基于阈值和snake模型的三维医学图像自动分割

提出了一种利用snake模型和基于连通性阈值算法进行三维医学图像的自动分割方法.根据三维医学图像的特点, 首先选取该图像的中间层图像,利用基于连通性的阈值算法对其分割;其次利用邻层图像分割结果和snake模型来指导下一层的图像分割.实验结果表明,该方法可以明显提高分割的准确率和速度.     

基于人工生命的医学图像自动分割蠕虫模型

构造了一种具有初步生命特征的可变形模型——蠕虫模型．该模型包含神经中枢、视觉、触觉和运动系统,具有记忆、认知和支配躯体运动等功能;能智能地处理多种复杂情况,利用综合信息进行图像分割,具有常规图像分割方法不具备的能力．应用实例表明,该模型可以将胼胝体从二维MR矢状位图像中自动、完整地分割出来．对于边界有间断的较复杂的图像,该模型的优势更加明显．     

基于小波变换的自适应阈值三维图像分割

图像分割技术是由图像处理到图像分析的关键步骤,应用基本的分割技术很难得到精确的阈值。研究了三维图像分割技术,提出一种自适应阈值三维图像分割技术,先对三维图像分解成一系列二维图像,根据小波变换理论,分析不同分辨率下小波变换的特点,确定分割区域数和分解层次,再由低分辨率开始对每幅二维图像直方图进行小波变换,逐步到最高分辨率,并根据不同分辨率下小波变换结果,由粗到细地自动设定精确的阈值分割每幅二维图像,最后将多幅二维图像合成三维图像。实验表明了该方法的有效性,能够满足目标识别的要求。     

三维医学图像分割与可视化研究

本文提出了一种利用三维图像的灰度和形状信息进行三维图像分割以及在此基础上的构造等值面的方法，首先对三维图像进行阈值分割，获得三维二值图像，在预处理阶段，利用三维形状腐蚀消除感兴趣组组织与其它组织的弱联系，然后对三维二值图像进行三标记，得到腐蚀后的组织，对其三维形态扩张，获得感兴趣组织的三维模板，将模板与阈值分割图像求交，从而分割出三维组织，根据分割后的三维二值模板，构造出有一定厚度的模糊边界，然后     

医学图像自动多阈值分割

针对医学图像的自动多阚值分割问题,采用模糊C-均值(FCM)聚类法找到医学图像的不同组织和背景的聚类中心,再利用二雏直方图的方法,找到多阈值分割的各个阈值点进行分割.引用二维直方图的方法可以很好地保留目标的细节信息,更好地抑制噪声.     

基于三维阈值和PPPSO的图像分割方法

提出一种基于三维阈值和捕食-被捕食粒子群（PPPSO）的图像分割方法。该方法在保留传统二维最大类间方差（Otsu）分割算法优点的基础上,充分利用图像自身模糊信息-模糊中值,该特征维与像素灰度值、邻域均值组成一个三维矢量集;另外,通过采用捕食-被捕食的粒子群优化方法搜索最佳分割阈值,大大缩短了搜索时间,且能快速收敛到全局最优。实验结果表明,该方法具有较好的抗噪性和实时性。     

图像的自动阈值分割研究

本文通过对图像进行二值化的处理分析,探讨如何选取最合适的阈值来分割图像,采取基于OTSU 算法的单 阈值分割法,根据类间方差最小的原理,能自动选取最佳阈值,使图像的目标部分和背景部分得到最好的分割。     

基于云模型鱼群算法的多阈值图像分割研究

针对传统鱼群算法在处理图像分割时收敛速度慢,容易陷入局部最优等问题,将云模型和人工鱼群算法结合并有效地应用到多阈值图像分割中。改进后的算法使人工鱼学习能力有所提高,同时满足种群多样性和收敛速度快的特点,避免局部最优得到图像分割的最佳阈值。仿真实验表明,该算法能得到较稳定、快速、清晰的图像分割。     

图像分割在医学图像处理中的应用研究

图像分割是图像处理中的重要工作,医学图像的多样性和复杂性使其在图像分割中具有较大的难度。阈值法由于高效、简单而成为图像分割的重要方法,但对于复杂的医学图像,其效果并不很理想。Powell法是最好的直接搜索法,利用改进的Powell法可以更好地搜索目标。为此,提出了一种将Otsu法和Powell法相结合的图像分割方法,仿真实验表明,该方法可以快速有效地分割图像,鲁棒性强。     

Snake模型在医学图像分割中的应用

基于Snake模型的图像分割技术是比较成功的研究领域,也是近年来图像处理领域研究的热点之一。Snake模型将基于图像本身的底层的视觉属性和人们先验知识结合起来,针对各种图像的不同特点,从高层和底层两个方面约束图像分割的过程。通过对Snake模型的基本原理及其几种改进的概括研究,阐述了Snake模型在图像分割中的一些应用方法。     

基于snake模型的IVUS图像序列三维分割方法

针对血管内超声（Intravascular Ultrasound,IVUS）图像序列中血管壁内外膜轮廓的提取问题,提出一种基于snake模型的三维并行分割方法。首先,对原始图像进行滤除噪声和抑制环晕伪像等预处理。然后,获取IVUS图像序列的四个纵向视图,并从中提取出内腔边界和中-外膜边界。通过将这些边界曲线映射到各帧IVUS图像中,得到横向视图中的初始轮廓。最后,将该初始轮廓作为snake模型的初始形状,通过使snake能量函数最小,模型不断变形,最终得到各帧IVUS图像中的内腔和中-外膜边界。该方法可实现对IVUS图像序列的并行分割,与二维串行分割方法相比,可大大提高处理效率。采用大量临床图像数据的实验结果证明该方法可自动、快速、可靠的完成IVUS图像序列的分割。     

基于改进探路者算法的多阈值图像分割

针对多阈值图像分割方法中存在的计算量大、运行时间长等问题,在标准探路者算法的基础上,引入Tent混沌映射初始化和自适应t分布策略,提出一种基于改进探路者算法的多阈值图像分割方法,该方法以Kapur熵为目标函数对最优分割阈值进行搜索。为了验证算法的有效性,首先通过标准测试函数验证改进探路者算法的收敛精度和收敛速度,然后将改进探路者算法与Kapur熵结合后应用于Berkeley图像数据集进行多阈值分割,并与标准探路者算法、飞蛾扑火算法、灰狼优化算法和粒子群算法进行比较和分析。实验结果表明,提出的改进探路者算法收敛速度更快、求解精度更高,较其他对比算法有着更好的分割效果,且PSNR与SSIM都有更好的表现,能有效解决多阈值图像分割问题。     

图象数据读取方法及阈值分割技术

对ＢＭＰ文件格式进行分析,读取图象数据,并对这些数据进行处理,通过阈值分割技术得到图象边缘。     

医学三维影像体数据闭值分割方法

建立医学三维体数据阈值分割描述模型,把OSTU图像分割算法和梯度算子图像分割算法的思想应用于三维体数据,提出并实现了两种医学三维体数据阈值分割算法,并通过实验证明这两种算法获得了较好的分割效果。为进一步对体数据阈值分割算法的性能进行量化评价,定义了两个量化指标:分割准确度和分割平衡度,并通过实验给出了上述两种体数据阈值分割算法的性能评价指标。在给定体数据和标准分割的前提下,OSTU算法比梯度算子算法能取得更好的阈值分割效果。     

Deformable M-Reps for 3D Medical Image Segmentation

M-reps (formerly called DSLs) are a multiscale medial means for modeling and rendering 3D solid geometry. They are particularly well suited to model anatomic objects and in particular to capture prior geometric information effectively in deformable models segmentation approaches. The representation is based on figural models, which define objects at coarse scale by a hierarchy of figures—each figure generally a slab representing a solid region and its boundary simultaneously. This paper focuses on the use of single figure models to segment objects of relatively simple structure.A single figure is a sheet of medial atoms, which is interpolated from the model formed by a net, i.e., a mesh or chain, of medial atoms (hence the name m-reps), each atom modeling a solid region via not only a position and a width but also a local figural frame giving figural directions and an object angle between opposing, corresponding positions on the boundary implied by the m-rep. The special capability of an m-rep is to provide spatial and orientational correspondence between an object in two different states of deformation. This ability is central to effective measurement of both geometric typicality and geometry to image match, the two terms of the objective function optimized in segmentation by deformable models. The other ability of m-reps central to effective segmentation is their ability to support segmentation at multiple levels of scale, with successively finer precision. Objects modeled by single figures are segmented first by a similarity transform augmented by object elongation, then by adjustment of each medial atom, and finally by displacing a dense sampling of the m-rep implied boundary. While these models and approaches also exist in 2D, we focus on 3D objects.The segmentation of the kidney from CT and the hippocampus from MRI serve as the major examples in this paper. The accuracy of segmentation as compared to manual, slice-by-slice segmentation is reported.     

小波变换在三维医学图象分割中的应用

本文将多尺度小波变换应用到三维医学图象分割中的阈值选取中．由于小波变换在较大尺度，由噪音引起的细小突变较少，可描述信号的整体行为，取较大尺度的由负到正的零交叉点来确定图象的阈值，再逐步到相邻的小尺度由粗到精地确定精确的阈值．用以上算法对三维医学图象进行二值化后，根据待提取组织或区域的特征，再选取合适的数学形态学操作，最后对区域进行种子填充．从实验结果可以看出分割效果较好，能够满足三维重建的要求．     

基于粒子群优化算法的改进Snake模型的图像分割方法

虽然Snake模型是一种有效的基于参数的轮廓探测方法,但由于其对初始位置过于敏感,不但参数选取缺乏严格的理论指导,且不能处理拓扑结构改变的问题。为此,针对Snake模型在弱边缘处容易溢出等不足,首先通过引入区域信息对Snake模型的图像力进行了修正,然后对Snake模型容易陷入局部极小化的问题,利用粒子群优化算法的全局优化特性和良好的数值稳定性来对Snake模型的分割结果进行优化。人工合成图像和医学图像的实验结果表明,该方法是有效的。     

改进Snake模型在医学超声图像分割中的应用

因其本身所具有的复杂性,医学超声图像的分割足一件非常困难的事情.Snake算法能够有效地利用图像局部与整体的信息,实现对边界的准确定位,因此非常适用于医学超声图像的处理.针对传统Snake模型对初始轮廓依赖性的问题,根据图像边缘附近灰度差异显著的特性,提出了获取初始轮廓点的方法--扇形法,运用方法可以获得靠近日标边界的初始轮廓点,并且得到的轮廓点是有序点集.能量最小化过程运用贪婪算法来获得图像的特征边缘点,最后采用分段多项式拟合的方法来获得连续的图像边缘.实验结果表明.所采用的方法可以获得连续、封闭的边缘曲线,能够较好的将目标从图像中提取出来.