严重.为此,提出一种结合形状先验的水平集PCB CT图像分割方法.首先根据PCB CT图像中导线具有明显的方向特征对图像进行不同方向的Gabor滤波并对结果加权求和,获得边缘增强的滤波结果,并通过局部化方法对边缘增强的结果消除背景噪声,经过阈值化处理和形态学闭运算后获得图像形状先验;然后用形状概率表示方法来表示形状先验,并将其作为形状约束项,与CV模型能量项、局部能量一起构成能量函数;最后通过对能量函数最小化实现图像分割.实验结果表明,该方法对多目标及严重灰度不均匀的PCB CT图像具有较好的分割结果.     

基于先验形状信息的水平集图像分割

针对现有水平集方法对于具有强噪声或弱边界的目标进行分割时存在的问题,提出了一种基于形状先验的图像分割方法.该模型采用变分水平集方法,融合了区域特征和边界轮廓特征,并通过相似性匹配选择最佳先验形状.该模型不仅对具有强噪声和弱边界的复杂图像具有较好的分割效果,而且有效地解决了曲线演化的初始轮廓的确定问题.与传统方法进行对比实验,结果表明,该方法具有较好的分割效果和较高的准确率.     

基于归一化割的自适应多阈值图像分割方法

基于图谱理论的图像闽值分割方法是一种基于全局的单阈值分割方法,其对复杂图像的分割效果不明显,而且其采用的权值计算公式中含有两个需手动调整的参数,这些都限制了该算法的通用性.据此提出基于归一化割的自适应多阈值图像分割方法,它通过几个阈值来分割复杂图像,并且采用了一个自适应权值计算公式,提高了该方法的通用性.大量的实验结果表明该方法具有很好的分割效果,可以保留更多的图像细节.     

基于形状先验和梯度约束的彩色图像分割

针对图像遮挡、噪声等复杂场景下,仅依赖颜色信息难以准确分割的问题,将形状先验和图像梯度分别引入马尔科夫随机场框架中,提出一种基于形状先验和梯度约束的彩色图像分割方法。该方法基于颜色特征和形状模版定义能量函数,梯度信息的引入允许待分割目标与形状模版间有一定差异,且待分割目标与形状模版间的变换具有仿射不变性,整个能量函数通过图割算法实现能量最小化,得到最终分割结果。实验结果表明,该方法具有有效性。     

基于FCM和图割的交互式图像分割方法

为了提高在前景和背景颜色相似情况下图像的分割效果,提出了一种基于模糊C均值聚类（FCM）和图割的交互式图像分割方法。首先,利用分水岭算法对图像进行预处理,将图像分成多个小区域,用区域代替像素点进行分析。然后,采用模糊C均值算法对用户标记的前景区域和背景区域分别进行聚类分析,挖掘用户交互所提供的隐藏信息。用未标记区域的颜色分量到前景区域及背景区域类心的最小距离表示相似能量,用未标记区域与其相邻区域的相关性表示先验能量。最后,利用最大流/最小割算法求能量函数的全局最优解。与其他方法相比,该文方法具有较好的分割性能,能从前景背景相似的图像中较精确地提取感兴趣的物体,且用户操作简单。     

SAR图像分割的改进参数核图割方法

针对合成孔径雷达(SAR)图像的分割问题,提出一种改进的参数核图割方法。对参数核图割方法中的能量函数进行改进,在核空间中考虑分段常数模型,并实现目标函数的空间核化。SAR图像的分割通过能量函数的最小化实现,由不动点迭代估计区域参数,并由图割模型逐步最小化能量函数实现SAR图像的分割。为验证改进参数核图割方法的分割效果,对自然图像进行分割,结果表明,其分割精度达到83%,比参数核图割方法提高了11%。真实SAR图像的分割结果验证了该方法对SAR图像的分割结果优于参数核图割方法。