分水岭优化的Snake模型肝脏图像分割

Snake算法是主动轮廓模型的经典算法,是近年来图像分割和视频领域研究的热点。针对Snake模型中存在的初始轮廓敏感和能量函数中曲率约束不足等问题,提出将分水岭变换和主动轮廓模型相结合的主动轮廓分割算法。首先通过引入标记函数和强制最小值技术解决传统分水岭变换可能导致的过分割问题,然后利用改进的强制标记分水岭算法优化Snake模型的初始轮廓曲线,最后通过在Snake模型中增加一项与曲线形状相关的外部力弥补能量约束函数中曲率约束的不足,从而实现更精确的图像分割。改进后的Snake模型应用于腹部MR图像中,对肝脏图像的识别和分割取得了良好效果。     

基于时空联合双重约束Snake算法的运动目标分割

提出了一种针对运动目标进行分割的STC（Spatio Temporal Combined） Snake算法。该方法利用待分割帧图像的灰度梯度及其和相邻帧图像的时域信息,构造一种时空联合双重约束的外部能量函数,实现对Snake曲线的变形和收敛。对Snake轮廓进行初始化时,首先将相邻帧图像进行减运算,提取出大致的运动区域,然后再以该区域的外接矩形的长和宽为轴长,在该区域上构造一个椭圆,等间距提取该椭圆形上的N个点,形成Snake的初始化轮廓。实验结果表明,该方法是有效可行的,可精确的分割出非刚体的运动目标。     

基于直方图梯度计算的 T2加权脑部 MR 图像自动分割

针对脑部核磁共振图像分割问题,提出了一种直方图梯度计算方法。首先,对 MR 图像的直方图进行平滑处理,从而去除三个体素中出现的最低灰度级;然后,在预处理后的直方图上计算梯度;最后,计算对象数和其所在位置的梯度,并对图像进行自动分割。基于直方图处理进行梯度计算,大大降低了计算复杂度。在 T2加权脑部 MR 图像上的实验结果表明,该方法可以有效地从二维和三维图像中提取出主要脑部区域,并在临床环境中获得的人类脑部 MR 图像上成功实施,分割效果优于其他几种现有分割算法。     

基于粒子群优化算法和改进的Snake模型的图像分割算法

基于活动轮廓（Snake）模型的目标轮廓提取是图像分割中一种重要的方法.为了克服传统Snake模型在图像分割中不能向凹处收敛和收敛不准确的缺点,提出了一种粒子群优化算法与改进的Snake模型相结合的图像分割算法.改进的Snake模型,即在传统的Snake 模型的基础上增加了一个向心能量,增加此能量可以使初始化曲线向目标的凹处收敛.又由于粒子群优化算法具有获得全局最优的能力,可以使曲线能更准确地收敛到目标的边界.通过实验证明此方法可以取得很好的分割效果.     

基于预测-校正改进Snake的心脏MR图像左心室外轮廓分割

在心脏MR图像中,由于左右心室结合处的灰度非常靠近,在左心室外轮廓上形成弱边界,基于Snake模型分割左心室外轮廓时就会有边界泄漏的问题.本文先定义了两种局部信息用于边缘增强,并构造了合理的外力场,然后将传统Snake模型的形变结果作为对轮廓新位置的预测,基于左心室外轮廓形状的先验知识对预测的结果进行校正,使得Snake的形变由预测、校正两步来完成.实验结果表明,这种预测-校正两步形变Snake模型对心脏MR图像左心室外轮廓分割有较好的效果.     

基于高斯混合模型的脑部MR图像自动分割

将脑部组织从MR图像中提取出来是脑部图像处理的一个重要环节,如何精确地将脑组织从非脑组织中分离出来成为研究的难点。传统的水平集方法仅依赖梯度信息,由于脑部图像含有噪音、过度区域等因素的影响,使得分割效果不是很理想。文章提出了一种脑部MR图像的自动分割方法,它利用模糊各向异性扩散方法对图像进行平滑,结合直方图分析得到了图像的全局信息自动构造初始曲线,并利用高斯混合模型构造水平集演化的速度函数,得到较好的分割结果。对脑部MR图像分割的实验表明该方法准确度高、抗噪性能良好。     

基于核聚类算法和模糊Markov随机场模型的脑部MR图像的分割

为了更有效地对被噪声污染的脑部MR图像进行分割,提出了一种基于模糊核聚类和模糊Markov随机场的脑部MR图像分割算法。该算法在使用高斯径向基函数的核聚类目标函数中,引入了基于Markov随机场的补偿项,作为分割算法的空间约束。这种空间补偿项用Gibbs分布描述,实际上是一种归一化的核函数,其和用来度量灰度特征的核函数的形式是相似的,并且这种空间约束利用了分割结果的模糊信息。这种基于核函数和Markov随机场模型的算法克服了传统聚类以及核聚类算法的缺陷,不仅提出了更加合理的空间约束, 而且改善了原有的分割模型,因此可以得到更加分段光滑的聚类结果。通过对合成图像、模拟MR图像以及临床MR图像进行的分割实验以及和标准分割结果的比较表明,该算法优于相关算法,可以有效地分割被污染的MR图像。     

Snake模型初始轮廓选取的研究

针对Snake模型处理复杂背景图像时的初始轮廓自动选取问题,该文采用分水岭算法先对图像进行分割,并将得到的边界作为Snake模型的初始边缘轮廓。由于分水岭算法具有将目标物体从复杂背景中分割开来的优点,使得在应用Snake模型对复杂图像进行分割时减少了人工的干预。经过实验对比,采用分水岭算法对玉米秸秆图像进行边缘轮廓的提取能达到较好的效果,为自动进行Snake模型的计算提供了一种较好的初始轮廓处理方法。     

改进的主动轮廓模型在脑肿瘤MRI图像轮廓提取中的应用

针对主动轮廓模型(Snake)处理图像时的初始轮廓选取问题,采用改进的区域增长法对图像进行预分割,并将得到的边缘作为主动轮廓模型的初始边缘轮廓;然后分别用sobel算子与梯度矢量流(GVF)代替图像梯度进行主动轮廓模型外部能量的计算,在速度满足要求的情况下,提高了目标区域的提取精度.实验结果表明,基于GVF的主动轮廓模型在脑肿瘤的轮廓提取中能取得更好的效果.     

一种新的结合图像梯度的局部活动轮廓模型

基于区域的局部二值拟合模型只考虑图像灰度的平均值统计信息,然而由于图像中的噪声改变了图像的灰度分布,该类方法对于包含大量噪声的图像往往很难获得理想的效果。为了提高模型对于噪声的鲁棒性,提出了一种结合图像统计信息和梯度信息的局部活动轮廓模型。该模型在图像灰度的统计信息的基础上,加入图像梯度信息,分别构造以高斯函数为核函数的局部二值灰度拟合能量和局部二值梯度拟合能量,得到最终的能量泛函,并通过最小化该能量函数,驱使活动轮廓向目标边缘演化。实验结果表明,基于图像灰度和梯度的局部活动轮廓模型能够有效克服图像中弱边缘以及强噪声对于分割结果的影响,其分割精度高于同类方法。     

一种改进的变分水平集的图像分割算法

为了解决灰度不均匀现象对医学图像的干扰问题,提出了基于局部极性信息的活 动轮廓模型。通过引入局部图像信息,该模型能有效地分割灰度不均匀图像。在规则化项中增 加的能量惩罚项,使得水平集函数在演化过程中保持为近似的符号距离函数。该算法将图像分 割问题归结为曲线能量泛函的最小化,首先建立包含局部灰度信息（极性信息）和改进的符号 距离函数的曲线演化能量泛函;然后采用变分水平集方法求解能量函数的最小值,得到最终的 分割结果。真实医学图像和人工合成图像的实验结果表明,此方法对灰度不均匀的医学图像有 较高的分割精确度,在图像分割速度上有较大提高。由于利用了局部灰度信息,可以有效地分 割灰度不均匀的医学图像,而改进后的变分水平集可以完全避免重新初始化,使得图像分割效 率大大提高了。     

基于改进快速活动轮廓模型的左心室核磁共振图像分割

提出了改进的基于贪婪优化算法的快速活动轮廓模型，原算法加快了求解最优能量曲线的速度，但初始轮廓线必须给定在图像特征的附近。通过在优化的目标函数中增加面积能量项，扩大了算法捕获图像特征的范围，在对贪婪优化算法分析的基础上，给出了局部面积能量项的构造和使用方法，进而简化了优化的目标函数．实验结果表明，该算法具有快速、能在更大的范围内捕获图像的特征、较好地处理图像中凹陷区域的能力，是一种有效的分割左心室MRI图像的算法。     

稀疏形状先验的脑肿瘤图像分割

目的 在脑部肿瘤图像的分析过程中,准确分割出肿瘤区域对于计算机辅助脑部肿瘤疾病的诊断及治疗过程具有重要意义。然而,由于脑部图像常存在结构复杂、边界模糊、灰度不均以及肿瘤内部存在明暗区域的问题,使得肿瘤图像分割工作面临严峻挑战。为了克服上述困难,更好地实现脑部肿瘤图像分割,提出一种基于稀疏形状先验的脑肿瘤图像分割算法。方法 首先,研究脑部肿瘤图像的配准与形状描述,并以此为基础构建脑部肿瘤的稀疏形状先验约束模型;继而,将该稀疏形状先验约束模型与区域能量描述方法相结合,构建基于稀疏形状先验的能量函数;最后,对能量函数进行优化及迭代,输出脑部肿瘤区域分割结果。结果 本文使用脑胶质瘤公开数据集BraTS2017进行算法测试,本文算法的分割结果与真实数据之间的平均相似度达到93.97%,灵敏度达到91.3%,阳性预测率达到95.9%。本文算法的实验准确度较高,误判率较低,鲁棒性较强。结论 本文算法能够结合水平集方法在拓扑结构描述和稀疏表达方法在复杂形状表达方面的优势,同时由于加入了形状约束,能够有效削弱肿瘤内部明暗区域对分割结果造成的影响,从而更准确和稳定地实现脑部肿瘤图像分割。     

一种基于主动轮廓模型的医学图像序列分割算法

介绍了一种结合live wire算法和活动轮廓模型的医学图像序列的分割方法.通过把live wire算法和图像分割中一般的区域增长方法结合,对传统live wire算法进行了改进,并用改进后的算法对医学图像序列中的单张或多张切片进行交互式地准确分割.然后计算机利用活动轮廓模型自动分割相邻的未分割切片.还通过在活动轮廓模型的边缘点中引入记录已分割物体边缘附近局部区域特征的灰度模型,把已分割切片中的物体与背景的局部区域特征带入相邻的未分割切片中,并用由灰度模型定义的区域相似性代替活动轮廓模型中的外能来引导边缘轮廓收敛到物体的实际边缘.最后介绍了一种基于live wire算法思想的简单的分割结果交互式修复方法.实验结果表明该算法仅需少量用户交互就能快速准确地从医学图像序列中分割出感兴趣的物体,在医学图像分析中具有实用价值.     

结合梯度和区域信息的多尺度水平集图像分割

提出了一种结合梯度和区域信息的多尺度水平集图像分割算法。该算法结合梯度和区域信息构造能量函数,在梯度约束项中,构建了一个基于小波高频分量的边缘检测函数,在区域约束项中,运用经典C-V模型的区域项,得到混合C-V模型,采用变分法求解,并消除了水平集的重初始化。利用小波变换首先在逼近图像中运用混合C-V模型得到粗分辨图像的一个粗尺度分割,再对当前粗尺度下的最终轮廓线作内插操作,将得到的近似轮廓曲线作为初始水平集函数在原图像中运用消除重初始化的C-V模型演化得到最终的分割。实验结果表明,在同样的模型参数条件下,该方法具有比传统方法更高的演化效率和分割质量。     

融合形状先验的向量CV模型图像分割算法

Chan等人提出的向量CV模型尽管解决了传统CV模型无法分割向量值图像的问题,但是向量CV模型对于含有噪声或遮挡物等复杂的图像,无法正确分割目标。针对此问题提出一种融合形状先验向量CV模型。其能量泛函主要包含形状先验项、图像区域信息项以及距离正则项。此能量函数使得主动轮廓和形状先验位置相近时停止演化。该模型所用形状模板可以与目标形状仿射不同,使得算法更加灵活。该模型对含噪以及目标遮挡的图像具有很好的分割效果。     

一种改进的Snake模型与MRI图像分割

Snake模型分割图像时要求初始轮廓线位于图像特征附近,且难以处理深度凹陷区域。该文在快速Snake模型的目标函数中增加局部面积能量项,扩大了算法捕获图像特征的范围;以边缘增强后的BPV图像的梯度为参数,计算梯度向量流场以代替MRI图像的梯度,提高了算法处理弱边界和凹陷区域边界的能力,优化算法的时间复杂度仍然为O(nm)。实验结果表明,该算法能够有效地分割左心室MRI图像。     

带H1正则项的C-V模型

C-V模型(CHAN T F, VESE L A. Active contours without edges. IEEE Transactions on Image Processing, 2001, 10(2): 266-277)是一个著名的基于区域的图像分割模型。它对活动轮廓的初始化和噪声不敏感,但分割的图像的范围不够广泛。因此,运用理论分析与实验相结合的方法,在C-V模型中添加H1正则项,对其进行了改进,提出了一个新颖的图像分割的能量泛函,并推导出了以偏微分方程形式表示的基于区域的自适应插值拟合的活动轮廓模型。实验表明：该模型能够分割某些原来C-V模型不适用的图像,它对初始轮廓的大小、位置的敏感性较小,抗噪性较强。     

基于区域活动轮廓模型的高光谱图像分割方法

针对高光谱图像特点,提出了一种基于区域活动轮廓模型的高光谱图像分割方法。综合考虑高光谱图像的空间信息和光谱信息,对Chan\|Vese方法中的能量函数加以改进,利用空间全局信息和同质区域的灰度一致性,约束能量函数空间项;利用目标光谱信息相似性,约束能量函数光谱项,最后通过能量函数最小化实现图像分割。该方法能够有效提取高光谱图像中的模糊轮廓,从而降低混合像元和目标周围阴影对分割造成的影响。利用两幅AVIRIS图像进行仿真实验,实验结果表明,提出的方法能够获得令人满意的分割效果,并且对复杂场景具有一定适应性。     

A robust active contour model driven by fuzzy c-means energy for fast image segmentation

In this paper, we propose a robust region-based active contour model driven by fuzzy c-means energy that draws upon the clustering intensity information for fast image segmentation. The main idea of fuzzy c-means energy is to quickly compute the two types of cluster center functions for all points in image domain by fuzzy c-means algorithm locally with a proper preprocessing procedure before the curve starts to evolve. The time-consuming local fitting functions in traditional models are substituted with these two functions. Furthermore, a sign function and a Gaussian filtering function are utilized to replace the penalty term and the length term in most models, respectively. Experiments on several synthetic and real images have proved that the proposed model can segment images with intensity inhomogeneity efficiently and precisely. Moreover, the proposed model has a good robustness on initial contour, parameters and different kinds of noise.