基于snake模型的IVUS图像序列三维分割方法

针对血管内超声（Intravascular Ultrasound,IVUS）图像序列中血管壁内外膜轮廓的提取问题,提出一种基于snake模型的三维并行分割方法。首先,对原始图像进行滤除噪声和抑制环晕伪像等预处理。然后,获取IVUS图像序列的四个纵向视图,并从中提取出内腔边界和中-外膜边界。通过将这些边界曲线映射到各帧IVUS图像中,得到横向视图中的初始轮廓。最后,将该初始轮廓作为snake模型的初始形状,通过使snake能量函数最小,模型不断变形,最终得到各帧IVUS图像中的内腔和中-外膜边界。该方法可实现对IVUS图像序列的并行分割,与二维串行分割方法相比,可大大提高处理效率。采用大量临床图像数据的实验结果证明该方法可自动、快速、可靠的完成IVUS图像序列的分割。     

基于改进C-V模型的超声图像分割方法

图像分割是超声医学图像学中的难题之一。改进的Chan-Vese（C-V）法加入了约束符号距离函数的能量项，避免了演化时候的重新初始化。在改进C-V模型的基础上，首先借用分水岭中的思想，找到分割目标的近似轮廓，并以此轮廓生成符号距离函数，然后采用改进的C-V法进行超声图像分割。实验表明，改进的方法有更高的精准度和对多目标分割的能力。     

图像分割技术在金相分析中的应用

介绍了常用的图像分割方法及其优缺点和金相图像分析中的图像分割方法。针对金相图像分割中存在的问题，提出了两步分割的图像分割方法。这种方法是先用阈值分割法把目标从背景中分割开来，然后采用数学形态学、打孔、找凹点和连分割线的方法进行粘连分割。与已有的金相图像分割方法相比，这种方法具有较强的强健性、自适应性和非监督性。     

基于相位一致性改进的DRLSE超声图像分割模型

针对距离正则化的水平集演化(the Distance Regularized Level Set Evolution Mode,DRLSE)模型难以处理弱边缘图像、演化效率低问题,提出一种新的基于相位信息的水平集超声图像分割算法(the Distance Regularized Level Set Evolution Mode Based on Phase Congruency,PDRLSE)。该算法利用相位一致性检测原理,构造新的边界指示函数,代替了DRLSE模型中的边界停止函数,得到新的能量泛函。实验结果表明:该方法在分割超声图像时,能够较好的分割出甲状腺肿瘤目标,且演化效率也有所提高。     

水平集在盐水白带细胞显微图像分割中的应用

盐水白带细胞种类繁多成分复杂,细胞存在弱边缘、相互交织和面积小不易区分等特点,加之受杂质的影响,都给细胞分割带来困难.为此本文采用一种新的水平集方法,解决了传统水平集方法的演化曲线难以探测到细胞弱边缘的问题,而且这种水平集方法避免了重新初始化符号距离函数减少了计算量.实验结果表明,这种方法的演化曲线可以探测到细胞弱边缘,能够对盐水白带细胞显微图像进行分割.     

预扫描算法求解图像分割的Chan-Vese模型(英文)

本文提出了一种新的有效的算法来求解图像分割中的Chan-Vese模型。新算法避免了求解PDE的过程,极大地提高了图像分割的运算速度。这种算法保持了C-V模型和水平集方法的优点,能够自动处理图像分割过程中边缘的拓扑变形,保持边缘的尖角以及对于非凸边缘的有效的检测等等。这种算法思路简单,很容易推广到任意有限维的图像分割问题的求解中。     

双重主动轮廓图像分割

本文首先利用小波变换得到原图像的粗分辨逼近,在粗分辨逼近中得到图像的一个粗尺度分割。由于逼近图像中噪声下降,尺寸减少,使得算法对参数的选取不太敏感,而且收敛速度加快。然后将第一次分割结果通过小波反变换返回到原始尺度上,将得到的近似轮廓曲线作为初始水平集函数再在原图像中演化得到更准确的分割,这样就得到了一种双重主动轮廓图像分割算法。由于初始轮廓曲线非常接近真实的轮廓曲线,所以很快就可以收敛到真实的轮廓。理论分析和数值结果表明,双重主动轮廓分割算法可以快速有效地分离出感兴趣目标。     

一种改进的强约束拓扑自适应snake模型

针对灰度图像的二维提取以及运动图像的跟踪问题,本文提出一种强约束拓扑自适应snake模型.该方法采用正交网格对图像和snake曲线进行离散化,约束snake节点只能沿网格线从一个网格点运动到下一个网格点,从而简化了计算过程.通过节点拆分获得拓扑变换能力,自动检测和处理拓扑冲突.通过对模拟图像和临床医学图像进行目标边缘提取的实验,结果表明模型具有较强的目标捕捉能力、拓扑结构变换能力和较快的运算速度.     

基于边缘探测的密集颗粒图像分割方法

针对密集的颗粒图像提出了一种基于边缘探测的颗粒分割方法.该方法采用分块自适应的边缘检测算法实现对图像的边缘检测,并采用形态学方法去除边缘噪音;采用分水岭算法对图像进行初步分割,根据分割区域自动选取种子点,并利用区域面积对种子点进行修正,然后从种子点发射探测线探测边缘位置,记录边界点,通过判断机制判别出由于边缘不完整或噪...     

利用遗传算法在遥感图像分割中的应用探讨

计算机在处理遥感图像的过程中产生的误差会影响到遥感图像的处理和识别效果,如何使这些误差最小是使计算机视觉达到实用化的重要要求.遗传算法是完全可以胜任的,目前己在遥感图像恢复,遥感图像边缘特征提取,几何形状识别等方面得到了应用.     

图像分割方法在包装缺陷检测分析中的应用

目前,国内包装行业对商标图像质量,一般进行人工检测,部分企业采用离线视觉检测设备等来完成质量控制环节。本文以包装缺陷为对象,对彩色图像分割方法在实际图像缺陷检测中的应用,做了有益的尝试,并分析了其具体运用的思路和结果。     

一种改进的C-V主动轮廓模型

本文对C-V主动轮廓模型进行改进.依据曲线演化理论对C-V模型中的图像数据力驱动项进行简化,提出一种常微分方程(ODE)类型的模型.理论分析验证了该模型的水平集函数可初始化为零.与传统C-V模型相比,不但具有其特点,如可以自动检测带孔目标的内轮廓等,而且具有以下优点:抗噪性能较优;水平集函数无需重新初始化,可快速计算出全局最优分割;远离轮廓的边界可以被准确检测;时间迭代步长不受限制.对合成和真实图像的分割结果证明了本文模型具有稳健、快速的优点.     

基于阈值的几种图像分割算法研究

图像分割就是将图像分成若干具有特定意义的区域,并将它们提取出来进行处理的技术。本文介绍了阈值化分割技术的基本原理,描述了几种常用的图像分割算法,并对几种算法的优缺点进行了分析。     

模糊聚类方法在医学图像分割中的应用

模糊聚类方法已被广泛应用到图像分割领域,重点研究模糊聚类方法以及模糊聚类方法在医学图像分割中的应用,同时对分割方法应用图像进行实验,分析。     

眼底OCT图像中糖尿病性黄斑水肿的分割

糖尿病性黄斑水肿(DME)是导致成年人失明的主要原因之一,它的病理特征主要表现在视网膜内黄斑处液体的积聚。由于光学相干层析成像(OCT)具有无创性、成像安全快速等特点,在临床上被广泛用于眼科疾病的诊断。本文提出一种分割OCT图像中糖尿病性黄斑水肿的方法,首先通过对图像的预处理,排除散斑噪声和血管对最终分割结果的影响,再用改进的水平集方法有效地解决分割的问题,并计算水肿区域的面积,为后期的临床诊断治疗提供定性和定量的工具,最后将本文方法在15个患有DME成人的OCT视网膜图像上进行验证。结果表明：囊状水肿分割的精确度、灵敏度和Dice相似性系数分别为81.12%、86.90%、80.05%。     

一种基于PSO算法和ICM模型的图像自动分割算法

ICM模型（Intersecting Cortical Model）是一种简化的脉冲耦合神经网络（Pulse Couled Neural Network,PCNN）,ICM模型图像分割的效果取决于ICM模型中各个参数的合理选择,这一般需要通过多次实验获得。而粒子群优化算法（Particle Swarm Optimization,PSO）具有对参数自动寻优的优势,为此,将PSO和ICM模型相结合,以改进的最大类间方差准则函数为适应度函数,提出了一种新的基于PSO和ICM模型图像自动分割算法。实验仿真结果验证了该方法的有效性,即不仅可以正确的实现图像分割,而且参数可以自动设置省去了人工实验的麻烦,同时分割速度也有所提高。     

基于注意力机制与Swin Transformer模型的腰椎图像分割方法

腰椎图像的精确分割是腰椎间盘疾病自动化诊断的重要前提,现有的分割方法在实际应用于分割任务时仍然存在无法精确分割的问题.对此,本文提出了一种基于注意力机制与Swin Transformer模型的腰椎图像分割网络模型.该模型在卷积网络中引入Swin Transformer模型,使用移动窗口的Transformer模块对卷积提取的高层语义信息进行全局信息建模;然后使用注意力机制对上采样过程中跳过连接中传递的低级特征施加权重,去除背景信息,最终实现腰椎图像的精细分割.实验结果表明,本文的腰椎图像分割方法相似度系数指标达到91.18％,性能优于UNet及其变型网络模型.     

遗传算法和最大方差法在图像分割中的应用

图像分割是图像处理中的重要问题．也是计算机视觉研究中的经典难题。文章首先介绍了最大类间方差法，并结合遗传算法的快速寻优的特点，提出了一种利用最大方差法和改进的遗传算法相结合的图像分割的新方法。实验仿真结果表明，该方法可以有效地提高图像分割的计算速度，大大缩短寻找最优阈值的时间，提高图像处理的实时性。     

量子蚁群模糊聚类算法在图像分割中的应用

针对模糊C-均值算法对初始值的依赖,容易陷入局部最优值的缺点,本文提出将量子蚁群算法与FCM聚类算法结合,首先利用量子蚁群算法的全局性和鲁棒性以及快速收敛的优点确定图像的初始聚类中心和聚类个数,再将所得结果作为FCM聚类算法的初始参数,然后用FCM聚类算法对医学图像进行分割。实验结果表明,该方法有效解决了FCM算法对初始参数的依赖,克服了FCM算法及蚁群算法容易陷入局部极值的的缺点,而且在分割速度和精度上得到了较大提高。     

一种基于Graph Cuts的SAR图像分割方法

在最小化由马尔科夫随机场(MRF)图像分割模型建立的能量函数方面,基于Graph Cuts的alpha-expansion是一种比较有效的算法.但是,由此算法构建的s/t图中边的数目非常多,运算速度很慢.为了减少alpha-expansion算法的计算量,本文在标号为alpha的像素向其它像素膨胀的过程中,先隔离非alpha类间的联系,而只考虑alpha类与非alpha类之间的关系,从而避免了alpha-expansion算法需要构造辅助结点的问题,减少了s/t图中边的数目,提高了算法的计算效率.因放松了非alpha类间的关系对alpha膨胀的约束,使得算法可以更容易得跳出能量函数的局部极小点而获得更优的分割结果.实验中将改进的算法与传统的基于Graph Cuts的算法做了对比,显示了新算法在运算时间和最小化能量方面的有效性.