基于小波分形的图像分割算法

皮鞋内腔的自动测量是当今国内外都没有解决的难题。国外通常采用接触式测量,用传感器与皮鞋内腔接触获得数据。这种测量方法存在精度不高的缺点。重庆大学ICT中心在多年ICT研究的基础上提出了用工业CT来解决长期困扰皮鞋工业的难题。皮鞋内腔CT测量仪获得皮鞋的断面图像以后,由于工业CT通过断层扫描获得的图像通常会产生伪影见图1,它是图像中与被检物的物理参数分布没有对应关系的部分,因此图像质量不是非常理想,要对重建出来的图像进行准确的分割,才能够根据分割后的图像进行测量,进而根据多个断面的     

基于Graph Cut与区域生长的连续CT图像分割算法

Graph Cut方法用于医学图像分割具有精度高,分割准确等优点,但处理每一幅图片都需要用户选定对象和背景,耗时较长.区域生长方法适于对面积不大的区域进行分割,分割速度快,但需要人工选取种子点,且在对比度低的情况下分割效果不理想.针对医学CT连续断层图像间相关性强特点,提出一种把Graph Cut方法和区域生长方法相结合的图像分割算法GCRGIS.首先使用Graph Cut法对连续断层图像的首幅图像进行分割,以分割出的图像轮廓作为后幅断层图像待生长区域的边缘,将边缘进行腐蚀后再进行区域生长,分割出目标图像.实验结果表明,该方法处理连续CT图像时仅需对首幅图像进行人工交互,在后续图像的分割中避免了每幅图像都要人工交互的繁琐,分割效果好,速度快.     

基于同态滤波的甲状腺CT图像分割算法研究

针对传统图像分割算法在甲状结节CT图像分割时存在的易受采集图像边缘模糊、医学图像传输过程干扰等噪声问题,提出一种基于同态滤波的甲状腺结节CT图像分割算法。首先使用同态滤波器对甲状腺结节CT图像进行滤波,滤除医学图像传输过程中受到的噪声干扰,增强甲状腺结节图像模糊边缘的对比度以及标准化亮度;然后再使用改进后的Canny算子对图像进行分割处理。实验结果证明了,本文提出的基于同态滤波的甲状腺结节CT图像分割算法能够有效的分割出甲状腺CT图像中的结节边缘,并对CT图像中常见噪声,具有较强的鲁棒性。     

基于改进窄带水平集的三维肝脏肿瘤分割

三维肝脏肿瘤识别是当前研究的热点问题,如何准确快速地从腹部CT序列中分割出肝脏肿瘤是肝部病变诊断的基础。针对水平集方法在进行分割时收敛速度较慢,设置窄带宽度固定不灵活的缺点,先利用分水岭算法,对肝脏图像进行“过分割”,搜索初始轮廓所在的分水岭块作为窄带区域进行标记,在窄带区域内用水平集算法使初始轮廓线收敛至准确轮廓。再以其边缘作为相邻CT序列的肿瘤初始轮廓,找出初始轮廓线所在的分水岭块,构成新的窄带,用水平集算法对轮廓线进行迭代分割出肿瘤。重复该过程,直至完成整个肝脏序列图像的肿瘤图像分割,进行三维重建。     

小波多尺度分割算法在细胞图像上的应用

关于数字图像优化分割问题,由于医学病理研究需要准确测量细胞面积大小.针对细胞图像结构特点,以及临床医学形态参数测量精度要求,对传统边缘检测算法进行了改进,采用先行自适应平滑滤波的方法,提出了一种基于3阶B样条双小波多尺度边缘检测的技术方案,利用小波的边缘检测算法对典型稀疏细胞进行边缘检测,之后综合利用图像形态学、阀值分割技术等分割出感兴趣细胞,最后采用形态学方法进行测量仿真,结果得到细胞形态参数,并对测量值与实际值进行比较,结果显示绝对误差小,满足临床要求.     

结合改进分水岭和GVF的三维肝脏分割方法

三维肝脏分割是当前医学图像处理的热点问题,如何准确快速地从腹部CT序列中分割出肝脏是肝部病变诊断的基础。针对传统活动轮廓模型对轮廓线敏感、运算量大的问题,改进了传统轮廓线设置方法,并把算法扩展到三维。首先,在一幅腹部CT图片中采用改进的分水岭算法,按照灰度和纹理的相似性原则从一个种子块开始生长出整个肝脏,再用其边缘作为相邻CT序列的起始轮廓,用GVF算法从序列图片中分割出肝脏,重复该过程,直至分割出整个腹部序列图像的切片,进行三维重建。     

一种工业CT图像的分割算法

文章根据工业CT图像的特点,提出了一种适用于工业CT图像分割的算法。该算法是一种结合数学形态学和CANNY算子边缘检测的图像分割算法。实验结果表明:该算法能有效地提取出实际工件的轮廓,并将实际工件的CT图像从CT切片中分割出来。     

基于Gabor滤波的头部CT图像分割算法

针对传统图像分割算法在头部CT图像分割时存在的易受光线、伪影等噪声干扰等问题,提出一种基于Gabor滤波的头部CT图像分割算法。首先使用Gabor滤波器对头部CT图像进行滤波,虑除图像中的光线以及伪影等噪声,然后使用Gaussian滤波器对图像进行平滑操作,最后使用二阶微分算子：Laplacian边缘检测算子对图像进行分割处理。实验结果表明：提出的基于Gabor滤波的头部CT图像分割算法能够有效的分割出头部CT图像边缘,并对头部CT图像中常见噪声伪影,具有很强的鲁棒性。     

基于图论的蚁群算法在图像分割的应用

针对传统的基于图论的图像分割方法分割效果不理想的问题,提出一种新的基于图论使用蚁群算法分割图像的算法。该算法基于图论,考虑了图像的灰度信息,采用蚁群算法的基本原理分割图像,使得分割出目标更为准确。     

双边滤波和标记分水岭的CT心脏图像分割

由于心脏舒张、收缩以及血液的流动,CT心脏图像易出现弱边界、伪影,传统分水岭算法易产生过分割,为此,提出一种双边滤波和标记分水岭相融合的CT心脏图像分割方法（BF-WS）。采用双边滤波算法对心脏图像进行平滑滤波,并采用形态学对图像进行重构,以消除图像噪声,保留边缘信息,采用改进Otsu算法提取CT心脏图像的内、外标记,并采用分水岭分割算法实现CT心脏图像分割,采用临床CT心脏图像在Matlab平台进行性能测试。结果表明,BF-WS提高了CT心脏图像分割准确率,与专家分割结果十分接近,较好地解决了传统分水岭算法过分割难题,可以为临床医学诊断提供重要依据。     

基于遗传算法的胸部CT图像肺组织分割

肺组织分割是肺结节检测、肺功能定量分析、三维重建与可视化计算等胸部CT图像分析处理的基础。该文采用了一种基于遗传算法的边缘检测方法直接分割原始胸部CT图像的肺组织,利用遗传算法的全局寻优能力,以最大类间方差为适应度函数自动搜索最佳边缘检测阈值,并结合形态学处理提取肺组织边缘以实现肺组织分割。实验结果表明,该方法能简化分割处理,且分割效果较好,有不错的应用前景。     

基于法向分量边缘融合的深度图像分割

针对深度图像边缘较难分割的问题,提出一种基于法向矢量分量边缘信息融合的深度图像分割方法。计算深度图像中每点的法向矢量,提取法向矢量的x、y分量并构建灰度图,融合Sobel算子的边缘检测结果得到深度数据的初始分割,通过细化处理得到最终分割结果。实验结果表明,该方法得到的分割区域边界闭合完整,分割质量较高。     

基于双向轮廓跟踪的面部轮廓线生成算法

为了提高医学图像中面部轮廓线的分割效果,提出一种新的面部轮廓线生成算法(bidirectional contour tracking,BCT).该算法首先利用边缘检测算法对CT图像进行检测,然后利用头部CT图像中各组织的灰度特征和图像的对称性,对检测后的图像进行双向轮廓跟踪,并获得面部的轮廓线.另外,根据面部轮廓线的特点,使用中点法可生成辅助轮廓线.以一组颅脑CT图像为例来验证算法的效果,实验结果表明,新的生成算法提高了轮廓线的生成速度,并有很好的分割效果.     

基于多元信息的高斯混合模型左心室MR图像分割

水平集模型在核磁共振图像(MRI)分割中具有十分重要的地位。但由于MR图像往往具有弱边界和强噪音,传统的水平集模型用于图像分割时一般依据图像梯度信息,因而很难得到真实解。高斯混合模型使用了图像全局信息,能较好地处理弱边界问题。但传统的高斯混合模型仅使用了灰度值分布信息,未对像素的位置进行考虑,这使得其在处理噪音图像时效果并不是很理想。该文利用图像多种信息构造新的信息场,使得由信息场构造的高斯混合模型更能处理噪音等影响,同时防止从弱边界泄漏。在取得心脏内壁后构造能量方程,运用形状约束和图像信息以得到心脏外壁。对左心室MR图像分割实验表明该模型具有较好的分割效果。     

融合超像素和CNN的CT图像分割方法

提出了一种融合超像素和CNN的CT图像器官主动轮廓分割方法。用超像素SLIC方法将CT图像网格化并分配标签;将网格化后图像作为数据集训练CNN网络分割出器官（如肝脏、肺部等）边界超像素,并将这些超像素的种子点连接成为粗分割边界;将粗分割边界作为初始轮廓,进行模糊主动轮廓分割得到CT图像中器官的边界。经过实验对比,该方法对肺部CT图像的分割平均DC系数达到97%、平均ASD系数达到1.23 mm。在肝脏CT图像方面与参考算法进行相比,在保证分割精度的前提下,VOE系数平均减少1%,切片图像的分割时间平均提高10 s。     

基于最大类间方差的最大熵图像分割

最大熵分割算法对于目标与背景之间界限模糊的图像分割效果较好,但该算法对图像边缘的处理能力较差。最大类间方差分割算法对图像边缘的识别能力较强,但该算法对于目标和背景之间界限模糊的图像分割效果不好。针对上述问题,提出了一种基于最大类间方差的最大熵图像分割算法,该算法既能很好地对目标与背景之间界限模糊的图像进行分割,又能有效地识别图像的边缘。实验结果表明,本文所提算法对目标与背景之间界限模糊的图像的分割效果以及对图像边缘的识别能力均优于传统的最大类间方差算法和最大熵算法,且具有更好的有效性和鲁棒性。     

髋关节股骨近端CT序列图像外轮廓提取研究

为正确有效地分割出髋关节的外轮廓,提出了一种基于最佳分割线的股骨近端外轮廓的提取方法。该方法利用自底向上CT序列图像的帧间相似性找到一条分割目标股骨与其他骨骼的闭合分割线,从而利用该分割线来精确定位目标骨骼的位置,并搜索边缘点。实验结果表明,该方法能够准确地识别出股骨近端的外轮廓,自适应强,抗干扰性好。     

基于图像的树木腐蚀区域分割方法研究与仿真

研究对图像的树木腐蚀区域分割问题,提高分割区域大小的准确性。传统方法根据图像中物体与背景像素的颜色区别,利用像素视觉差异大小的方法进行木材腐蚀区域图像的分割。但是在木材图像中,腐蚀区域的颜色和树木的本体颜色极其接近,边缘像素的一致性会造成干扰,像素相减的结果会发生错误,造成不能完整的分割木材腐蚀区域的问题。为提高识别准确性,提出利用高斯一维线性模型的树木腐蚀区域分割方法。通过抑制边沿像素的对称性和单调性,去除边沿像素中的干扰因素,克服了传统方法的缺陷。实验证明,改进方法实现了在与自身颜色相似情况下木材腐蚀区域图像的完整分割,取得了满意的效果。