基于遗传算法的肝脏CT图像分割算法研究

遗传算法是一种基于生物选择与遗传机制所形成的一种全局优化、随机搜索算法,对处理一些传统搜索算法解决有难度的复杂问题比较适合,具有巨大发展潜力。论文首先介绍了遗传算法的基本原理以及它的主要特点和性质,重点叙述了基于遗传算法的图像分割方法,并通过应用遗传算法选取合适的阈值,进而采用最大熵原则对人体肝脏CT图像进行了分割算法处理,得到图像分割处理的实验结果,并对实验结果进行了分析。     

水平集方法在CT肝脏图像分割中的应用

水平集方法在医学图像分割上有着广泛的应用。文章将水平集方法用于CT肝脏图像的分割,并针对CT图像的特点,提出了一种结合图像灰度和曲线曲率信息的速度函数,实验结果表明该方法是有效的。     

基于分形理论的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好对其进行分割,文章将SAR图像的特点和分形理论相结合,提出了一种新的SAR图像分割方法。该方法首先对原始SAR图像每个像元为中心取两种不同窗口,计算在该两种窗口下基于区域自选的分形维数并求均值,将其作为分形纹理特征。然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像分形纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果分析表明,该方法是一种有效的SAR图像分割方法。     

一种新的多区域肝脏CT图像分割方法

肝脏CT图像分割是肝脏计算机辅助诊断系统中最关键的部分,也是医学图像分割中的一个难点.已有的算法一般只能分割出多区域肝脏CT图像中某一区域,针对这一问题,提出了一种新的多区域肝脏CT图像分割方法.首先利用自动双阈值方法进行初步分割,然后利用图像的灰度信息及相邻肝脏CT图像的面积、形状变化比较小等信息来进行多区域肝脏CT图像分割.通过仿真实验,证明该方法能够准确、快速的对多区域肝脏CT图像进行自动分割.     

基于DICOM格式的肝脏肿瘤CT图像分割

为减少数据损失与处理时间,直接从DICOM格式的CT胸腹部图像中分割出肝脏肿瘤。为有效地分割出肿瘤,先设置恰当的窗宽窗位。利用ITK读取图像,用均值曲率流滤波法去除图像上的噪声。对目前几种在图像分割领域应用较多的阈值分割及区域生长分割算法进行了探讨,结合获得的活体CT图像进行实验研究,得到较为满意和有效的结果。实验表明：肝脏肿瘤这一目标区域的面积较小,区域生长分割算法中的“置信连接阈值法”能从胸腹腔CT图像中很好地分割出肝脏肿瘤。     

应用化肝脏病灶分割的预测方案

准确的肝脏病灶分割是计算机辅助医生进行肝癌诊断和制定相应治疗计划的重要前提,针对高精度分割算法普遍存在的过程复杂、分割需多步完成的问题,提出了一种同时预测肝脏区域和病灶区域的端到端U-net分割算法。改进基础U-net模型,加入特征复用思想以提高网络模型对于特征的利用效率;对损失函数进行改进,采用交叉熵和Dice系数相结合,同时加入欠分割惩罚因子微调,提高模型预测能力及病灶的检出比例;加入[[-200,200]]的阈值化预处理和提取肝脏最大联通域、删除病灶扁平预测结果的后处理来优化结果。在MICCAI_2017_LiTS数据集的实验表明,端到端网络依然可以达到复杂网络、多步分割网络的算法精度。     

基于分形理论的遥感影像分类研究

分形理论是非线性科学领域的一大支柱,它的提出为人们解决非线性世界的问题提供了新的思想和方法,由于分形维数与人类对图像表面纹理粗糙度的感知是一致的,利用分形理论进行遥感影像分类具有潜在的理论和应用价值。本文根据遥感影像特点,引入分形方法来描述其纹理结构特征,利用双毯覆盖模型来提取遥感影像的纹理特征,在此基础上,采用K-means算法将纹理结构特征与光谱特征相结合,进行遥感影像分类,其分类效果优于单纯采用光谱特征的分类。     

基于多重分形的肝脏边缘粗糙度分析*

（目的）针对当前在肝纤维化早期CT影像无法检测的问题,提出了基于多重分形理论的肝脏边缘粗糙度分析方法。（方法）该方法计算了图像像素点的粗粒化Holder指数,并用核估计方法估计出图像与该粗粒化指数相对应的多重分形奇异频谱。（结果）实验结果表明该方法能在肝纤维化早期分辨出肝脏CT影像边缘粗糙度的改变,而且与传统分形维方法相比效果更明显。（结论）因此多重分形频谱分析为肝脏图像的检测提供了一种新的途径。     

基于分形维数的图像分割研究

本文在分形图象模型研究基础上，采用离散分形布朗增量随机场。通过撮特性参数－Ｈ值，方差，平均灰度值，然后结合传统的聚类分割技术，实现图象分割。在对自然背景中的人造物体图象和金相图的实验结果表明，分割效果良好，且抗噪性能较强。     

基于分形维的语音去噪与音节分割

为提高现有小波去噪法的处理效果,准确有效判断出连续语音中各个音节的起止点,提出了基于分形理论的算法。该算法首先利用分形维与小波变换相结合的动态阈值算法进行语音去噪,从而提取出尽可能纯净的语音信号;在此基础上,计算分形维轨线,根据其均值对音节分割点进行判定。实验结果表明,该算法较好地实现了语音去噪和音节分割,鲁棒性较好,使得系统在低信噪比情况下仍保持较高准确率,在语音识别方面有较好应用前景。     

Multi-resolution texture segmentation using fractal dimension

An efficient algorithm for segmenting a textured image into different regions is developed based on a set of fractal dimension estimated from calculated variorum. An edge detector is employed to detect multi-resolution framework texture boundary based on the including gradient pyramid construction followed by the reliable information obtained in the rough resolution as mask to constrain the calculation region in the rest resolution. Combined with mask and gradient in each resolution is propagating down to the finest resolution giving a more accurate boundaries estimation. The utility of the proposed method is demonstrated on a number Of synthesis and natural textures.     

基于分形维度的叶片图像识别方法

为使树叶识别达到更好的效果,对分形维度作为纹理特征的方法进行了研究,提出把分形维度应用于叶片识别领域,将其作为叶片纹理特征的提取方法,来表示叶片图像的纹理复杂程度及其自相似性.使用了26种叶片(390幅图像)的图像库进行实验,提取了包括分形维度在内的9项特征进行训练测试,达到了91.54％的正确率.实验结果表明,提出的方法优于传统的叶片识别方法,证实了该方法的有效性.     

串并行分割法在分形图像压缩的应用

分形理论是20世纪70年代美国Benoit B.Mandelbrot提出的,在图像压缩领域中得到了迅速的发展与应用,分形编码压缩的两大难点是如何进行图像分割和构造迭代。介于现阶段的分形压缩算法复杂,编码时间长的缺点,本文通过细化图像分割以减轻迭代时计算量的思想,采用串行边界分割与并行区域分割相合的一种改进方法。     

基于随机聚类的结肠镜图像分割技术的研究

针对彩色结肠镜图像，提出一种融合颜色、亮度、空间距离和纹理信息，采用随机聚类的彩色图像分割新算法。该算法采用分形维作为图像纹理特征的度量，用一种基于元素间的相似性的随机聚类方法对特征空间进行聚类。该聚类算法是基于对图中的切割进行采样的新的图论算法，可以自动获得最佳的分类数目。     

基于分形维数的车牌识别二值化算法

针对当前常用车牌识别二值化算法存在的问题,提出了基于分形维数的二值化的方法。根据分形维数反映图像复杂程度的定义,通过计算两次突变的分维数,来确定图像的灰度值范围,并利用该灰度值范围确定阈值。并通过实验,表明利用分形维数所得到的阈值进行二值化处理较传统方法有较大改进,且该方法解决了在自然光和不同光照背景下对车牌识别的干扰问题,也可以从复杂背景中提取出倾斜的车牌。     

一种新的肝肿瘤CT图像分割方法

传统的分割方法难以实现医学图像准确地分割,提出了基于最大信息熵原理的医学图像分割方法。该方法集成了阈值分割、边界跟踪和数学形态学,提高了分割的精度和速度。分析和实验结果表明,采用该方法对肝肿瘤CT图像进行分割时,能自动准确地提取出医生感兴趣的区域。     

旋转骨架法在二值图像分形维数计算中的应用

目的 计盒法是一种计算二值图像分形维数的常用方法,传统方法如BCM（box-counting method）对无旋转的图像结构具有较理想的计算结果,但是对具有旋转的图像结构的拟合结果偏差较大,导致同一物体在不同旋转角度下的图像的计算结果存在较大差异。为了减小图像旋转对盒维数的影响,本文提出了一种计算二值位图分形维数的新方法——旋转骨架法。方法 将二值图像提取骨架,使位图转换为矢量图,利用遗传算法计算图像中物体的最小包容矩形和旋转角度,然后将矢量图进行旋转使其变为一个无旋转的图形,接下来采用多尺度的盒子覆盖矢量图形得到多个拟合点,最后按最小二乘法对拟合点进行拟合得到盒维数。与BCM方法相比,其核心工作与关键改进为骨架的提取、最小包容体的计算、矢量图的分形维数计算等过程。结果 对3种类型的图像进行了分析,在自相似的分形图像中,相比BCM方法,3幅图的平均误差分别降低了0.725 2%、3.060 5%和2.298 5%,变化幅度分别降低了0.057 3、0.088 3和0.085 9;在文字扫描图像中,相比BCM方法,变化幅度降低了0.012 75,平均拟合误差降低了0.001 28;在植物图像中,与BCM方法相比,分形维数的变化幅度降低了0.017 04,平均拟合误差降低了0.000 5。结论 该方法充分利用了位图易旋转、无厚度的特点,减小了图像旋转对盒维数的影响,评价结果优于BCM方法。     

基于MMD的建筑混凝土CT图像分割

本文利用改进的动态METROPOLIS方法(MMD)对混凝土圆柱体试件一个扫描断面的4个应力阶段的CT图像进行分割。基于MMD混凝土的CT图像分割使得混凝土的细观结构的CT统计分析简化,并为混凝土CT细观结构研究分析提供了重要参考。     

一种改进FCN 的肝脏肿瘤CT 图像分割方法

精准的医学图像分割是辅助疾病诊断和手术规划的必要步骤。由于腹部器官边界 模糊、对比度不高,肝脏肿瘤的自动分割一直是一个难题。针对传统全卷积神经网络(FCN)实 现端到端分割精度不佳等问题,提出了一种卷积型多尺度融合FCN 的CT 图像肝脏肿瘤分割方 法。首先,通过提高对比度、增强和去噪的方式对原始的CT 图像数据集进行预处理;然后使 用处理后的数据集对所设计好的FCN 网络进行训练;最终得出能够精确分割肝脏肿瘤的网络模 型。实验效果采用多种评价指标进行分割结果的评估,并且与多种常见的分割网络进行对比。 实验结果表明本文方法可以精准分割CT 图像中各种形状和大小的肝脏肿瘤,分割效果良好, 能够为临床的诊断提供可靠的依据。