一种基于主动轮廓模型的心脏核磁共振图像分割方法

提出一种基于主动轮廓模型的左室壁内、外膜分割方法.首先构造了主动轮廓模型的广义法向有偏梯度矢量流外力模型GNBGVF,作为对梯度矢量流(GVF)的改进,该外力场同时保持了切线方向和法线方向有偏的扩散,具有捕捉范围大、抗噪能力强,且在弱边界泄漏等问题上性能突出.就左室壁内膜的分割而言,考虑到左室壁的近似为圆形的特点,引入了圆形约束的能量项,有利于克服由于图像灰度不均、乳突肌等而导致的局部极小.对于左室壁外膜的分割,采用内膜的分割结果初始化,即通过重新组合梯度分量来构造外力场.该外力场能够克服原始梯度矢量流的不足,使得左室壁外膜边缘很弱时也能得到保持,可以自动、准确地分割外膜.实验结果表明,该方法能高效准确地分割左室壁内、外膜.     

基于Snake改进型模型的胸部CT图像分割方法

针对胸部CT图像分割中的一些难点,结合贪心算法的特点,引入梯度向量流(GVF)来代替传统Snake中的图像力。从添加外部约束、方程求解和边缘图生成等方面对GVF模型进行了改进。该GVF模型的扩散方程计算的边缘映射图则利用了Canny算子的边缘检测结果,从而对GVF力场的弱边界区域和小灰度变化区域进行了明显的改善。对力场扩散方程中梯度矢量流的分量分别进行归一化处理,减小了物体边界力场对曲线上各点的影响,克服了GVF模型难以解决的深凹问题,有效地控制活动等值线外部人工约束能量。改进的GVF-Snake模型能准确、反复地对胸部CT图像进行分割优化,具有良好的鲁棒性和实用性。该方法提高了胸部CT图像分割的可重复性、准确性和通用性。其应用可为医生准确观察CT图像提供良好的帮助,更对该方面病理研究提供较好依据。     

一种新的基于各向异性扩散的GVF模型

针对传统梯度矢量流(GVF)模型各向同性扩散分割图像时所导致的模糊边缘以及弱边界处的泄漏问题,提出一种新的GVF模型,该模型采用8个方向各向异性扩散策略以保持目标边界,并使用具有较快下降速度的保真项系数来增强Snake进入凹陷部分的能力。理论分析和实验结果表明,新方法能较准确地分割出目标凹陷部分,对于弱边界泄漏具有更强的鲁棒性。     

基于参数活动轮廓模型的图像分割新方法

针对目前基于参数活动轮廓模型(PACM)的图像分割方法不能精确定位到角点,不连续边缘易受周围无关信息影响的缺陷,提出一种基于参数活动轮廓模型的图像分割新方法。该方法首先构造边缘保护项,将其引入到图像分割的活动轮廓模型中,保留拉普拉斯扩散项的切线方向分量;再引入两个权重参数控制切线方向和法线方向有偏的扩散,以提高分割的精度和效率。实验结果表明,该模型不仅能检测到弱边缘,精确定位到角点,而且能收敛到深度的凹形边界,降低无关信息对边缘不连续处的影响,防止边缘泄露,很好地保护图像细节,收敛的效率和准确率比边缘保护梯度向量流模型、法向梯度向量流模型及其改进模型有明显提高。     

改进的梯度向量流模型及其应用

基于梯度向量流(GVF-Gradient Vector Flow)外力场的活动轮廓线模型的不足之处在于Snake曲线在窄带凹边界处收敛效果不好.通过在能量泛函的变分方程中引入两个以图像梯度为变量的函数来解决这个问题.改进的模型继承了GVF活动轮廓线模型的全部特性,同时提高了其在窄带凹边界处的收敛性,并加快了初始Snake曲线的收敛速度.多个算例说明了本文方法的有效性.     

基于Snake模型的图像分割新算法

针对目前基于Snake模型的图像分割算法普遍存在噪声鲁棒性差、适用范围受限、易发生弱边缘泄露以及轮廓曲线难以收敛到细小深凹边界的缺陷,提出了一种基于Snake模型的图像分割新算法。首先,选取新的扩散项代替具有各向同性光滑作用的拉普拉斯算子;其次,引入p-拉普拉斯泛函到平滑能量项中强化法线方向外力;最后,利用边缘保护项使外力场方向与边缘方向一致,以防止弱边缘泄漏并促使轮廓线收敛到细小深凹边界。实验结果表明,所提模型不仅克服了现有基于Snake模型的图像分割算法的缺陷,具有更好的分割效果,明显提高了抗噪性能和角点定位精度,而且耗时更少,适用于噪声图像、医学图像以及含有很多弱边缘的自然图像分割。     

一种基于图割与GVF Snake的凹型目标快速提取算法

将图割理论与GVF Snake模型有机结合,提出了一种凹型目标的快速提取算法。首先用图割算法对初始轮廓线迭代变形,使其在快速提取非凹型段目标边界的同时将轮廓线有效地置于梯度矢量流力场的“有效逼近域”内,然后用GVF Snake算法继续对轮廓线迭代变形,提取凹型段目标边界。实验表明,该算法能快速、准确提取凹型目标。     

一种各向异性GVF模型的心脏左心室MR图像分割模型

为了克服传统的梯度矢量流(GVF)模型对细长拓扑结构、噪声及弱边界敏感的缺陷,提出一种基于区域信息的各向异性GVF模型.首先由模糊C均值(FCM)聚类算法得到聚类信息并将其融入到GVF模型中,以降低弱边界和噪声的影响;然后利用图像结构信息改进GVF模型,使其具有各向异性,克服了细长拓扑结构的影响;最后把得到的各向异性GVF模型融入到Snake方程中引导曲线的演化,得到目标边界.实验结果表明,该模型具有较好的分割结果.     

基于Canny算子的边缘切线扩散医学超声图像去噪

医学超声图像的细节特征在临床诊断中具有重要的意义.针对于传统的PM算法以及各种改进型各向异性去噪方法(Catte_PM、SRAD、CENCD等)存在边缘中的噪声点未作处理,多次迭代产生虚假边缘等缺点,通过分析具有代表性的Catte_PM各向异性模型,提出了一种结合自适应Canny算子,沿图像边缘切线方向扩散的去噪方法.该算法首先通过改进的Canny算子将图像范围分为边缘区和非边缘区;其次改进现有的扩散方法,使扩散方向只沿图像边缘切线方向进行;最后对非边缘区域采用有限次(三次)的各向同性滤波.实验结果表明,该方法能够有效地解决滤波和图像细节保护这一矛盾问题,使得图像质量有较明显的改善.     

基于Sigmoid型函数的梯度向量流主动轮廓模型的研究

主动轮廓主要用在计算机视觉与图像处理方面,尤其是用于检测目标对象的边界。与传统Snake模型相比．梯度向量流GVF（Gradient Vector Flow）的主动轮廓算法不仅有更大的捕获域．而且能检测到目标的凹陷处。本文对梯度向量流的主动轮廓算法做了改进,在继承原有GVF方法优点的同时,还具有以下特点：依据图像中目标边界的信息产生更合理的向量流,同时消除了噪声引起的虚假弱边界。在实际应用中,混合因子对最终检测的准确度影响相对较小．收敛速度较快。     

基于各向异性扩散活动轮廓模型的左心室MRI分割

结合各向异性扩散算法与梯度矢量流活动轮廓模型,提出了基于各向异性扩散活动轮廓模型并应用于心脏核磁共振图像分割;模型采用各向异性扩散方程构造活动轮廓模型的外部能量函数,得到边界更加清晰的分段平滑图像,运用梯度矢量流将边缘图梯度散射到平坦区域,可以有效抑制噪声,同时保持了目标边界;对左心室核磁共振图像的分割实验表明,该模型可以克服噪声和伪影的干扰,与原梯度矢量流模型相比具有更高的精确性和可靠性,有利于实现自动分割.     

基于GVF模型的图像分割方法的改进

基于GVF模型的图像分割方法克服了snake模型对凹凸形状物体分割效果不好的缺点,但它对细长凹陷物体的分割效果仍然不佳。本文通过GVF模型力场的分析,对GVF模型进行了改进,克服了GVF模型的上述缺点,通过在改进的GVF模型中引入和设置方向矢量,还可分割出任何感兴趣的物体。     

A multi-direction GVF snake for the segmentation of skin cancer images

A multi-direction gradient vector flow (GVF) snake-based scheme is proposed in this paper for the segmentation of skin cancer images. Unlike the traditional anisotropic diffusion (AD) filter, which has many disadvantages such as sensitivity to noise, a new AD filter has been developed to remove the noise. The proposed AD filter uses adaptive threshold selection and a new gradient computation method, which is robust to noise and can effectively remove the hairs. After the noise is removed from the skin cancer image, the image is segmented using a multi-direction GVF snake. The multi-direction GVF snake extends the single direction GVF snake and traces the boundary of the skin cancer even if there are other objects near the skin cancer region. Experiments performed on 11 cancer images show the effectiveness of the proposed algorithm.     

A new GVF-based image enhancement formulation for use in the presence of mixed noise

This paper is concerned with the introduction of a new gradient vector flow (GVF) field formulation that shows increased robustness in the presence of mixed noise and with its evaluation when included in the development of image enhancement algorithms. In this regard, the main contribution associated with this work resides in the development of an adaptive image enhancement framework that couples the anisotropic diffusion models with the adaptive median filtering that is designed for the restoration of digital images corrupted with mixed noise. To further illustrate the advantages associated with the proposed GVF field formulation, additional experiments are conducted when the proposed strategy is applied in the construction of anisotropic models for texture enhancement.     

Video object tracking based on improved gradient vector flow snake and intra-frame centroids tracking method

Accurately tracking the video object in video sequence is a crucial stage for video object processing which has wide applications in different fields. In this paper, a novel video object tracking algorithm based on the improved gradient vector flow (GVF) snake model and intra-frame centroids tracking algorithm is proposed. Unlike traditional gradient vector flow snake, the improved gradient vector flow snake adopts anisotropic diffusion and a four directions edge operator to solve the blurry boundary and edge shifting problem. Then the improved gradient vector flow snake is employed to extract the object contour in each frame of the video sequence. To set the initial contour of the gradient vector flow snake automatically, we design an intra-frame centroids tracking algorithm. Splitting the original video sequence into segments, for each segment, the initial contours of first two frames are set by change detection based on t-distribution significance test. Then, utilizing the redundancy between the consecutive frames, the subsequent frames’ initial contours are obtained by intra-frame motion vectors. Experimental results with several test video sequences indicate the validity and accuracy of the video object tracking.     

基于GVF和压力Snake模型的哑铃型目标提取

针对传统活动模型初始化曲线严格的位置选择问题和梯度矢量流场模型存在的哑铃型目标"临界点"问题,提出了梯度矢量流场构造出气球压力的活动轮廓改进模型.利用了梯度矢量流场决定形变点的压力方向,在该构造压力与图像外力及轮廓曲线内力的共同作用下模型完成目标提取.结合实例对改进模型和算法进行了试验分析,结果表明了模型的可行性和算法的有效性.     

一种新的心脏核磁共振图像分割方法

心脏核磁共振图像分割一直是医学影像分析领域的研究热点和难点,文中提出了一种基于梯度矢量流Snake模型的左心室分割方法.作为对梯度矢量流(GVF)的改进,提出了退化最小曲面梯度矢量流(dmsGVF).该模型对弱边界泄漏有更好的鲁棒性;挖掘了左心室的形状特点,采用相应的形状约束,克服了由于图像灰度不均而导致的局部极小,也大大减弱了分割结果对初始轮廓的依赖;对于左室壁外膜的分割,挖掘了左室壁内、外膜的位置关系,通过重新组合梯度分量来构造新的外力场.这种外力场能够克服原始梯度矢量流的不足,使得室壁外膜边缘很弱时也能得到保持,以左室壁内膜分割结果作为初始化能够自动地分割出左室壁外膜.实验结果表明,该方法能高效准确地同时分割左室壁内、外膜.     

带有局部耦合项的双向扩散与图像增强

在过去的十几年中,偏微分方程在图像增强中得到了越来越多的研究和应用。论文提出了一个带有局部耦合项的双向扩散框架。这个框架沿着等照度线(边缘)的梯度方向实施反向扩散以锐化边缘;而相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像。为了进一步控制扩散过程,使其逼近于一个稳定的过程,并消除数值“爆炸”和过冲,笔者在双向扩散方程中增加一个局部耦合项;而且为了保持图像特征,利用图像的方向导数局部地调整非线性扩散系数。实验结果显示,该文算法可以显著地提高被增强图像的视觉质量。