Snake与多尺度分析的医学图像分割研究

为提高分割精度,提出Snake与多尺度分析相结合的医学图像分割方法。根据先验知识给定图像一个初始的粗略轮廓,然后对图像进行多尺度增强,在不同的尺度下应用Snake算法进行轮廓提取,相当于在曲线的收敛过程中进行了修正,从而使得轮廓在不同的尺度中逐渐优化,分离出精确的轮廓。实验结果表明,该方法是有效的,对医学图像分割的精度优于传统的Snake模型。     

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的图像分割算法研究

图像分割算法是指从待割图像中提取出感兴趣的目标,以便进行图像分析与图像理解。Snake算法不同于传统的图像分割方法。文中详细介绍了Snake模型的数学机理及离散化方法,最后利用贪婪法实现了Snake算法,并应用与实际图像的分割。     

基于Snake的图像分割算法研究

图像分割算法是指从待割图像中提取出感兴趣的目标,以便进行图像分析与图像理解。Snake算法不同于传统的图像分割方法。文中详细介绍了Snake模型的数学机理及离散化方法,最后利用贪婪法实现了Snake算法,并应用与实际图像的分割。     

基于模拟退火并行遗传算法的Otsu双阈值医学图像分割

模拟退火和并行遗传算法是两种较好的改进进化算法性能的方法.将这两种思想有机地结合起来,利用遗传算法能全局寻优的优势和模拟退火算法的爬山性能,提出T一种基于模拟退火并行遗传算法的Otsu双阈值医学图像分割算法.在该算法中,进化在多个不同的子群中并行进行,利用模拟退火算法的爬山性能,避免单种群进化过程中出现的过早收敛现象,...     

Snake模型在癌细胞图像分割中的应用

首先研究了图像分割领域中目前已经成熟的和正在探索的主流方法和技术的基本原理,分析比较了他们的优缺点。在认真研究和分析归纳了所研究的食道癌细胞图像的多方面特点的基础上,设计并实现了基于基本Snake模型的新模型。通过实验发现改进模型分割的结果与实际边界非常吻合,最后进行了后续工作开展的设想。     

基于Snake模型的图像分割新算法

针对目前基于Snake模型的图像分割算法普遍存在噪声鲁棒性差、适用范围受限、易发生弱边缘泄露以及轮廓曲线难以收敛到细小深凹边界的缺陷,提出了一种基于Snake模型的图像分割新算法。首先,选取新的扩散项代替具有各向同性光滑作用的拉普拉斯算子;其次,引入p-拉普拉斯泛函到平滑能量项中强化法线方向外力;最后,利用边缘保护项使外力场方向与边缘方向一致,以防止弱边缘泄漏并促使轮廓线收敛到细小深凹边界。实验结果表明,所提模型不仅克服了现有基于Snake模型的图像分割算法的缺陷,具有更好的分割效果,明显提高了抗噪性能和角点定位精度,而且耗时更少,适用于噪声图像、医学图像以及含有很多弱边缘的自然图像分割。     

基于先验知识和区域信息的Snake模型图像分割研究

提出基于先验知识和区域信息的参数活动轮廓模型(Snake模型)图像分割.用包含先验知识和区域信息的变力替换在气球力Snake模型中的恒定气球力,并应用于模糊边界图像分割.实验结果表明,该模型与初始轮廓曲线位置无关,能完成自动分割模糊边界图像的任务.另外,对于均值相等、方差不同的目标和背景两区域图像实行分割,该模型也能获得正确的分割结果.     

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。     

利用欧氏距离变换Snake模型分割脊椎CT图像

在计算机虚拟脊椎矫正系统中,为模拟钢钉打入椎骨后相关脊椎骨产生位移和旋转,需要建立患者脊柱的三维模型。由于脊椎结构复杂,空间位置相互交错,造成了在靠近上下椎骨连接区域的CT图像中既有当前椎骨的图像,还有相邻其它椎骨的部分骨组织图像的状态,用传统的分割方法很难从脊柱的CT序列图像中分割出单个的椎骨。在传统Snake模型算法基础上,通过引进一种新的能量表达方法,改善了传统算法对具有复杂凹形轮廓物体分割效果差的缺点,在脊椎CT图像分割中取得了良好的效果。     

基于模拟退火的最大似然聚类图像分割算法

图像分割可视为两类模式分类问题.将最大似然聚类方法应用于图像分割,并采用模拟退火技术求解最大似然聚类,解决了用迭代方法求解最大似然聚类只能得到局部最优解的问题.获得的图像分割效果优于迭代方法和著名的Otsu方法,且分类误差小于迭代方法.     

用模拟退火思想的粒子群算法实现图像分割

采用了一种模拟退火思想的粒子群算法与最大类间方差法相结合的快速阈值分割法对图像进行分割。用粒子群优化算法来搜索阈值向量,每个粒子代表一个可行的阈值向量,通过粒子间的协作来获得最优阈值。为了提高收敛速度,把模拟退火的思想应用在粒子群算法中,最后仿真结论表明,该方法在继承标准粒子群算法原理简单、易于实现、协同搜索等优点的同时,还避免了标准粒子群算法的收敛速度慢问题,有更强的寻优能力,得到理想的结果的同时计算量大大减少。权衡分割精度和计算效率两个方面,文中方法不失为一种实用有效的图像分割算法。     

一种基于几何活动轮廓模型的弱边界区域图象分割方法

传统的几何活动轮廓模型作为一种有效的图象分割方法，一直以来被广泛使用。但其在应用中也存在不少问题，例如对图象内弱边界区域目标不能准确的分割以及对噪声的干扰容易使曲线陷入局部极值等情况。本文提出了一种基于区域梯度流力的几何活动轮廓模型，由于区域力从全局的角度为模型提供目标边界信息，这样使该模型不但能够准确的利用区域信息分割出弱边界区域而且能够有效抵御噪声的干扰。     

基于边缘流的煤电厂炉膛火焰图像分割方法

针对炉膛火焰灰度变化不明显采用传统的分割算法无法达到满意分割效果的问题,采用了基于边缘流的分割方法对电厂炉膛火焰图像进行分割;首先选用高精度的灰度边缘流对图像进行分割,得到边缘流的矢量方向和边缘能量,然后再对图像闭合处理得到初始分割图像;最后,再利用颜色相似度对相邻区域进行处理,得到最终分割图像,该方法不仅避免了单纯边缘流算法提取边界不连续无法检出较弱边界的问题,而且也可以避免过分割问题;通过实验表明,基于边缘流的方法是对炉膛火焰图像进行分割的有效方法。     

基于边缘信赖度和形状相似性的超声图像分割方案

为了对低信噪比的超声图像进行有效分割,提出了一种新的超声图像分割方案,该方案由各向异性扩散方程和蛇模型组成。首先通过对蛇模型算法进行改进,并利用预先知道的形状信息,提出了一种基于形状相似性的参数自调整蛇模型;同时还对各向异性扩散方程进行了修正,提出了基于边缘信赖度的改进算法,以提高各向异性扩散方程的去噪能力。实验结果表明,该方法不但缓解了由于超声图像信噪比过低而影响分割的问题,同时实现了蛇模型的参数自适应设置,可见是一种有效的图像分割算法。     

基于模拟退火并行遗传算法的Otsu双阈值

模拟退火和并行遗传算法是两种较好的改进进化算法性能的方法。将这两种思想有机地结合起来,利用遗传算法能全局寻优的优势和模拟退火算法的爬山性能,提出了一种基于模拟退火并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,利用模拟退火算法的爬山性能,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验证明,这种新的图像分割算法与并行遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显比并行遗传算法的Otsu双阈值医学图像分割快。     

基于模拟退火与K均值聚类的入侵检测算法

K均值聚类算法时初始值的选取依赖性极大,易陷入局部极值.为此,结合模拟退火算法和K均值聚类思想,提出一种新的入侵检测方案.算法利用模拟退火算法时聚类分析中的聚类准则进行优化,以获得全局最优解,并进一步开拓模拟退火算法的并行性以加快算法收敛速度.在KDD CUP 1999上进行了仿真测试,实验结果表明该方案优于基于K均值聚类的入侵检测算法,有较低的误检率与虚警率.     

An improved Simulated Annealing algorithm based on ancient metallurgy techniques

Simulated Annealing (SA) is a single-solution-based metaheuristic technique based on the annealing process in metallurgy. It is also one of the best-known metaheuristic algorithms due to its simplicity and good performance. Despite its interesting characteristics, SA suffers from several limitations such as premature convergence. On the other hand, Japanese swordsmithing refers to the manual-intensive process for producing high-quality bladed weapons from impure raw metals. During this process, Japanese smiths fold and reheat pieces of metal multiple times in order to eliminate impurities and defects. In this paper, an improved version of the SA algorithm is presented. In the new approach, a population of agents is considered. Each agent conducts a search strategy based on a modification of the SA scheme. The proposed algorithm modifies the original SA incorporating two new operators, folding and reheating, inspired by the ancient Japanese Swordsmithing technique. Under the new approach, the process of folding is conceived as a compression of the search space, while the reheating mechanism considers a reinitialization of the cooling process in the original SA scheme. With this inclusion, the new algorithm maintains the computational structure of the SA method but improving its search capacities. In order to evaluate its performance, the proposed algorithm is tested in a set of 28 benchmark functions, which include multimodal, unimodal, composite and shifted functions, and 3 real world optimization problems. The results demonstrate the high performance of the proposed method when compared to the original SA and other popular state-of-the-art algorithms.     

模糊聚类和边缘检测结合的彩色图像分割算法

提出模糊聚类和边缘检测结合的彩色图像分割方法,以色彩图像直方图中自适应搜索到的峰值作为聚类中心,对图像进行模糊聚类。然后对模糊聚类后的图像进行边缘检测,检测出面积较大的区域的边缘,首先在区域内部进行融合,然后在区域边界和面积较小色彩相似的区域融合。实验表明,本方法不需预先确定聚类数目、聚类中心初始化,在区域融合后,可得到较好的分割效果。     

针对弱边缘信息的左心室图像分割算法

基于距离正则水平集模型（DRLSE）的左心室MR图像分割算法对梯度信息有很强的依赖性,在图像弱边缘区域容易陷入局部最优,且对初始轮廓的选取敏感。为降低算法对初始轮廓的敏感程度,提高其在左心室图像弱边缘的分割能力,提出一种适用于弱边缘信息的左心室分割算法。在DRLSE的基础上,该分割算法提出运用拟合方法计算基于变异系数分割模型（PSM）的新局部项,算法依靠梯度与图像局部信息驱动曲线演化,降低了DRLSE对初始轮廓的敏感度;引入形状约束力,克服DRLSE算法在左心室外膜弱边界处出现边界泄露的情况。为验证所提算法分割的准确性,基于多伦多市患病儿童医院影像科提供的数据库,利用DRLSE、保持凸性水平集模型（CPLSE）模型、U-Net网络以及提出的内膜算法对心内膜进行分割;利用DRLSE、引入外膜形状约束力的DRLSE模型（DRLSE-shape）、U-Net网络以及提出的外膜算法对心外膜进行分割。实验结果表明,针对左心室内、外膜,所提算法优于上述算法,能降低DRLSE对初始轮廓的敏感程度,提升对左心室弱边界MR图像分割的精确度。