基于改进DRLSE水平集模型的图像分割

针对 DRLSE 水平集模型对噪声敏感、依赖初始轮廓位置以及演化速度缓慢等不 足,利用小波变换和小波阈值去噪的方法,构造对噪声不敏感的边缘信息刻画矩阵,定义基于 图像信息的边缘停止函数和自适应权重系数,获得了改进的 DRLSE 水平集图像分割模型。利 用有限差分法对模型求解,并采用 Jaccard 相似度作为评价模型的定量分析方法,数值结果显示 改进的模型及算法对图像分割的有效性,克服了 DRLSE 水平集模型分割含噪图像以及定义初 始轮廓位置的局限性,提高了 DRLSE 水平集模型的计算效率和图像分割精度。     

基于贝塞尔滤波的水平集正则化图像分割方法

针对水平集函数在演化过程中的初始化敏感和数值稳定性问题,提出了一种新的基于贝塞尔滤波的正则化方法,并将其嵌入到经典的可变区域拟合(Region-Scalable Fitting,RSF)模型中,从而构成新的能量模型。首先,利用K均值算法进行自动初始化,再加以修正生成标准的初始水平集函数,以解决RSF模型对初始化敏感的问题;其次,利用RSF模型自身优点对图像进行迭代分割,同时在迭代过程中利用提出的方法对水平集函数进行正则化处理,保持迭代过程中的稳定性;最后,实现精确的分割效果。实验结果表明,提出的正则化方法有效地保持了水平集函数的稳定性。将新的模型与多种基于区域的模型进行对比,仿真实验表明,提出的方法具有较高的算法效率与分割精度。     

基于DRLSE模型的运动目标跟踪

高斯粒子滤波不能处理曲线的拓扑变化,而基于水平集的几何活动轮廓模型能较好地适应拓扑变化,为了跟踪和提取刚体和非刚体运动目标精确的轮廓信息,提出基于距离规则化的水平集演化(DRLSE)模型和高斯粒子滤波(GPF)相结合的运动目标跟踪方法.首先用高斯粒子滤波对目标跟踪得到目标的运动区域,然后把水平集规则项引入到测地线活动轮廓模型中,以外接轮廓的中心为基础进行DRLSE.距离规则化不仅消除了水平集重新初始化的需要,而且避免了因此而导致的数值错误,在水平集演化过程中保持了水平集函数的规则化.最后,将获得的精确轮廓信息反馈到跟踪框架.实验结果表明,该方法适用于刚体和非刚体目标,在实际交通环境中跟踪结果更加精确.     

基于改进窄带水平集的三维肝脏肿瘤分割

三维肝脏肿瘤识别是当前研究的热点问题,如何准确快速地从腹部CT序列中分割出肝脏肿瘤是肝部病变诊断的基础。针对水平集方法在进行分割时收敛速度较慢,设置窄带宽度固定不灵活的缺点,先利用分水岭算法,对肝脏图像进行“过分割”,搜索初始轮廓所在的分水岭块作为窄带区域进行标记,在窄带区域内用水平集算法使初始轮廓线收敛至准确轮廓。再以其边缘作为相邻CT序列的肿瘤初始轮廓,找出初始轮廓线所在的分水岭块,构成新的窄带,用水平集算法对轮廓线进行迭代分割出肿瘤。重复该过程,直至完成整个肝脏序列图像的肿瘤图像分割,进行三维重建。     

置信连接的自动肝脏分割方法

肝脏分割是计算机辅助肝病诊断和手术计划制定的基础,文中结合置信连接的区域生长算法实现了肝脏的全自动分割.首先利用改进的曲线各向异性扩散滤波对CT图像进行平滑预处理,以便在去除噪声的同时保存边缘信息,进而通过对预处理图像的灰度分析自动选取序列种子点;然后使用置信连接的区域生长算法对肝脏进行分割;最后采用空洞填充法填补区域生长中产生的空洞,改善分割效果.对10套腹部CT图像数据的实验结果表明,分割每幅图像的平均时间是1.46s,准确率为93.6％,其高效、准确性为临床诊断和手术导航提供了有利的信息.     

前向后向扩散的距离正则模型应用于图像分割*

针对在演化过程中水平集函数震荡问题,提出前向后向扩散的距离正则模型应用于图像分割。新的距离正则项由一个势函数定义,推导的演化方程以唯一的方式前向后向扩散,即：水平集函数在其陡峭区域前向扩散,降低函数的梯度模直至为1,反之它后向扩散,提高梯度模直至1。演化结果是水平集函数收敛于符号距离函数,这是水平集函数稳定演化所希望保持的状态。为了阐述距离正则项的有效性,本文将其和基于边缘信息的外能量项相结合。实验结果表明,该模型能够好的完成图像分割,对噪声和弱目标图像鲁棒。     

基于KPCA光谱特征约束的水边线提取算法

为充分利用遥感影像的多波段光谱特征,提高水边线的提取精度,提出了基于核主元分析（KPCA）光谱特征约束的水边线提取模型。利用KPCA变换提取水体样本的光谱特征,采用最大似然法估计特征空间中水体光谱特征概率密度函数的特征参数,进而构建水体的光谱特征项。以测地线活动轮廓（GAC）模型为基础,建立图像数据项。结合光谱特征项和图像数据项建立水边线提取模型。在Landsat TM数据集上进行的水边线提取实验验证了算法的有效性,与GAC模型和基于距离正则化的水平集方法（DRLSE）相比较,该算法提取的水边线,在保证一定运行速度的情况下,更准确。     

一种整合单通道各向异性扩散信息的水平集图像分割方法*

在对Chan-Vese提出的基于简化Mumford-Shah模型(C-V模型)改进的基础上,针对彩色图像、多光谱图像等多通道图像,提出了一种多通道C-V模型水平集图像分割方法.首先将多通道图像分解到各单通道,使用一种新的各向异性扩散方法对各通道进行平滑滤波,然后使用能够整合各通道各向异性扩散信息的多通道C-V模型进行分割.普通彩色图像与多光谱图像数据的实验结果表明,该方法分割质量明显优于传统的C-V模型分割.     

基于位错理论的距离正则化水平集图像分割算法

把材料科学中的位错理论引入到水平集方法中.图像中水平集曲线的演化被看作刃位错中位错线的滑移过程,运用位错动力学机制推导出驱使水平集曲线演化的位错组态力.结合距离正则化水平集方法,把水平集方法的边缘检测函数替换为基于位错动力学理论的速度停止函数,并构建了新的距离正则化水平集函数演化方程.水平集曲线在位错组态力和速度停止函数的驱使下移动.位错组态力反映了单位长度曲线上的平均受力情况,不仅包括了图像梯度信息,也包括了位错组态力的作用范围等信息,因此可以有效地避免在局部图像梯度异常的情况下发生曲线停止演进的现象,或者避免在弱边缘处由于图像梯度较小发生局部边界泄漏的现象.实验结果表明,本文算法对弱边缘图像具有较好的分割效果.     

基于改进能量泛函模型的噪声图像分割算法

针对噪声图像的分割难,分割不准确,以及现有模型无法适应多种噪声环境的问题,提出了一种基于改进的能量泛函模型的噪声图像分割算法,该算法结合各向异性扩散方程和灰度水平集算法,通过对能量泛函的改进实现对噪声图像的准确、快速分割。将非凸泛函引入能量泛函模型,并通过证明不存在全局最小值,利用获得的能量泛函模型得到光滑的目标图像边界。将各向异性扩散模型得到的光滑图像与水平集模型相结合,得到改进的能量泛函模型。通过求解在能量泛函的最小值,得到前景目标的水平集演化的最佳位置。该算法与同类模型的对比实验表明该模型对噪声图像具有较高的分割精度和鲁棒性。     

自适应区域生长算法在医学图像分割中的应用

提出一种通过计算种子点附近邻域统计信息,自适应改变生长标准参数用于医学图像分割的算法．在切片图像预处理过程中,考虑到体数据相邻切片之间高度的相关性,在相邻层之间采取高斯核滤波去除噪声,并通过各向异性滤波算法对该层切片进行滤波．实验结果表明,该算法可有效地提取出图像区域,具有较好的鲁棒性．     

基于Hessian矩阵和区域生长的肝血管树的分割算法研究

由于血管成像设备的限制和血管本身形态结构的复杂性,使得血管分割成为一个难题。针对CT肝脏血管图像的特征,设计一种将Hessian矩阵多尺度滤波、形态学和三维区域生长相结合的方法,实现血管分割。首先,使用灰度变换突出目标区域,利用基于Hessian矩阵的多尺度滤波方法对血管进行增强;其次,对增强后的血管图像进行闭运算,并进行三维区域生长;最后,利用膨胀运算将血管的弱连接进行连接。实验表明该方法具有一定的可行性和有效性,能够很好地实现血管的分割,所产生的血管连续光滑,很适合作为三维重建的数据集。     

结合分水岭与自动种子区域生长的彩色图像分割算法

为了对彩色图像进行有效分割,提出了一种将分水岭算法与自动种子区域生长相结合的分割算法。该算法首先利用基于边缘信赖度的各向异性扩散方程对图像进行平滑预处理,以便在去除图像噪声的同时,保持图像的边缘信息,从而有效解决了分水岭算法的过分割现象;然后在此基础上,设计了一种基于色调均值差的自动种子区域选取算法,即根据色调均值和饱和度均值的相似性来对分水岭算法分割形成的区域进行种子区域生长,并利用小图像区域消解算法对区域生长所遗留的小区域进行消解,减少了图像中小区域的数目,从而实现了对彩色图像的有效分割。实验结果表明,该算法简单、快速,且能得到较其他算法更好的分割效果。     

基于DICOM格式的肝脏肿瘤CT图像分割

为减少数据损失与处理时间,直接从DICOM格式的CT胸腹部图像中分割出肝脏肿瘤.为有效地分割出肿瘤,先设置恰当的窗宽窗位.利用ITK读取图像,用均值曲率流滤波法去除图像上的噪声.对目前几种在图像分割领域应用较多的阈值分割及区域生长分割算法进行了探讨,结合获得的活体CT图像进行实验研究,得到较为满意和有效的结果.实验表明:肝脏肿瘤这一目标区域的面积较小,区域生长分割算法中的"置信连接阈值法"能从胸腹腔CT图像中很好地分割出肝脏肿瘤.     

基于DICOM格式的肝脏肿瘤CT图像分割

为减少数据损失与处理时间,直接从DICOM格式的CT胸腹部图像中分割出肝脏肿瘤。为有效地分割出肿瘤,先设置恰当的窗宽窗位。利用ITK读取图像,用均值曲率流滤波法去除图像上的噪声。对目前几种在图像分割领域应用较多的阈值分割及区域生长分割算法进行了探讨,结合获得的活体CT图像进行实验研究,得到较为满意和有效的结果。实验表明：肝脏肿瘤这一目标区域的面积较小,区域生长分割算法中的“置信连接阈值法”能从胸腹腔CT图像中很好地分割出肝脏肿瘤。     

基于策略演化水平集的医学图像快速分割

医学图像分割在疾病诊断、手术规划和手术引导等实际应用中有着重要的作用。提出了一种基于策略演化水平集算法的快速医学图像分割方法,其策略是通过转换外部轮廓曲线/曲面上的点为内部轮廓曲线/曲面上的点（或做相反操作时）,检验能量函数是否减小来决策水平集演化;如此扫描内外轮廓曲线/曲面,使得分割曲线/曲面向目标边界移动。相对于传统水平集算法,该方法不需要解偏微分方程,可极大地减小计算量、提高图像分割的速度。同时,该算法克服了直接计算能量函数水平集方法中存在的问题(陷入局部能量最小和需要扫描整个图像)。最后通过2维和3维医学图像的分割实验,展示了该算法的快速性与精确性。     

基于三维全卷积网络的肝脏和肝癌分割算法研究

为了解决计算机断层扫描(computed tomography,CT)影像中肝脏和肝癌的准确分割问题,提出了基于三维全卷积网络的肝脏分割算法和肝癌分割算法。肝脏分割算法和肝癌分割算法都采用Vnet网络进行分割。在肝脏分割算法中,采用了形态学方法进行后处理,提高了肝脏分割准确率。在肝癌分割算法中,采用了组合损失函数训练Vnet网络,使得Vnet网络更好地收敛,并加入后处理提高了肝癌分割准确率。为了验证算法的性能,采用MICCAI 2017 Liver Tumor Segmentation Challenge(LiTS)数据集进行了肝脏分割和肝癌分割的5折交叉验证实验。肝脏分割算法在测试集的平均分割准确率为0.9510,高于Unet网络和3D Unet网络;肝癌分割算法的平均分割准确率为0.712。实验结果表明,肝脏分割算法可以准确地对肝脏进行分割,肝癌分割算法也达到了较高的准确率。