一种新的肝脏CT序列图像区域生长算法

为了提高区域生长的分割精度,减少种子点选取对分割结果的影响和用户交互量。提出一种通过置信区间和区域竞争计算目标区域最优阈值区间,用于医学序列图像的区域生长分割算法。在方法上区域生长方法考虑的是图像的局部信息,而置信区间和区域竞争方法考虑的是图像的全局信息。该文的算法融合了两者的优点。通过在一张图片上选择目标对象和背景对象的多个种子点,实现了复杂背景下的序列图像分割。使用一组腹部CT原始图片进行的实验结果表明,算法在只需很少交互的情况下,有效地提高了分割精度。     

根系CT序列图像区域生长分割的新方法

在对传统区域生长算法改进的基础上,针对原位根系CT序列图像的特点,提出了一种基于区域生长的植物根系CT序列图像分割算法。通过对208幅JPEG格式的植物根系CT序列图像进行直方图分析,确定植物根系区域的分割阈值范围,结合阈值分割实现改进区域生长法对单层根系图像进行分割得到目标区域。在此基础上,利用植物根系在介质环境中的空间连续性,进一步实现仅在选择单幅图像种子点的情况下一次性完成整套CT序列图像的分割。借助MITK（Medical Imaging Toolkit）工具箱对分割好的原位根系CT序列图像进行三维重建,对三维模型进行不同角度观测来判断分割的正确性。实验结果表明,该算法分割速度快、精度高,能够有效地去除CT图像背景中杂质像素,准确提取出植物根系目标区域。     

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.     

融合图像边缘的区域生长点云分割算法

为了解决传统区域生长点云分割算法因种子点选择不当或者生长策略设计不当导致的欠分割或过分割现象，本文提出利用图像中目标对象边缘得到目标点云边缘点作为种子点的区域生长点云分割算法.首先通过激光雷达与相机联合标定融合采集到的点云与图像，然后根据图像中目标对象边缘以及图像与点云的映射关系提取出目标对象点云的边缘点，接着以边缘点为种子点，根据边缘的性质设计出相关的生长策略，最后进行区域生长分割得到目标点云.实验结果表明，相比其它三种主流点云分割算法，本文算法可以从数据量大的稠密点云中以高精度分割出目标点云，并且有效避免欠分割与过分割现象.     

引入区域种子的多运动目标分割算法

针对智能监控系统中对多个运动目标进行图像分割这一问题,提出一种引入区域种子的多运动目标分割算法.算法首先利用背景减算法获得包含多个运动目标的前景图像,再利用四叉树分解方法获得与前景图像对应的稀疏矩阵,通过稀疏矩阵中数值的分布情况,计算出包含运动目标的区域种子点,从这些种子点出发,利用主动轮廓模型进行并行目标轮廓提取,最终完成多运动目标图像分割.实验结果证明本文算法能有效分割出前景图像中多个运动目标,分割结果与人眼视觉的判断相近,并行轮廓提取使算法具有良好的实时性.     

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。     

基于模糊连接度的交互式CT图像分割算法

如何准确地从CT图像中提取出感兴趣的组织,是医学图像分割中的难点。提出了一种基于模糊连接度的交互式CT图像分割算法：先根据用户指定的感兴趣区域的灰度范围预分割图像,然后用户从结果图像中选择目标和背景种子点,计算出各像素点与两类种子点的模糊连接度,最后根据连接度大小将像素点划分到目标或背景区域。分割过程中,用户可以通过增设或删除目标或背景种子点,修正分割的结果。实验表明,该算法能准确有效地分割出感兴趣区域。     

一种快速提取连续CT脑肿瘤病灶区的算法

脑肿瘤图像提取就是将肿瘤病灶区域(水肿、坏死、癌变)从正常的脑部组织(灰质、白质、脑脊液)分开,精确的脑肿瘤分割对脑瘤的诊断、研究和治疗有重要的临床意义;针对传统脑部CT肿瘤病灶提取的缺点,即需要耗费大量时间并且分割精度不高的问题,提出一种综合了形态学重建、分水岭分割和改进的区域生长算法;先用形态学重建进行去噪,再用结合多尺度梯度分水岭分割提取整个图像的边界,然后在肿瘤病灶区域内选取种子点进行区域生长,提取肿瘤区域轮廓,滤除其他封闭区域,得到的图像作为改进的区域生长法的初始分割区域,使用改进的区域生长法,滤除过分割区域;实验结果显示该算法分割出的结果有效区域大,分割精度高;该算法提高了分割精度,由于不用匹配结构参数,加快了分割速度,具有一定的临床价值。     

基于区域生长的彩色图像分割算法

针对传统种子区域生长算法在分割具有复杂纹理的彩色图像中存在的问题,提出一种改进的种子区域生长算法,该算法在YCbCr颜色空间中进行,采用离散余弦变换提取图像纹理特征值,进行自动种子及种子区域的生长,并用区域合并改善过度分割。实验结果表明,该算法能有效提高图像分割的精确性。     

微粒群优化和区域生长结合的图像分割方法

提出了一种基于微粒群算法的区域生长图像分割方法,该方法利用微粒群较强的搜索能力搜索像素种子点。由于搜索像素种子点是按密度进行,计算量小,大幅度提高了算法的计算速度,同时克服了传统区域生长方法不能自动选择种子且容易导致过分割的局限性。实验表明,该方法可以准确地分割出目标,是一种有效的图像分割方法。     

CT系列图像的三维层次化子块生长分割

准确地从CT系列图像提取感兴趣的组织是手术规划的基础,针对肝脏轮廓分割存在分割不全的问题,提出了基于三维区域生长算法的腹部CT图像分割方法。算法首先由用户选择若干个生长点,然后充分利用CT系列图像层间的相似性,提出基于子块的改进区域生长算法,实现三维的层次化子块区域生长,以更准确提取肝脏区域,其中生长准则由系统分析用户选择的生长点的邻域子块属性获得,以减少用户的干预。实验结果表明,算法能在较少的干预下快速分割出来CT系列图像中的肝脏轮廓。     

基于CT图像的周围型肺部疑似肿瘤分割*

以CT图像为基础,针对周围型肺部肿瘤分割问题,首先将经过预处理的CT图像利用阈值技术二值化,并采用形态滤波方法去掉散点和小桥,然后将每个连通区域标记出来,根据判断准则确定可疑的肿瘤区域.该方法使对阈值选取的敏感性和所需的人机交互减小到最低限度.     

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。     

基于约束随机游走的肿瘤图像分割方法

精确的肺部肿瘤区域分割对于放射治疗和手术计划的制定至关重要。针对目前基于单模态图像的肺部肿瘤区域分割的精度较低等问题,综合PET和CT图像的优缺点,提出一种全新的多模态肺部肿瘤图像分割方法。首先,使用区域生长法和数学形态学法对PET图像进行预分割以获取初始轮廓,初始轮廓用于获取PET图像和CT图像上随机游走所需的种子点,同时作为约束加入到CT图像的随机游走过程中;依据CT图像解剖特征较强的特点,利用CT解剖特征改进PET图像上随机游走的权值;最终将 PET图像和CT图像上随机游走所获得的相似度矩阵进行加权,在PET图像和CT图像上获得一个相同的分割轮廓。实验表明,相较于其他传统分割算法,所提方法在肺部肿瘤区域分割上具有更高的精确度和更好的稳定性。     

结合区域生长与模糊连接度的肺气管树分割

针对CT图像中因噪声、密度分布不均匀和边界模糊等因素造成肺气管树难以准确分割的问题,提出了一种区域生长与模糊连接度相结合的肺气管树分割流程。通过阈值化及形态学闭操作提取出肺实质以定义感兴趣区域;采用改进迟滞阈值区域生长法预分割出较粗气管并结合局部体积突变指标抑制侧向泄漏;将预分割的结果进行骨架化及修剪来进一步提取出分支点,并以此作为后续分割的新种子点;根据CT图像的灰度均匀性与气管的管状结构特征来构造亲和力函数以计算种子点与其他体素的模糊连接度,并选取合适的阈值对模糊连接度进行阈值分割以提取出完整气管树。实验采用了20例来自EXACT’09竞赛提供的公开数据,分别从分支点、分支数量和分支数比率等方面进行了量化评估。该方法能在较低泄漏情况下成功检测出参考标准中一半以上的分支,平均分支数比率达到59.7%。实验结果表明,该方法可对肺气管树进行较精确的分割。     

指纹图像二值化处理方法*

提出了一种新的带阻滤波二值化处理方法.首先,用带阻滤波和高斯低通滤波算法分别处理原始图像;然后,在高斯低通滤波图像中,用区域增长方法提取指纹的轮廓;最后,用轮廓线对带阻滤波指纹图像进行背景填充,把二值化处理限定在纹线区域内.通过实验证明,提出的二值化处理方法可以有效解决二值化处理方法中指纹的特征点丢失问题.     

区域生长的轮对图像分割

轮对作为列车的重要组成部分,其踏面磨耗参数的在线检测对保障轨道交通安全具有重要意义。在基于光截图像测量技术的轮对外形尺寸动态检测中,能否获取完整的轮对轮廓图像至关重要。针对轮对图像特点,提出一种基于区域生长的轮对图像分割新算法。该算法根据不同情况下轮对图像特点,通过基点位置选取恰当的种子点,并确定合适的生长准则。经过区域生长,有效地提取轮对轮廓图像。通过大量图像验证,该算法分割结果图的交迭面积比大于80%,误分面积比小于0.02%。可以在多种情况下有效地提取轮对轮廓曲线,具有良好的抗噪能力。     

一种基于区域生长的多个形变目标跟踪方法

自动获取公交车在停靠车站的上下车乘客数目对于合理、有效地调度车辆运行具有重要意义.利用图像处理技术对运动乘客进行跟踪统计时,由于目标的形状是随机变化的,甚至总是部分出现在视野范围之内,所以不能采用基于形状和特征点的跟踪方法.本文提出了一种基于差分图像和区域生长的,对多个形变目标运动区域特征进行跟踪的方法.实验表明此方法能够实时地、较准确地统计出上下车的乘客数目.     

一种变形表面的三维测量方法

提出一种新的利用标定图像进行三维测量的方法。利用SIFT算法找到初始的对应点,然后根据这些点生成三维空间中的种子点,再以这些种子点为中心,向外区域增长,直到完成整个物体表面测量。在每次增长的过程中,需要计算增长的三维空间平面在两个相机上的投影之间的图像相关系数。图像相关系数较大时认为是正确的增长,否则是错误的增长。实验证明,使用该方法能够得到很好的三维测量结果。     

类肤色背景中提取人脸轮廓的方法研究

提出了一个基于肤色并融合多种信息的人脸轮廓提取方法。首先在TSL色彩空间求取肤色概率图,选取种子点,然后利用多源信息进行区域生长,提取出人脸轮廓;为克服区域生长计算量大的缺点,采用了变分辨率图像金字塔策略。经实例验证,该算法能够快速准确地从类肤色背景中较好地提取出人脸轮廓,且具有较高的抗噪性和应用适应性。