一种基于知识模型的CT图像分割方法*

图像自动分割一直是医学图像处理的研究重点。系统由解剖知识模型、图像处理程序和推理机组成。模块之间的通信由黑板控制。该方法提高了医学图像分割的自动化程度和可靠性。由于具有扩展性,该方法为基于知识医学图像的处理提供一个通用的模式。     

基于MMD的建筑混凝土CT图像分割

本文利用改进的动态METROPOLIS方法(MMD)对混凝土圆柱体试件一个扫描断面的4个应力阶段的CT图像进行分割。基于MMD混凝土的CT图像分割使得混凝土的细观结构的CT统计分析简化,并为混凝土CT细观结构研究分析提供了重要参考。     

基于多尺度信念传播的混凝土CT图像分割?

为减少混凝土CT图像分割过程中信念信息传递的计算复杂度,提出一种基于多尺度信念传播的图像快速分割算法。根据标准信念传播算法的特点,构造金字塔状栅格图进行消息传输,从而加快消息收敛速度、减少迭代次数,同时利用双向图技术减少信念信息的数量。实验结果表明,该算法能提高图像分割率和分割精度。     

一种工业CT图像的分割算法

文章根据工业CT图像的特点,提出了一种适用于工业CT图像分割的算法。该算法是一种结合数学形态学和CANNY算子边缘检测的图像分割算法。实验结果表明:该算法能有效地提取出实际工件的轮廓,并将实际工件的CT图像从CT切片中分割出来。     

一种新的多区域肝脏CT图像分割方法

肝脏CT图像分割是肝脏计算机辅助诊断系统中最关键的部分,也是医学图像分割中的一个难点.已有的算法一般只能分割出多区域肝脏CT图像中某一区域,针对这一问题,提出了一种新的多区域肝脏CT图像分割方法.首先利用自动双阈值方法进行初步分割,然后利用图像的灰度信息及相邻肝脏CT图像的面积、形状变化比较小等信息来进行多区域肝脏CT图像分割.通过仿真实验,证明该方法能够准确、快速的对多区域肝脏CT图像进行自动分割.     

一种基于改进遗传算法的图像分割方法*

为了自动确定图像分割的最佳阈值,提出了一种基于改进遗传算法的图像分割方法,即利用这种改进遗传算法对二维Otsu图像分割函数进行全局优化,该方法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,最后得到图像分割的最佳阈值,克服了传统遗传算法的收敛性差、易早熟等问题。在理论分析和仿真数据实验中,与二维Otsu图像分割法和基于基本遗传算法的图像分割法相比,使用该方法得出的阈值范围更加稳定,阈值计算时间有极大的提高,更能满足图像处理的实时性要求。     

基于Snake改进型模型的胸部CT图像分割方法

针对胸部CT图像分割中的一些难点,结合贪心算法的特点,引入梯度向量流(GVF)来代替传统Snake中的图像力。从添加外部约束、方程求解和边缘图生成等方面对GVF模型进行了改进。该GVF模型的扩散方程计算的边缘映射图则利用了Canny算子的边缘检测结果,从而对GVF力场的弱边界区域和小灰度变化区域进行了明显的改善。对力场扩散方程中梯度矢量流的分量分别进行归一化处理,减小了物体边界力场对曲线上各点的影响,克服了GVF模型难以解决的深凹问题,有效地控制活动等值线外部人工约束能量。改进的GVF-Snake模型能准确、反复地对胸部CT图像进行分割优化,具有良好的鲁棒性和实用性。该方法提高了胸部CT图像分割的可重复性、准确性和通用性。其应用可为医生准确观察CT图像提供良好的帮助,更对该方面病理研究提供较好依据。     

一种基于数学形态学的CT图像脑瘤分割方法

针对传统的CT图像脑瘤分割方法往往需要先验知识指导的弊端,且脑瘤CT图像中肿瘤特征点与周围背景对比度较小,计算机自动提取这些特征点具有一定难度.为能清晰观察肿瘤具体位置,提出了一种基于数学形态学Top-Hat变换的脑瘤CT图像分割方法.利用形态学变换可得到分割迫切需要的谷峰值点、高低曲率点,再将变换结果与原始图像做"异或"运算就可以达到有效分割出肿瘤.实验结果表明,方法在无需先验知识指导情况下可使分割效果明显优于传统方法,具有很好的实用性.     

CT图像分割几种算法

图像分割在许多图像分析和图像识别过程中都是必需的步骤。目前,借助图像分割技术来进行医学影像处理正成为当今医学界的一个发展方向。本文正是在这一背景下对医学影像处理中的几种分割算法进行了研究,主要包括FastMarching分割算法、LiveWire分割算法、区域增长分割算法和阈值分割算法;同时,结合脑部CT片进行了实验研究,为这些算法在医学影像处理上的应用提供了一定的科学依据。     

基于像元集的置信传递立体匹配

为了提高立体匹配效率和克服处理区域的视差跳跃,提出了一种基于像元集的置信传递立体匹配方法。该方法首先以像素为基元,利用层次置信传递算法得到较为准确的初始视差;然后依次根据颜色和初始视差对参考图像进行分割,再利用分裂合并策略对分割后的像元集进行平面拟合,以消除颜色分割错误对匹配造成的影响;最后在拟合后的像元集空间,利用标准置信传递优化算法得到最终解。采用国际标准图像进行测试的实验结果表明,该方法的匹配效率和精度优于同类方法。     

基于空间相关性的图像分割算法研究

提出一种充分利用图像的空间相关性来达到高效快速地进行图像分割的新方法。利用均值漂移算法对图像进行分割形成过度分割的区域,并使这些区域保持理想的边缘和空间相关部分,用图结构表示的区域相邻图来代替分割的区域。和K-均值算法的思想一样,迭代循环置信传播算法以其具有收敛速度快的特点被用于最小化开销函数、整合过度分割的区域和获得最终的分割结果。基于分割区域而不是图像像素的图像聚类分割方法可降低噪声敏感性,同时提高图像分割质量。与FCM和MRF算法相比较,该算法在复杂场景图像中显示了更好的分割性能。     

基于局部空间自适应MRF模型的图像分割

针对固定参数的点对马尔可夫随机场(Pairwise MRF)模型不能充分描述图像丰富的统计特征的问题,在研究 Pairwise MRF 模型的基础上,提出一种自适应分割算法.该算法首先建立一种空间自适应的局部区域 MRF 分割模型,并对局部区域的先验知识进行自适应估计;然后通过局部收敛的循环置信度传播(LBP)算法最大化自适应 MRF 模型的全局后验概率.实验结果表明所提出算法具有较好的分割结果.     

一种用于立体图像匹配的改进稀疏匹配算法

立体匹配有着广泛的应用前景,是计算机视觉领域的研究热点。立体匹配是立体视觉中最为关键和困难的一步,它的目标是计算标识匹配像素位置的视差图。文中提出的立体匹配算法基于置信传播（Belief Propagation,BP）。左图像首先经过非均匀采样,得到一个内容自适应的网格近似表示。算法的关键是使用基于置信传播的立体匹配算法,匹配稀疏的左图像和右图像得到稀疏视差图。通过左图像得到网格,稀疏视差图可以经过简单的插值得到稠密视差图。实验结果表明,该方法与现有稀疏立体匹配技术相比在视差图质量上平均有40％的提高。     

基于mean-shift全局立体匹配方法

针对图像全局立体匹配精度高、计算量大的问题,提出基于mean shift图像分割的全局立体匹配方法。首先,通过mean shift算法对图像进行分割,获取图像同质区域数量和区域的标号。在计算匹配代价时,根据像素所属的分割区域,对像素进行筛选,从而提高匹配代价计算速度;其次,在代价聚合前,将mean shift算法获取的同质区域数K值赋值给K-means聚类算法,对像素再次聚类,提高立体匹配精度和速度;最后通过TRW-S置信传播解决能量最小化问题。实验表明,该算法明显提高了匹配的准确性和速度,与单纯的全局匹配算法相比,具有更大的优势。     

髋关节序列CT图像中股骨近端分割方法研究

针对现有髋关节序列CT图像中骨骼近端分割精度差、自动化程度低、计算复杂度高的问题,提出一种自动分割股骨近端的方法。该方法充分利用序列CT图像中股骨头与股骨中段呈现类圆形以及相邻切片中股骨特征相似度高的特点,融合双向分割的股骨轮廓信息得到可靠的股骨近端轮廓。实验结果表明,该方法能准确地从髋关节序列CT图像中提取出股骨近端的轮廓信息,具有一定的实用价值。     

用于虚拟广告系统的视频对象分割算法

在虚拟广告系统中,视频对象分割是其中最为关键的技术之一。在兼顾分割精度和实时性的原则上,提出了一种基于置信传播的视频运动对象分割算法。算法先建立背景、阴影和前景的统计模型,再结合马尔可夫随机场对像素空间相关性建模,最后利用置信传播算法完成有效的视频对象分割。实验结果表明算法具有良好的性能,并在虚拟广告系统中得到成功应用。