一种新的自动阈值图像分割方法

提出了一种新的自动阚值图像分割方法，该方法将图像分成两个类，当类间方差与类内方差的分离度最大时即为最佳阈值。实验表明新方法能够自动而快速地对图像进行分割。     

空间约束FCM与MRF结合的侧扫声呐图像分割算法

针对侧扫声呐图像斑点噪声强、目标分割困难的问题,提出了一种基于空间约束的快速模糊C均值聚类(SCFFCM)与马尔可夫随机场(MRF)相结合的分割算法。为克服噪声干扰,该算法首先基于贝叶斯最大后验概率理论在非下采样Contourlet变换域去除声呐图像中的强斑点噪声;然后为加快分割速度,提出SCFFCM算法,该算法用于给出一个较好的初始分割;接着由初始分割计算MRF模型的约束场,再根据图像邻域内灰度波动情况自适应更新结合权值,进而求解得到FCM模糊场与MRF约束场的联合场,并基于最大概率准则得到分割结果;最后,采用形态学去除分割结果中的孤立噪点,并完成孔洞填充。对仿真及实际的侧扫声呐图像的分割实验结果表明,所提算法较FCM和现有的一些FCM改进算法有更强的抗噪能力、更高的分割精度以及更快的运算速度。     

一种改进的图像分割方法

分析了图像分割方法中Chan—Vese方法及其改进方法的不足,提出了一种图像分割的新方法。引入各向异性平滑项,并用差分法来求解水平集函数,因此在图像处理过程中既对噪声有较好的鲁棒性,又能更好地保持图像中较弱边缘的信息,提高图像分割的精度。实验证明,此方法比Chan—Vese方法及其改进方法有更好的分割效果。     

一种新的用于MR脑图像分割的主动轮廓模型

主动轮廓模型是一种有效的基于边缘的分割方法,然而,在MR脑图像的应用中,它却遇到了许多问题,例如背景复杂,同一解剖结构的灰度分布不一致以及边界不连续等.这里提出了一种新的用于MR脑图像分割的主动轮廓模型.该模型不仅利用关于目标轮廓的先验知识对切片的边缘吸引力场进行边缘约束,减少相邻结构对曲线收敛的影响,还对进行边缘约束之后得到的边缘吸引力场进行正则化处理,增强模型对凹边缘的搜索能力和对断裂边缘正确提取的能力.实验证明,该模型可以克服传统主动轮廓模型在MR脑图像遇到的难题,从而快速有效地在MR脑图像中提取目标轮廓.     

CT图像中的主动脉分割方法

CT图像中主动脉分割技术在临床医学诊断和定量分析研究过程中有着非常重要的意义.为了实现人体主动脉准确分割的目的,提出了一种联合C-V模型边界的区域分割算法.该算法以基于种子点的区域生长作为区域分割的生长方式,以C-V模型得到的最终演化轮廓曲线为约束条件,两者结合来达到分割主动脉区域的目的.实验过程中,将该算法与区域生长算法进行了精度对比,结果证明本分割算法的精度更高.     

一种改进的高斯混合模型的玻璃缺陷分割方法

针对传统玻璃缺陷检测技术准确率较低、时间长、精度低等难点,提出了一种改进高斯混合模型的玻璃缺陷图像分割方法.首先,基于分数阶微分运算获取灰度特征,并利用灰度共生矩阵提取纹理特征,构建玻璃缺陷完整的双特征观测数据;然后,引入相邻像素间的空间关联性和约束性,通过交替进行基于双特征随机场评估像素点与标号场之间的对应关系和空间...     

结合神经网络和MRF的彩色纹理图像分割方法

在Bayesian框架下利用MRF模型进行纹理分割时,简单的纹理特征概率模型(比如高斯模型)难以准确描述其分布特性而复杂的概率模型设计又非常困难,这极大地影响了分割的精度。针对这一问题,设计了一种能充分利用神经网络建模图像特征场的方法。基于该特征场建模方法,提出了一个监督方式的彩色纹理图像的分割算法。该算法在贝叶斯框架下进行,分别采用神经网络和Potts模型描述特征场和标记场的概率分布,并基于极大后验概率(MAP)准则获取分割结果。多幅彩色纹理图像的分割实验表明,该分割算法对彩色纹理图像比传统的ICM算法具有更好的分割性能。     

基于GrabCut的磨粒图像分割方法研究

提出基于GrabCut算法的彩色磨粒图像分割方法。在CIELab颜色空间的L、a、b通道采用大津阈值法(OSTU)进行分割,对分割结果进行"L与(a或b)"处理,并对处理结果进行形态学腐蚀和膨胀,得到标记出磨粒区域、可能的磨粒区域和背景区域的标记图像。根据标记图像分别对磨粒区域和背景区域的高斯混合模型(GMM)参数进行初始化,构建带权值的无向图映射原图像并建立包含区域项和边界项的Gibbs能量方程。通过迭代运算调整各像素点所属类别和高斯混合模型的参数,采用mincut/maxflow算法极小化能量函数,当能量趋于收敛时即可得到最终的分割结果。     

一种CT图像的肺实质分割方法

为了实现计算机辅助诊断,解决自动化CT图像处理的问题,文中提出一种肺实质分割的算法.采用求直方图峰值间极小值的方法获取最优阈值,实现图像分割;在此基础上,采用空间滤波以及连通域标记法去除干扰得到肺实质区域.结果表明该方法能实现肺实质分割,解决了肺结节检测的预处理问题.     

白细胞图像的最优线性组合分割方法

针对血液白细胞图像的自动分割问题,本文提出一种基于HSI彩色空间的三种灰度分量进行双权值最优线性组合的方法.用t检验确定最优化组合权值,组合后图像的直方图具有单一谷底,进行自动阈值二值化处理,能有效分割出整个白细胞图像.     

利用一维纹理特征值及MRF模型分割道路影像

提出了一种从遥感影像中分割出道路的新方法.通过比较多个方向上纹理和灰度的一致性,可以在每一点处筛选出一致性最优方向,此方向上的Gabor滤波响应以及作为衡量一致性指标的方差值共同构成该方法的特征矢量.鉴于MRF的独特优点,选择其作为分割模型,并结合最大期望(EM)原理实现非监督分割,构建MRF的相应能量项时加入了方向信息以提高分割质量,同时用置信传递法(BP)代替传统的模拟退火法以提高能量最小化过程的速度.实验表明新方法可以更为有效地从高分辨率遥感影像中分割出道路目标.     

基于NSCT域边缘检测的侧扫声呐图像分割新方法

针对侧扫声呐图像混响噪声严重、对比度低、分割困难的问题,根据侧扫声呐图像成像特点,提出一种基于非下采样Contourlet变换(NSCT)域边缘检测和区域生长的侧扫声呐图像分割新方法.首先,对侧扫声呐图像进行NSCT分解,通过K均值聚类法在NSCT域低频部分对阴影进行分割;然后通过寻找NSCT域高频层由同一粗尺度分解的2个细尺度相邻子带系数差的模极大值位置,来选择图像边缘点,并进行尺度内、尺度间的边缘融合;最后,利用基于边缘的区域生长方法完成对目标的分割.实验结果表明,该方法对侧扫声呐图像分割具有抗噪性能好、正确分类率高以及边缘定位准确等优点.     

基于复小波域树结构化MRF模型的声纳图像分割

声纳图像受成像环境影响对比度低,特性信息较弱,且图像分辨率不高,用传统的分割方法效果较差,为此,构建了双树复小波域树结构化的MRF模型(TS-MRF),提出了基于此模型的声纳图像分割算法。双树复小波变换(DT-CWT)具有近似平移不变性和良好的方向选择性,其多分辨率分析能有效地提取声纳图像的弱特征信息,以便TS-MRF中节点参数的描述能准确地反映树结构的分布规律和图像统计特性;复小波域6个方向高频子带相互独立,尺度间父子节点标号具有一阶Markov性;尺度内构建TS-MRF模型,且每一节点标号依赖于父节点,采用Potts模型对节点标号势函数建模,相同标号的观测特征用高斯模型建模;最后,用多分辨率递归和每一分辨率分类层次树从顶层向底层的尺度内递归算法来求解最大后验概率,实现分类层次树标号,完成声纳图像分割。实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地抑制噪声,较好地提取声纳图像的弱特征信息,具有较高的分割精度和鲁棒性。     

基于改进Res-UNet的视网膜图像血管分割

精准的视网膜血管分割可以辅助诊疗如糖尿病、高血压等疾病。眼睛血管结构和病理特征的复杂性导致血管分割的精度和速度都存在很多局限。为了克服这一问题,提出了一种改进的U-net分割方法,该方法将U-net网络解码器和编码器中的卷积模块改为残差模块,使用非局部注意模块连接编码器和解码器。网络模型在不增加参数量的情况下,通过添加残差模块和注意力机制提高了像素之间的信息相关性以及模型提取特征的能力。最后,采用DRIVE数据集对所提模型与原U-net网络进行对比评价,新模型在测试集上的特征检测准确率、特异性、灵敏度和Dice系数分别达到了0.9679、0.9896、0.8245和0.8281。实验结果证明,所提网络模型可对视网膜进行精确地血管分割。     

彩色视网膜血管图像的自动分割算法

为了保证眼底测量结果的准确性、客观性、可重复性以及实用性，提出了彩色眼底图像自动分割与定量分析的算法。具体步骤如下：首先对彩色视网膜血管图像进行网格划分，其次对包含重要血管信息的网格区域实现Otsu阈值分割，在此基础上对其它相邻网格进行区域生长算法分割，最后由计算机统一处理得到视网膜血管的网络径线。实验结果表明：该算法提取的血管网络径线连续性较好，血管中心线定位准确，抗干扰能力较强，处理速度较快，具有较高的临床应用价值。     

Adaptive striping watershed segmentation method for processing microscopic images of overlapping irregular‐shaped and multicentre particles

Oversegmentation is a major drawback of the morphological watershed algorithm. Here, we study and reveal that the oversegmentation is not only because of the irregular shapes of the particle images, which people are familiar with, but also because of some particles, such as ellipses, with more than one centre. A new parameter, the striping level, is introduced and the criterion for striping parameter is built to help find the right markers prior to segmentation. An adaptive striping watershed algorithm is established by applying a procedure, called the marker searching algorithm, to find the markers, which can effectively suppress the oversegmentation. The effectiveness of the proposed method is validated by analysing some typical particle images including the images of gold nanorod ensembles.     

Automatic setae segmentation from Chaetoceros microscopic images

A novel image processing model Grayscale Surface Direction Angle Model (GSDAM) is presented and the algorithm based on GSDAM is developed to segment setae from Chaetoceros microscopic images. The proposed model combines the setae characteristics of the microscopic images with the spatial analysis of image grayscale surface to detect and segment the direction thin and long setae from the low contrast background as well as noise which may make the commonly used segmentation methods invalid. The experimental results show that our algorithm based on GSDAM outperforms the boundary‐based and region‐based segmentation methods Canny edge detector, iterative threshold selection, Otsu's thresholding, minimum error thresholding, K‐means clustering, and marker‐controlled watershed on the setae segmentation more accurately and completely. Microsc. Res. Tech. 77:684–690, 2014. © 2014 Wiley Periodicals, Inc.     

利用高斯混合模型的多光谱图像模糊聚类分割

针对传统分割算法难以实现高分辨率多光谱图像分割的问题,本文提出一种利用高斯混合模型的多光谱图像模糊聚类分割算法。该算法采用高斯混合模型定义像素对类属的非相似性测度,由于该算法具有高精度拟合数据统计分布能力,故可以有效剔除噪声对分割结果的影响。同时,引入隐马尔科夫随机场(Hidden Markov Random Field,HMRF)定义邻域作用的先验概率,并将其作为各高斯分量权值以及KL(Kullback-Leibler)信息中控制聚类尺度的参数,从而增强了算法对复杂场景遥感图像的鲁棒性,进一步提高了算法的分割精度。对模拟图像和高分辨多光谱图像分割结果进行了定性定量分析。实验结果表明:模拟图像的总精度达96.8%以上。这验证了本文算法在分割高分辨率多光谱图像时具有保留细节信息的能力,而且也证实了算法的有效性和可行性。该算法能够实现高分辨率多光谱图像的精确分割。     

Computerized detection and segmentation of mitochondria on electron microscope images

Mitochondrial function plays an important role in the regulation of cellular life and death, including disease states. Disturbance in mitochondrial function and distribution can be accompanied by significant morphological alterations. Electron microscopy tomography (EMT) is a powerful technique to study the 3D structure of mitochondria, but the automatic detection and segmentation of mitochondria in EMT volumes has been challenging due to the presence of subcellular structures and imaging artifacts. Therefore, the interpretation, measurement and analysis of mitochondrial distribution and features have been time consuming, and development of specialized software tools is very important for high-throughput analyses needed to expedite the myriad studies on cellular events. Typically, mitochondrial EMT volumes are segmented manually using special software tools. Automatic contour extraction on large images with multiple mitochondria and many other subcellular structures is still an unaddressed problem. The purpose of this work is to develop computer algorithms to detect and segment both fully and partially seen mitochondria on electron microscopy images. The detection method relies on mitochondria's approximately elliptical shape and double membrane boundary. Initial detection results are first refined using active contours. Then, our seed point selection method automatically selects reliable seed points along the contour, and segmentation is finalized by automatically incorporating a live-wire graph search algorithm between these seed points. In our evaluations on four images containing multiple mitochondria, 52 ellipses are detected among which 42 are true and 10 are false detections. After false ellipses are eliminated manually, 14 out of 15 fully seen mitochondria and 4 out of 7 partially seen mitochondria are successfully detected. When compared with the segmentation of a trained reader, 91% Dice similarity coefficient was achieved with an average 4.9 nm boundary error.