自适应水平集方法乳腺超声肿块分割应用

针对超声成像固有的噪声大、伪影斑点多、对比度低等特点, 在利用CV和LBF模型优点的基础上, 融合了动态变化制导的全局信息和局部信息, 在能量泛函演化过程中, 全局信息项和局部信息项的权重系数实时变化调整。实验结果表明, 与两种已有模型相比, 该方法能够较好地处理灰度非匀质乳腺超声图像的肿块病灶分割问题, 分割准确性和病灶边缘细节处理更好, 分割速度较快, 临床适用性更强。     

基于自适应区域生长算法的肝脏分割

把肝脏器官从医学图像中提取出来,为肝脏的三维重建及最终的仿真手术模拟提供正确的数据。针对腹部CT图像中脏器组织多、图像纹理结构复杂、灰度差别小、边缘不明显等特点,提出一种改进的自适应区域生长分割算法。该算法基于两个局部参数：待生长点的局部平均灰度和局部平均梯度,对传统区域生长算法的生长准则进行了改进。实验结果表明,得到的肝脏分割结果比传统区域生长算法分割结果更精确,可以为后续的肝脏三维重建及仿真手术提供准确的数据。     

基于免疫算法和水平集的乳腺肿块分割方法

给出了一种乳腺肿块的自动分割方法。首先,使用肿块局部高亮、灰度均匀等区域信息的免疫算法检测器快速检测出包含肿块的感兴趣区域(ROI),显著减少了ROI的非目标信息;检测器可自动设置C-V水平集的初始位置,对ROI进行精确分割,不仅减少了计算量和提高了肿块分割的自动化程度,还增强了目标和背景是同质的命题的真实性,提高了水平集分割算法的性能。实验结果表明,方法能自动、快速、准确的分割肿块(包括毛刺征等),使测得结果与诊断结果相符。     

基于区域的烟尘图像分割方法

烟尘图像分割是图像分割方法的一个较新的应用方向。高效、准确的烟尘图像分割技术对于大气污染监控、森林火灾预警以及军事情报获取等方面都有重要的意义。将阈值分割、区域生长、区域分裂与合并等基于区域的方法用于烟尘图像分割,并对三种分割方法在烟尘图像分割中的性能表现进行了分析。研究结果对烟尘图像分割中算法的选型具有一定的参考价值。     

基于区域生长的翡翠云雾纹理分割方法

根据翡翠云雾纹理特征,提出基于区域生长算法的翡翠纹理分割方法。首先,将图像转换到YCbCr颜色空间,根据统计的翡翠CbCr分量范围,利用边界跟踪算法确定分析区域,然后针对CbCr分量进行FCM聚类,选定生长区域种子,根据生长区域颜色相近和纹理相似的特征,进行区域生长,利用灰度共生矩阵分析Y分量进行纹理特征提取,针对分割效果影响因素,进行区域合并。实验表明该方法的分割效果良好。     

电力设备红外图像分割的自适应聚类区域生长法

为了提高图像分割的精度,提出一种自适应聚类的区域生长法。提出一种新的自适应聚类选种,实现种子点的自动选取。提出基于全局的灰度阈值和梯度阈值作为生长准则进行生长。利用形态学腐蚀去除小型电力设备的干扰。实验结果表明,与传统分割方法相比,该方法有效地提高了电力设备红外图像的分割效果,同时验证在不同噪声强度的干扰下,该方法具有良好的鲁棒性。     

乳腺X线图像肿块分割研究

乳腺癌是女性最常见的恶性肿瘤疾病。肿块是乳腺癌一个很重要的征象。首先描述乳腺癌的研究现状,接着介绍了乳腺X线图像库,然后从以下四类对乳腺钼靶X线图像中的肿块分割技术进行综述:基于阈值的分割技术、基于区域的分割技术、基于特定理论的分割技术和基于模型的分割技术,最后对乳腺X线图像中肿块分割的发展前景进行讨论。     

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．     

一种基于MAS的自适应图像分割方法

复杂图像的全自动分割是极具挑战性的问题．提出了一种基于MAS的自适应图像分割方法．通过属性和行为描述Agent个体，通过合作竞争描述了Agent间的交互．MAS系统在Agent反复自适应过程中达到平衡，同时完成图像分割．通过分割复杂的医学图像证实了该方法的有效性，MAS在图像分割领域具有应用价值．     

区域生长算法进行肺的CT图像分割

使用Matlab开发平台设计了一个区域生长算法以用于肺的CT图像的分割。试验结果表明．区域生长算法能较好地将肺实质区域分割出来,满足进行下一步肺结节检测的需要.     

结合区域生长与模糊连接度的肺气管树分割

针对CT图像中因噪声、密度分布不均匀和边界模糊等因素造成肺气管树难以准确分割的问题,提出了一种区域生长与模糊连接度相结合的肺气管树分割流程。通过阈值化及形态学闭操作提取出肺实质以定义感兴趣区域;采用改进迟滞阈值区域生长法预分割出较粗气管并结合局部体积突变指标抑制侧向泄漏;将预分割的结果进行骨架化及修剪来进一步提取出分支点,并以此作为后续分割的新种子点;根据CT图像的灰度均匀性与气管的管状结构特征来构造亲和力函数以计算种子点与其他体素的模糊连接度,并选取合适的阈值对模糊连接度进行阈值分割以提取出完整气管树。实验采用了20例来自EXACT’09竞赛提供的公开数据,分别从分支点、分支数量和分支数比率等方面进行了量化评估。该方法能在较低泄漏情况下成功检测出参考标准中一半以上的分支,平均分支数比率达到59.7%。实验结果表明,该方法可对肺气管树进行较精确的分割。     

基于可视色差与区域生长的彩色图像分割

提出了一种基于可视色差和分块区域生长的彩色图像分割算法,首先将待处理图像划分成若干大小相同的子块,在CIEL*a*b*颜色空间中计算每个子块的色彩均值和方差值,根据方差值对子块分类,利用可视色差对颜色均匀子块分类、合并,获得初始分割区域,利用四叉树算法对纹理子块分裂合并,然后从初始分割区域开始生长、合并,并删除小颜色块。实验结果证明了算法的有效性,分割结果符合人的主观感知。     

定向区域生长算法及其在血管分割中的应用

针对医学图像中微细管道结构灰度连续性差,采用常规区域生长法进行分割容易丢失末梢的问题,提出一种定向区域生长算法,可以在生长过程中跨越管道结构中的低灰度 区域。算法向图像中已生长区域外灰度最高的方向进行生长,每次将一个体素加入已生长区域,将图像转变为一颗以种子点为根结点的树,再从叶子结点进行回溯以确定感兴趣区 域。对实现算法的数据结构进行了讨论。算法可以应用于任意维的图像。对2维和3维图像的测试结果表明,相对于常规的区域生长法,算法可以分割出更多的血管分支。算法对3维 图像的运行时间为秒钟量级,可以满足临床应用的要求。     

结合区域生长与灰度重建的CT图像肺气管树分割

目的 CT图像中肺气管树分割对肺部疾病的精确定位与量化评估具有重要意义。针对不同气管分枝在大小、形状和密度分布方面的差异,提出一种区域生长与形态学灰度重建相结合的3维肺气管树分割流程,重点解决气管提取过程中的局部泄漏问题。方法 首先,采用阈值分割和形态学闭运算提取肺实质以定义感兴趣区域;然后,通过改进迟滞阈值区域生长法分割较粗气管,结合局部体积突变指标抑制侧向泄漏;接着,利用3维形态学灰度重建算法分割较细气管,并采用形状约束连接元分析和管形描述子剔除伪气管区域;最后,将上述两步分割结果融合成完整气管树。结果 采用EXACT’09竞赛提供的公开数据,选取20例测试图像及手工标记结果作为参考,分别从分杈点、分支数量和分支数比率等方面进行量化评估。实验结果表明,本文方法能在较低泄漏前提下成功检测出参考标准中一半以上的分支、平均分支数比率达到55.5%。结论 与竞赛网站公布的其他方法相比,本文方法结果评价指标处于中上水平,但算法简单、计算复杂度低、易于实现,在泄漏检测方面有一定优势。     

基于两阶段区域生长的肝内血管分割算法

提出一种基于两阶段区域生长法的肝内血管分割算法。在第一阶段,使用三维区域生长法从CT图像序列中提取出肝脏,区域生长法的生长准则由均值和方差双阈值来决定。分别通过形态学运算和中值滤波对分割出的肝脏序列进行降噪处理。在第二阶段,再次利用区域生长法从已经得到的三维肝脏图像序列中分割出血管,区域生长法的生长准则仅由均值作为单阈值决定。对两阶段区域生长法的实验结果进行三维重建,与传统区域生长法的三维重建结果相比较,能够体现出该算法的准确性。     

区域生长的轮对图像分割

轮对作为列车的重要组成部分,其踏面磨耗参数的在线检测对保障轨道交通安全具有重要意义。在基于光截图像测量技术的轮对外形尺寸动态检测中,能否获取完整的轮对轮廓图像至关重要。针对轮对图像特点,提出一种基于区域生长的轮对图像分割新算法。该算法根据不同情况下轮对图像特点,通过基点位置选取恰当的种子点,并确定合适的生长准则。经过区域生长,有效地提取轮对轮廓图像。通过大量图像验证,该算法分割结果图的交迭面积比大于80%,误分面积比小于0.02%。可以在多种情况下有效地提取轮对轮廓曲线,具有良好的抗噪能力。     

基于显著性定位和动态自适应区域生长的HRMR图像斑块分割

为了解决HRMR图像斑块边界模糊及灰度不均匀造成的分割难问题,提出了一种结合显著性定位与改进动态自适应区域生长的斑块分割方法。使用非局部均值滤波算法、平滑梯度实现图像去噪与斑块模糊边缘增强;通过显著性检测获得显著图像,采用形态学开重构得到斑块定位图像;利用改进的动态自适应区域生长算法,实现颅内斑块的准确分割。本实验对象为34组脑血管狭窄患者的HRMR图像,通过与专家手动分割结果对比,斑块的平均分割准确度达到90.16%。研究结果表明,本方法不仅能够提高斑块的分割精度,完整地保留颅内斑块的弱边缘信息,同时还可以避免不同医生手动分割造成的主观差异性,或可用于辅助脑血管狭窄患者的临床诊断与治疗。     

基于子块的区域生长的彩色图像分割算法

提出了一种基于图像子块的区域生长算法,应用于彩色图像分割。首先将图像划分成多个不重叠子块,然后利用从CIE L*a*b*颜色空间中提取出的每个子块的颜色和纹理特征,先进行子块内颜色聚类,达到子块分类的目的,再根据生长准则进行基于分类子块的区域生长,实现对自然彩色图像的分割。实验结果证明了算法的有效性,分割结果符合人的主观感知。