面向三维CAD模型检索的模型分割方法

为了提高三维CAD模型分割的效果及其对模型检索支持的有效性,提出一种面向三维CAD模型检索的模型分割方法。首先通过提取B-rep形式CAD模型的几何拓扑属性,将模型转换为属性邻接标记图;然后依据图中节点和连线的凸凹性将模型初步分割为凸凹性连续的局部区域,再以分割内聚度最大为目标,基于区域耦合度进行可合并区域的选择与优化合并;最后采用区域最优匹配的方法进行模型间的相似性比较和检索。实验结果表明,该模型分割方法能有效支持模型检索,可实现CAD模型的重用。     

基于平均密度投影和平移高斯模型的肺结节检测与分割算法

针对 CT图像中肺结节与血管粘连导致分割困难的问题,提出了一种基于平均密度投影和平移高斯模型的肺结节检测与分割算法。首先通过对二维CT序列图像作平均密度投影(AIP),融合局部三维特征生成AIP图像,然后利用阈值分割和形态学方法对结节轮廓进行粗分割,最后通过建立平移高斯模型来拟合肺结节,从而实现对肺结节的精确分割。对30个血管粘连性肺结节CT图像的实验结果表明,本文算法与专业医师标记区域的面积交迭度达到91%,能够实现对粘连型肺结节的有效分割,但对于灰度较弱且体积较小的肺结节仍存在漏检的风险,需要后续进一步研究。     

基于Hausdorff距离区域生长的缺陷边缘重建方法

针对X射线探伤图像中的缺陷被提取时易产生形变,提出一种基于Hausdorff距离区域生长的缺陷边缘重建方法.首先对图像求补运算,以分水岭算法决定结构元素尺寸,采用改进的自适应数学形态学滤波算法处理图像,图像经阈值分割得到包含缺陷的二值图像;在此基础上对缺陷目标进行形态学收缩得到区域生长的若干种子点,以种子点的原始像素值为初始值,选择目标区域中的像素值大于或等于初始值的像素点进行合并生长得到新目标图像,以初始值减去2得到新的初始值,然后循环生长并计算新目标Canny边缘图像与原目标Canny边缘图像的Hausdorff距离,采用最小hausdorff距离为区域生长停止规则,所有目标生长完全后经过组合从而实现缺陷边缘重建.试验结果表明,该方法能够有效恢复缺陷的原貌,缺陷边缘重建效果明显.     

一种基于自适应形态学中椭圆结构元素的遥感图像水体分割方法（英文）

利用可见光和红外遥感图像统计水体区域面积是掌握水资源基本情况的有效手段,而水体分割是统计的前提。通常遥感图像中水体区域的边缘特征较为复杂,在利用传统形态学图像分割方法时,通常采用固定结构元素对图像进行形态学运算,导致图像边缘属性易发生改变,进而影响图像分割准确率。为了准确分割遥感图像中的地表水体,提出了一种利用形态学自适应椭圆结构元素的遥感图像水体分割方法。首先利用线性结构张量估计图像特征值和特征向量,根据该特征属性构造可自适应变化的椭圆结构元素;然后定义相应的自适应形态学基本运算,进而组合衍生出相应的闭运算,消除暗细节噪声对水体的影响且不会对水体边缘过度拉伸,因而能够更准确的保持水体边缘;最后在此基础上,运用灰度切片分割出水体区域。实验结果表明,所提出的方法具有较高的分割准确率,平均分割误差小于1.43%。     

一种基于改进水平集与边缘检测结合的轮廓提取与检验方法

目前图像分割方法主要研究图像分割精度、质量等,但对分割的结果研究甚少,通常是依靠人工检测结果的收敛性。通过分析图像边界的特点,给出了强边界、弱边界的定义和收敛准则,提出一种将改进的水平集与边缘检测相结合的图像分割方法,用来检验图像分割结果的收敛性,提高分割结果可信度。首先利用自适应区域生长分割出图像初始区域;然后利用预分割的结果构造初始水平集函数和进行边缘演化;最后,用边缘检测算子对分割结果进行检验,将检验得到的结果再进行水平集演化,如此往复,直到收敛。实验结果表明,该方法对弱边界图像有很好的分割效果,可较为理想地提取海马图像中的目标。     

肺结节自动检测算法研究

本文研究一种用于自动检测CT图像中肺结节的计算机辅助检测(CAD)算法.该算法首先从CT图像中分割出肺部区域,然后利用基于图像灰度分布的阈值方法提取出包含肺结节和血管的感兴趣区域(ROIs).在研究区分肺结节和血管的特征之后,利用基于规则的判别方法将感兴趣区域进行分类并提取出肺结节.运用本算法对232幅CT序列图像进行实验,实验结果表明运用该算法具有高达85%的检出率.     

基于NSCT域边缘检测的侧扫声呐图像分割新方法

针对侧扫声呐图像混响噪声严重、对比度低、分割困难的问题,根据侧扫声呐图像成像特点,提出一种基于非下采样Contourlet变换(NSCT)域边缘检测和区域生长的侧扫声呐图像分割新方法.首先,对侧扫声呐图像进行NSCT分解,通过K均值聚类法在NSCT域低频部分对阴影进行分割;然后通过寻找NSCT域高频层由同一粗尺度分解的2个细尺度相邻子带系数差的模极大值位置,来选择图像边缘点,并进行尺度内、尺度间的边缘融合;最后,利用基于边缘的区域生长方法完成对目标的分割.实验结果表明,该方法对侧扫声呐图像分割具有抗噪性能好、正确分类率高以及边缘定位准确等优点.     

T2加权人脑MR体数据的脑提取

为了实现人脑T2加权MR图像的脑组织和非脑组织的分割,提出了一种基于三维形变曲面模型和数学形态学算法的MR T2图像脑提取方法.该方法分为两级提取:第一级提取依据脑解剖学知识,影像学知识及T2加权MR脑图像的组织在灰度直方图中的分布规律,应用三维形变曲面模型和区域生长实现脑的初级提取;第二级提取则根据图像的局部信息,应...     

基于多尺度水平集的MR图像海马区分割方法

针对MR图像中海马区存在灰度不均匀性,基于区域动态轮廓的C-V模型只利用区域信息无法获得准确的海马区分割问题,结合多尺度边缘约束的演化思想和图像区域的全局信息,提出了一种结合边缘和区域信息的多尺度水平集MR(magnetic resonance)图像海马区分割方法.首先,在C-V模型的基础上采用内部约束能量项,消除水平集的重初始化,提高分割速度;其次,改进水平集函数中外部能量项的图像区域全局信息,解决由于灰度不均匀所引起的分割不准确问题;最后,在水平集函数的外部能量项中加入基于多尺度图像边缘的梯度信息,作为边缘约束停止项,使分割效果达到优化.实验结果表明,该算法对存在灰度不均匀性的图像海马区分割速度快、准确率高.     

红外弱小目标的分割预检测

提出了一种目标分割预检测方法来提高检测红外弱小目标的准确性和实时性。针对红外图像的特点,利用改进的自适应背景感知算法抑制目标图像的背景以提高目标检测概率;根据已有的先验知识构造属性集,把灰度直方图限定在感兴趣区域,减少背景的影响;然后,利用属性直方图的最大熵进行图像分割以检测目标。为了提高分割算法运算速度,应用了快速递推算法。实验结果表明,本文提出的背景抑制算法能更好地抑制背景,提高图像的整体信噪比;分割算法具有更好的分割检测效果,候选目标点分割准确、虚警目标点较少,运算速度提高了91%。对分割图像进行后续处理,剔除了大部分虚警目标点,为后续目标准确检测提供了有力保障。