复杂相变热图序列相变线跟踪与应用

针对复杂相变热图序列相变线自动提取问题,提出一种基于帧间差分信息的C-V主动轮廓模型提取方法。首先建立一种基于结构特征的图像精确匹配指标,解决相变热图序列中部分帧的位置偏移问题;然后利用与模板图像的帧间差分及差分图像的对比度增强获取有效相变信息;最后在考虑帧间相变线关联性的基础上,提出一种融合形状先验特征的C-V主动轮廓模型相变线跟踪算法。实验结果表明,该算法解决了目前方法无法解决的序列图像中多相变线、拓扑变化等问题,能适应多种不同类型的模型实验物,且运算速度较经典C-V模型有很大提高。基于该算法开发的软件系统在实际中得到成功应用。     

基于多分辨率马尔可夫随机场运动目标分割

提出一种基于三维时空小波变换和马尔可夫随机场(Markov Random Field)模型的多分辨率运动目标分割算法.该算法利用三维时空小波变换对图像序列进行分解得到多分辨率的图像序列,并在此基础上建立多分辨率的马尔可夫随机场模型,构造相应的能量函数.通过条件迭代模型优化算法(Iterated Conditional Modes)求解能量函数的最优解,得出标记场,提取出运动目标.实验结果证明,该算法能够很好地消除了单一分辨率的MRF运动检测结果中"空洞"现象,对运动目标分割具有很好的分割效果.     

一种改进的基于图像绘制的镜面反射消除方法

包含镜面反射成分的像素常常出现饱和,导致场景失真。笔者基于图像绘制技术改进了镜面反射消除方法。首先采用格鲁布斯检测法选取像素计算线性系数,然后计算出多幅线性化图像,最后结合图像融合得到漫反射成分估计值,进而消除镜面反射成分。实验表明,该方法能够有效地消除彩色物体表面的镜面反射成分。     

基于Retinex的树叶图像镜面反射区定位方法

图像中的镜面反射区会造成分割和识别工作的错误。树叶图像的背景中常包含自然纹理信息,干扰镜面反射区的定位。为此,提出一种利用Retinex算法和颜色匹配来定位树叶图像镜面反射区的方法。该方法利用图像的反射分量图以及色调、饱和度等信息得到初始的镜面反射区和漫反射区,利用颜色匹配得到准确的镜面反射区。实验结果表明该方法是有效的。     

树叶图像镜面反射区自动定位和消除方法

提出一种将Retinex算法和混合高斯模型(GMM)相结合用于彩色树叶图像中镜面反射区定位和消除方法。树叶图像具有丰富的边缘成分,常常干扰镜面反射区的提取。针对这一问题,基于Retinex算法将图像中亮度被抑制的区域作为初始镜面反射区提取,初始镜面反射区中主要是树叶图像中的边缘成分和镜面反射成分。基于RGB这3个颜色通道分别建立GMM,通过对3个颜色通道结果的加权组合得到最终的镜面反射区。利用GMM所确定的漫反射区的颜色均值消除镜面反射区域。实验结果表明,该方法可以有效消除镜面反射区,准确率达到88%。     

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。     

基于改进分水岭算法的VCH-F1图像分割

针对分水岭算法存在的过分割问题以及VCH-F1切片图像的特点,提出了一种能够有效消除局部极小值和噪声干扰的分割方法。首先比较并选取彩色分量图像梯度信息的最大值,达到提取图像有效边缘信息的目的;然后提出基于多阈值分割的方法消除无效梯度信息;最后介绍了算法的步骤及结果。实验结果证明,基于该方法处理梯度图像进行分水岭算法处理可以得到准确的分割结果。     

基于多分辨率马尔可夫随机场运动目标分割

提出一种基于三维时空小波变换和马尔可夫随机场(MarkovRandomField)模型的多分辨率运动目标分割算法。该算法利用三维时空小波变换对图像序列进行分解得到多分辨率的图像序列,并在此基础上建立多分辨率的马尔可夫随机场模型,构造相应的能量函数。通过条件迭代模型优化算法(IteratedConditionalModes)求解能量函数的最优解,得出标记场,提取出运动目标。实验结果证明,该算法能够很好地消除了单一分辨率的MRF运动检测结果中"空洞"现象,对运动目标分割具有很好的分割效果。     

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。     

基于Mumford-Shah模型的时空视频运动对象分割

针对目前视频对象分割中存在的结果轮廓不精确和不能有效从复杂背景分离出对象的问题,在基于时空分割的基础上,提出了一种采用Mumford-Shah模型的时空联合分割技术。该算法采用序列图像帧间差的高阶统计量(HOS)假设检验,自动分离运动区域和背景区域;采用MS泛函模型精确地将当前视频分为不同的灰度连续区域;最后,通过对空域分割后的图像和二值运动掩模图像进行投影运算得到运动对象。实验结果表明,该算法不需要进行中值滤波的预处理,具有并行机制,能提取运动对象较精确的边缘轮廓,是一种有效的图像分割方法。