多阈值优化的交互式医学图像分割方法

交互式图像分割方法对边界模糊的医学图像进行分割时通常需要用户标记较多的初始种子或进行二次交互,这给用户带来不便.针对此问题,提出一种简化标记的多阈值优化交互式分割算法,该算法在GrowCut交互式算法基础上通过引入图像灰度直方图的多个阈值自动生成初始种子模板,并利用改进的细胞自动机迭代算法实现图像分割.算法简化了用户操作,提高了分割精度.算法应用于临床肝脏图像和牙茵斑图像分割,显示了良好的分割效果.     

基于自适应局部阈值的交互式图像分割

目前比较主流的交互式图像分割技术,对用户的输入位置和输入量比较敏感,而且用户的输入具有试探性,所以为了得到满意的分割结果,用户不得不多次调整自己的输入,比较繁琐。针对这种不足,提出一种新的交互式图像分割方法。首先采用基于自适应局部阈值的图像分割算法,生成一系列同质区域,并描绘出其轮廓;然后用户用不同颜色,粗略标记出组成不同目标的区域集;最后通过合并同色标记的区域集,完成图像分割。实验结果表明,该算法不仅满足用户对交互式图像分割输入更直观、结果更准确的需要,同时方便地实现了多区域多目标的图像分割。     

基于图像区域的交互式文本图像阈值分割算法

针对现有局部阈值分割算法因参数过多带来的参数选择问题以及在分割结果中块与块之间不连续性问题,利用用户提供的先验知识或经验,提出了一种基于灰度图像区域的交互式文本图像阈值分割算法.该方法首先粗略地将图像进行分块;利用标准差作为衡量图像块含有信息量(背景信息与目标信息)多少这一度量,接着按标准差大小对所有图像块进行排序;然后由用户输入交互式信息将所有图像块分为3个集合:仅含背景或仅含目标的图像块、含有少量背景或者是含有少量目标的图像块以及背景和目标分布比较均衡的图像块;最后对各个集合中的图像块分别按相应准则进行分割.实验结果表明,对于均匀和非均匀光照条件下的文本图像,与全局分割算法、直接分块分割算法和Chou方法相比,该方法在分割效果上有显著提升,而且执行效率也较高.另外,对于部分非文本图像也同样有效.     

交互式医学图像分割算法

针对医学图像的特点,提出了一种结合Live Wire算法和轮廓插值算法的三维医学图像分割算法.与原Live Wire算法相比,改进算法在不增加算法复杂度的同时,大大提高了图像分割的性能.为了进一步提高图像的准确性,用下列方法弥补了原算法的不足:通过寻求最短搜索路径,另外尽可能地降低搜索的时间复杂度.将改进的算法与余弦轮廓插值技术相结合,用在病灶组织区域形状变化较大的断层图像(关键层)分割中.实验表明算法能快速有效的从序列医学图像中分割出感兴趣的物体,为医学诊断提供了依据.     

基于live-ware交互式的图像分割研究

图像分割是指将图像中具有特殊涵义的不同区域区分开来,这些区域是互相不交叉的,每一个区域都满足特定区域的一致性。Live-Ware作为一种分割算法,其特点主要体现在其交互性上。本文使用Live-Ware交互式分割算法对图像进行了分割研究。     

多颜色空间上的交互式图像分割

介绍了视觉颜色空间及其在交互式图像分割中的作用,实验分析了它的奇异性,在此基础上,考虑像素的空间和色彩分布,提出了基于区域生长法的多颜色空间、多度量准则的聚类算法和零碎区域的合并算法,颜色空间选取HSL和RGB两种,相似性度量包括了种子点、扩张点和生长区域三个方面,并用于敦煌壁画图像的分割。     

超混沌图像清晰光滑轮廓动态分割算法仿真

针对传统的图像分割表面出现模糊、并且噪声干扰较强等缺陷,提出一种超混沌图像清晰光滑轮廓动态分割算法.通过周期是三的周期点,分析连续性自映射超混沌现象,通过控制图像纹理结构不同的参数就能够对图像进行平滑处理,基于总差变对图像矩阵进行正则化处理,对图像的平滑程度进行调节,在基于判决分析的理论原则之下,由总像素获取图像概率分布以及灰度均值,计算最佳的阈值,明确类间反差最大为最佳阈值,最后选取高斯范本去噪并保留低频,完成图像轮廓动态分割.通过仿真证明:对超混沌图像分割后,目标轮廓清晰可见,边缘细节保存完好,分割准确率始终在90％以上,拟合曲线停止位置均较接近合理变化位置,图像分割效果达到最佳.     

基于FCM和图割的交互式图像分割方法

为了提高在前景和背景颜色相似情况下图像的分割效果,提出了一种基于模糊C均值聚类（FCM）和图割的交互式图像分割方法。首先,利用分水岭算法对图像进行预处理,将图像分成多个小区域,用区域代替像素点进行分析。然后,采用模糊C均值算法对用户标记的前景区域和背景区域分别进行聚类分析,挖掘用户交互所提供的隐藏信息。用未标记区域的颜色分量到前景区域及背景区域类心的最小距离表示相似能量,用未标记区域与其相邻区域的相关性表示先验能量。最后,利用最大流/最小割算法求能量函数的全局最优解。与其他方法相比,该文方法具有较好的分割性能,能从前景背景相似的图像中较精确地提取感兴趣的物体,且用户操作简单。     

基于C-V模型的眼底图像交互式杯盘分割

针对眼底图像视杯和视盘水平集分割中C-V模型自适应能力不强等问题,提出一种基于C-V模型的视盘和视杯交互式水平集分割算法。该方法通过交互方式给定不同的视盘初始轮廓和C-V模型参数,对眼底图像的杯盘进行精确地分割。实验结果表明,该方法可克服噪声污染、光照不均匀、对比度低等特点对眼底图像分割的影响,对彩色眼底图像中的视杯和视盘进行精确分割。     

多阈值优化交互式分割算法及其在医学图像中的应用

针对交互式图像分割方法对边界模糊的医学图像进行分割时通常需要用户标记较多的初始种子或进行二次交互的不足,提出了一种简化标记的多阈值优化交互式分割算法。该算法在GrowCut交互式算法基础上通过引入图像灰度直方图的多个阈值自动生成初始种子模板,并利用改进的细胞自动机迭代算法实现图像分割。算法简化了用户操作,提高了分割精度。应用该算法分别对临床100张肝脏图像和牙菌斑图像进行分割,结果显示了该算法的良好性能。     

面向生物医学图像的交互式分割算法

结合阈值法和区域生长算法,提出一种面向生物医学图像的交互式分割算法。利用阈值法对图像中用户选取的感兴趣区域进行预分割,通过阈值分割得到的目标区域确定区域生长算法的种子像素与相似性准则,获得最终分割结果。实验结果表明,该算法简单快速、对生物医学图像可取得良好的分割效果。     

基于GrabCut的半交互式输电线路金具锈蚀图像分割方法

针对当前输电线路金具锈蚀检测的背景干扰问题,本文提出基于GrabCut的半交互式输电线路金具锈蚀图像分割方法。该方法首先对图像进行去噪处理,然后采用半交互式图像分割算法对图像进行自动分割,不仅能够减少背景对输电线路金具锈蚀检测的干扰,还能有效提高锈蚀检测的准确率。     

多阈值模糊互信息图像分割方法

提出了多阈值模糊互信息图像分割新方法。该方法首先将模糊隶属度函数引入到传统互信息量中并定义模糊信息量概念;其次将模糊互信息量用于图像分割时给出具体隶属度函数的构造;最后采用混沌优化法来获得多阈值模糊互信息分割方法的最佳阈值。实验结果表明,提出的多阈值模糊互信息图像分割方法是有效的。     

基于多线索动态融合的交互式图像分割

为了使图像分割效果稳定和提高分割算法的普适性,提出了一种利用多线索动态融合进行图像分割的方法,该方法首先将图像中的颜色信息、纹理信息、空间信息、边界信息融合到一个条件随机场模型中,用于图像分割;然后在对特定图像进行分割时,由于该模型能够利用用户在分割前标定的前景和背景信息来建立一种衡量概率分布估计可靠性的标准,并可通过该标准来组合条件随机场中的相关能量项,使它们能够根据图像的内在属性进行动态融合,从而提高了条件随机场图像分割的自适应性。实验结果表明,该方法分割效果稳定、普适性强,对一般的自然图像均能得到较好的分割效果。     

基于 Live-Wire交互式医学图像分割算法研究及实现 *

提出一种改进的 Live-Wire算法 ,结合迭代阈值分割算法对医学图像进行交互式分割。改进的算法避免了传统的 Live-Wire算法对噪声敏感、不能有效地区分强弱边缘的缺点 ,并且减少了动态规划寻找最优路径的时间和盲目性 ,在不增加算法复杂度的同时 ,提高了图像分割的准确性。     

交互式流域算法在医学图像分割中的应用

本文首先介绍了流域算法的基本思想、基本原理以及流域变换过程中所存在的问题,回顾了为加快流域变换的计算而进行的大量研究工作,然后利用区域信息、结合交互式流域变换分割医学图像,实验结果表明该方法能有效地解决流域变换中的过度分割问题。     

图像阈值分割方法的比较与分析

本文在介绍了三种具有代表性的图像阈值分割法的基础上,通过对它们的性能进行分析比较,给出了这种瓶值分割法的适用范围。最后,针对三种分割法的不足,提出了一种基于边缘检测与局部直方图的图像分割算法。     

交互式流域算法在医学图像分割中的应用

图像分割是图像处理中的主要问题,而医学图像领域是图像分割的一个重要的应用领域,医学图像具有复杂性,因而医学图像分割一直是图像处理中的一个研究热点和难点,对于一般的图像分割方法很难得到满意的结果.首先介绍了流域算法的基本思想、基本步骤以及流域变换过程中所存在的过度分割问题,然后利用区域中的面积信息和平均灰度信息、结合交互式流域变换,用户有效地选择感兴趣区域分割医学图像,实验结果表明采用该方法分割区域个数明显减少,能有效地解决流域变换中的过度分割问题.     

MSTAR图像的矩特征分析与多阈值分割

图像分割是SAR图像自动目标识别应用中的基础性问题。定义并分析了MSTAR图像的矩特征,进而构造了多阈值处理策略,用于MSTAR图像的分割。首先研究了目标、阴影,以及背景区域统计特性,并确定了相应的数学模型描述,在此基础上给出了矩特征的定义,并分析了其基本特性。通过由图像空间到矩特征空间的转换,显著增强了目标区域与阴影、背景区域的差异性,因此通过构造不同的阈值化规则,实现了MSTAR图像中目标、阴影和背景区域的分割。对MSTAR图像的处理结果表明,与恒虚警率（CFAR）、最大类间方差（OTSU）、模糊C均值（FCM）和马尔可夫随机场（MRF）等典型分割算法相比,本文方法不需进行噪声抑制,但在分割效果和鲁棒性等方面性能更好,同时,对多尺度、多目标MSTAR图像的分割也显示出良好的适应性。     

基于MCMC优化的图像边缘分割方法优化及仿真

研究图像边缘分割优化问题,由于图像边缘信息复杂,用传统边缘分割方法,当图像中的物体结构复杂的时候,会造成图像像素重叠、粘连等形成干扰的因素,导致图像边缘分割时错误率较高问题.为解决上述问题,提出一种基于MCMC的灰度图像分割方法.通过建立四种图像灰度模型和遍历的Markov Chains求解空间,能够避免传统方法由于边缘点粘连不清,而带来的分割错误问题,最终完成灰度图像的完整高效分割.实验证明,改进方法不仅能实现图像完整分割,而且能具有较高的分割效率,取得了令人满意的效果.