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.     

一种基于水平集的多尺度乳腺肿块分割方法

作为乳腺肿块检测的重要环节,肿块分割在乳腺癌的计算机辅助诊断系统中扮演着重要的角色。提出一种基于水平集的多尺度乳腺肿块分割方法。首先对乳腺图像进行高斯金字塔分解,在粗尺度图像上使用C-V模型对肿块进行粗分割,得到的粗轮廓作为细尺度图像上的初始轮廓;考虑到C-V模型在分割灰度不均匀图像时所存在的局限性,在细尺度上提出一种局部活动轮廓模型,对粗分割的结果进行局部精细化处理。另外,为了提高分割方法的自适应能力,从粗分割结果中抽取灰度、面积特征作为局部活动轮廓模型参数设定的依据。将本文方法、C-V模型以及RSF模型应用于89例肿块病灶图像时,分别获得0.236 1、0.300 4和0.373 8的平均误分率。结果表明,所提出的多尺度方法具有更高的分割精度和鲁棒性。     

乳腺肿瘤超声图像的特征分析

基于乳腺肿瘤良恶性在超声图像的不同特征,利用计算机自动识别,作为医生的辅助诊断.方法的步骤为本文先在常用超声仪上获得乳腺肿瘤超声图像,接着从图像中自动提取肿瘤边缘,然后自动提取不依赖于超声仪系统的特征参数,用特征选择器选择出最优特征矢量,最后经分类器判别乳腺肿瘤的良恶性.实验基于200例病例随机划分为训练集和测试集各半进行测试,获得结果Accuracy为0.960,Sensitivity为0.982,Specificity为0.935,PPV和NPV分别为0.946和0.977,结果表明本文方法泛化能力强,可以作为识别乳腺肿瘤良恶性的一种辅助手段.     

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。     

纹理图像的相位场演化分割研究

为研究在噪声环境下的纹理图像的分割,提出了一种基于相位场演化的纹理图像分割算法。首先在相位场模型中加入了形状统计的能量项,以此指导和约束边缘界面轮廓的演化过程;然后通过对改进相位场模型的梯度流方程的求解,得到了算法的数值解。最后将本研究算法用于纹理图像的分割。实验结果验证了该算法的有效性。     

基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声图像

血管内超声斑块图像的分割对动脉粥样硬化疾病的诊断有重要价值。针对传统分割方法初始化和鲁棒性两个问题,提出一种基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声斑块图像的新方法。该方法运用Contourlet变换将原图像分解为多分辨率低通分量和多分辨率带通分量方向性子带。对低通分量进行模板匹配,确定血管内腔边界和中外膜边界的初始轮廓;对带通分量方向性子带进行扩散滤波,抑制噪声的同时尽可能保留有用边缘,并结合边界矢量场使轮廓演化得到最终分割结果,从而提高了分割算法的鲁棒性。对100幅仿真图像和120幅实际图像的分割结果表明,该方法能自动、精确地提取血管的两条边界。相对于传统活动轮廓模型法,该方法分割实际图像的平均距离误差提高了3.04像素,面积差异百分比提高了6.30%。     

基于改进窄带法的快速医学图像分割方法

基于曲线演化的水平集算法近来已被广泛应用于医学图像分割中,根据分割医学图像的鲁棒性实时性的要求,提出一种新的基于改进窄带法的图像分割方法INBM(Improved narrow band method).INBM首先将均匀采样的图像映射到对数极坐标系中,由视网膜空间分辨率机制可知,注视点都在图像兴趣区,由此形成初始轮廓,然后用改进的窄带水平集(Level Set)方法演化曲线得到最终分割结果.改进窄带法是通过降低窄带区域内的水平集函数求解个数,来减少计算时间.实验结果表明,该方法能够快速、准确地得到医学图像的结果.     

一种改进的FCM图像分割算法

提出了一种基于高维特征矢量与金字塔结构的模糊聚类图像分割方法。该方法考虑了图像像点的灰度信息和其邻域空间相关信息,给出了三维特征及多分辨率分析的聚类分割方法。实验结果表明,在图像受高斯噪声干扰的情况下,该方法不仅运行速度较快,而且分割效果更好。     

一种超声乳腺图像中提取肿瘤边缘的方法

乳腺肿瘤边缘的提取是基于肿瘤超声图像特征进行良恶性诊断的基础.为此提出一种基于小波变换和动态规划从超声乳腺图像中提取肿瘤边缘的方法.先采用小波变换法提取乳腺肿瘤超声图像的初始边缘,再结合图像梯度的动态规划法对初始边缘进行修正,提取更为准确的乳腺肿瘤边缘.通过对临床采集的30例超声乳腺图像肿瘤边缘的提取和分析研究,表明该方法可以有效地用于超声乳腺图像肿瘤边缘的提取.     

多尺度特征融合空洞卷积 ResNet遥感图像建筑物分割

针对传统建筑物提取方法难以有效描述遥感图像细节特征,导致复杂场景下道路、树木及建筑物之间分割边界不清晰等问题,提出了一种基于多尺度特征融合空洞卷积ResNet(Multiscale-feature Fusion Dilated Convolution ResNet,MFDC-ResNet)模型。首先,为了获取遥感图像建筑物更大范围的特征信息,在深度残差网络中引入空洞卷积增大特征提取的感受野,以捕捉更丰富的多尺度细节特征;其次,为了增强空洞卷积中心点对图像局部区域特征的表达能力,利用3×3卷积核提取遥感图像的中心点区域特征,引入更多的中心点空间先验信息;最后,利用空间金字塔池化模型对不同尺度空洞卷积特征进行融合,获取不同尺度的遥感图像建筑物的上下文信息。在WHU遥感图像数据集上的实验表明,平均交并比mIoU达到0.820,召回率Recall达到0.882。提出算法不仅提高了分割精度,而且有效克服了道路、树木等因素的干扰,得到了较清晰的建筑物边界。     

超声乳腺肿瘤图像中种子点的自动定位研究

利用种子区域增长对超声乳腺肿瘤图像进行分割是一种常用的计算机辅助诊断方法。为实现种子点的自动快速定位,满足实时在线分割图像的需求,根据超声乳腺肿瘤图像的结构特征,综合图像的灰度因素和空间因素,提出了一种基于迭代四叉树分解的算法。该算法将满足特定阈值的图像分裂转化为寻找种子区域,以实现种子点的自动定位。对105幅超声乳腺肿瘤图像进行了实验验证,结果表明,该算法准确率能够达到94.28%,平均耗时2.97 s,不但满足了种子点的自动定位于图像肿瘤内部,而且需要调整的参数少,其定位效率要高于人工选择。     

基于多尺度分析的逆向工程截面线特征分割

为解决基于截面线特征重构中,初等曲线特征元和次要曲线特征元的分割问题,提出一种将多尺度分析与特征识别相结合的逆向工程特征分割方法.采用曲率尺度空间,实现截面线的多尺度分析和特征检测;利用相对转角法,实现单尺度特征融合;基于多尺度间信息传递和融合的多尺度特征融合算法获得多尺度特征集成.用多尺度曲率分析代替传统单一尺度逆向工程截面线分析,保证了特征分割结果,以及与基于特征设计和建模的特征元的一致性.合成复合曲线和实际扫描截面线的实例表明,提出的方法可以有效地实现逆向工程截面线多尺度特征分割.     

Embryo zebrafish segmentation using an improved hybrid method

Zebrafish is an invaluable vertebrate model in life science research and has been widely used in biological pathway analysis, molecular screening and disease modelling, among others. As a result, microscopic imaging has become an essential step in zebrafish phenotype analysis, and image segmentation thus plays an important role in the zebrafish microscopy analysis. Due to the nonuniform distribution of intensity and weak boundary in zebrafish microscope images, the traditionally used segmentation methods may lead to unsatisfactory result. Here, a novel hybrid method that integrates region and boundary information into active contour model is proposed to segment zebrafish embryos from the background, which performs better than traditional segmentation models. Meanwhile, how to utilize the gradient information effectively in image segmentation is still an open problem. In this paper, we propose to improve the aforementioned hybrid method in two aspects. Firstly, the mean grey value of background is estimated by the expectation maximization (EM) algorithm to constrain the active curve evolution. Secondly, an edge stopping function sensitive to gradient information is designed to stop curve evolution when the active curve reaches the embryo boundary. Experimental results show that the proposed methods can provide superior segmentation results compared to existing algorithms.     

基于形态特征判别超声图像中乳腺肿瘤的良恶性

乳腺肿瘤超声图像的形态特征对判别肿瘤的良恶性具有重要的价值。为提高乳腺肿瘤超声诊断的准确率,提出一种基于其形态特征进行分类判别的计算机辅助诊断系统。该系统首先采用灰度阈值分割和动态规划相结合的方法提取超声图像中乳腺肿瘤的边缘,然后对所得边缘计算相应的三种形态参数,最后分别采用Fisher线性判据、误差反向传播神经网络和径向基函数神经网络对形态参数进行分类。该系统在157幅乳腺肿瘤(包括良性81例、恶性76例)超声图像上训练和测试,三种分类器均能取得较高的判别精度,其中误差反向传播神经网络和径向基函数神经网络的判别准确率、敏感性和特异性分别高达94.95 %、95.74%和94.23%。结果表明,基于乳腺肿瘤超声图像的形态特征建立的神经网络系统对肿瘤的良恶性具有较好的判别能力。     

Integrated approach for segmentation of 3-D confocal images of a tissue specimen

In this article we have proposed an integrated approach for segmentation of cells in volumetric image data obtained using the Confocal Microscope. The volumetric images are the stack of two-dimensional (2-D) images. Segmentation of cells in such an image stack is a difficult problem due to the complex structure of the objects and the spatial relationship of the object signatures in different image slices of the image stack. Here we have proposed a segmentation technique, which is a combination of several known and novel segmentation methods. Low-level techniques such as edge operators, middle-level techniques such as 3-D watershed, rule-based merging, and a high level technique, active surface model optimization, are integrated in one approach to get better segmentation with less human interaction. Some image enhancement and noise reduction techniques are also used to reduce the error in intermediate stages and speed up the segmentation process. Results are shown on 3-D images of prostate cancer tissue specimen.     

多尺度区域生长与去粘连模型的乳腺细胞分割

乳腺癌已经成为女性最常见的恶性肿瘤,组织切片显微图像的病理分析是诊断的主要手段,细胞的准确分割是病理分析的重要环节。该文提出了一种新的乳腺细胞显微图像的自动分割算法:首先结合小波分解和多尺度区域生长算法分离细胞和背景,实现对细胞的精确定位;然后采用改进的数学形态学对粘连细胞进行一次细分割;接着再采用基于曲率尺度空间(CSS)的角点检测分割算法对粘连细胞进行二次细分割;两次细分割方法构成了一个双策略去粘连模型,保证了去粘连的准确性和鲁棒性。将算法应用到22幅乳腺细胞显微图像上,可以对不同类型的乳腺细胞图像进行全自动分割,有较高的分割灵敏度(0.944±0.024)和特异度(0.937±0.038),且具有较好的普适性。     

Multi-scale wavelet transform filtering of non-uniform pavement surface image background for automated pavement distress identification

Non-uniform background of pavement images results in difficulties when segmenting pavement images for pavement distress identification. A novel and fast non-uniform background removal algorithm based on multi-scale wavelet transform is presented. The algorithm uses multi-scale wavelet transform to decompose pavement image and then reconstructs image background using low-wavenumber components through inverse wavelet transform. Brightness of image background is then corrected to achieve uniform background pavement image. The multi-scale wavelet transform algorithm is compared with median filter algorithm and morphological closing algorithm. Experimental results show that the proposed algorithm possesses the advantage of extracting tiny cracks more effectively than the other two algorithms, demonstrating its suitability to be used in automated pavement distress segmentation and identification.     

Overlapping nuclei segmentation based on Bayesian networks and stepwise merging strategy

This paper presents a new approach to the segmentation of fluorescence in situ hybridization images. First, to segment the cell nuclei from the background, a threshold is estimated using a Gaussian mixture model and maximizing the likelihood function of the grey values for the cell images. After the nuclei segmentation, the overlapping and isolated nuclei are classified to facilitate a more accurate nuclei analysis. To do this, the morphological features of the nuclei, such their compactness, smoothness and moments, are extracted from training data to generate three probability distribution functions that are then applied to a Bayesian network as evidence. Following the nuclei classification, the overlapping nuclei are segmented into isolated nuclei using an intensity gradient transform and watershed algorithm. A new stepwise merging strategy is also proposed to merge fragments into a major nucleus. Experimental results using fluorescence in situ hybridization images confirm that the proposed system produced better segmentation results when compared to previous methods, because of the nuclei classification before separating the overlapping nuclei.     

基于分层多尺度形态学梯度修正的分水岭分割

形态学分水岭分割对图像中的噪声和非规则细节较为敏感, 常常导致较严重的过分割. 如果在分水岭分割之前采用线性滤波器进行平滑,可以在某种程度上消除噪声和非规则细节干扰造成的分水岭过分割, 但是可能使分割出的目标轮廓产生位置偏移. 为了能够在消除过分割的同时保持目标轮廓的位置不变, 提出了一种基于分层多尺度形态学梯度修正的分水岭分割方法. 首先对原始图像进行多尺度形态学滤波平滑; 然后根据形态学梯度图像的三维地貌体积对其进行分层多尺度修正, 自适应地确定修正所需的结构元素尺寸, 对于低梯度层级采用较大尺寸结构元素进行形态学闭运算, 消除因非规则细节产生过分割的非规则局部极小值, 而对较高梯度层则采用较小尺寸的结构元素, 保持区域轮廓的位置不变; 最后在修正梯度图像基础上, 运用标准分水岭变换实现图像分割. 实验结果表明, 该方法能够在消除过分割的同时, 较准确的保持目标轮廓的位置.