基于最小偏态指标的图像阈值分割新技术

本文在假设图像目标和背景像素灰度值均服从正态分布的前提下，提出基于最小偏态指标的图像分割新技术。该方法引入数理统计中的偏态指标作为图像分割的准则函数，利用图像直方图计算各灰度级下的偏态指标值，其最小值即对应于最佳分割阈值，本文对最小偏态指标法进行了详尽的图像分割验证，并与Otsu法，最大熵法和最小误差准则法进行了详细比较，结果表明本文方法具有分割精度高，计算速度快以及对目标大小影响小等优点，是一种很好的图像阈值分割方法。     

基于PCNN自动波与偏态指标的图像自动分割算法

提出了一种脉冲耦合神经网络和偏态指标相结合的算法来对图像进行自动分割,主要思路是用偏态指标作为分割图像的测度,当分割输出图像的偏态指标达到最小时,分割迭代过程自动终止,从而实现了图像的自动分割。仿真试验结果验证了算法的较好效果,具有实用和推广的价值。     

灰度图像最小误差阈值分割法的二维推广

一维最小误差阈值法假设了目标和背景的灰度分布服从混合正态分布. 考虑到噪声等因素对图像质量的影响, 本文在二维灰度直方图上, 基于二维混合正态分布假设, 给出一维最小误差阈值法的二维推广表达式. 为了提高算法的运行速度, 也给出了快速递推算法. 实验表明, 二维最小误差阈值法是一个有效的图像分割算法, 能够更好地适应目标和背景方差相差较大的图像及噪声图像的分割问题.     

粒子群优化在图像最小误差阈值化中的应用

提出了一种基于粒子群优化（PSO）的图像最小误差阈值化方法。将粒子群优化算法应用于图像最小误差阈值化中,克服了常规最小误差阈值化计算量大的缺点。实验证明该算法能有效降低常规图像最小误差阈值化的计算量,与遗传算法相比,该方法有更好的收敛性和稳定性。     

基于模糊度的图像阈值分割法

本文将模糊集合理论中的模糊度概念引入阈值分割技术中．在图像的模糊特征平面上采用最大模糊度原则确定分割阈值．新算法正是基于图像信号的模糊性．采用标准模糊率属度函数(S函数)．并根据其特征．结合欧基米德模糊度确定分割阀值。新算法不依赖于图像的直方图．也没有直方图满足高期分布的种种假设．即使两幅图像的直方图相同而内容完全不同也能各自精确分割。     

改进遗传算法在最小错误图像分割法中的应用

传统自适应遗传算法有可能使问题求解陷入局部最优解,而求得错误的图像分割阈值。为了得到最优的图像分割阈值,提出了改进遗传算法在最小错误图像分割法中的应用。改进的算法重新构建了交叉率和变异率的计算公式,使得交叉率和变异率在任何情况下都不为零。算法使用误差最小函数作为适应度函数,采用选择、交叉、变异等遗传操作搜索最优分割阈值。实验结果表明,改进遗传算法应用到最小错误图像分割法中,减少了运算时间,提高了分割准确度。     

快速多阈值图像分割法

大津法对由多个目标组成的图像求最佳阈值时,消耗大量时间。针对此不足,提出简单而快速求多阈值的方法,对已分割的小区间反复利用大津的二分法和方差比值求出需要的阈值。首先,对研究图像的整个灰度值区间利用大津法分成两类;然后,对已分出的两个区间分别应用二分大津法,两类分成四类、八类等。比较实验结果表明,该方法适合图像特征,能快速分割目标图像,可以应用于模式匹配以及人脸识别。     

图像的自适应模糊阈值分割法

针对目前图像模糊阈值分割法所存在的窗口宽度自动选取困难的问题,在预先给定隶属函数和图像像素类别数的情况下,提出了图像模糊阈值分割法的自适应窗宽选取方法.同时,针对用模糊阈值方法难于分割的具有单峰或双峰差别很大的直方图的图像,提出了一种直方图变换方法,对变换后的直方图,利用自适应模糊阈值分割法可以获取有效的分割.最后,算例表明了文中所提方法的简洁性、有效性和很好的鲁棒性.     

结合遗传算法的局部最小误差孔穴图像分割法

针对遗传算法和最小误差分割法各自的优缺点,将最小误差分割法与遗传算法进行改进并且相互结合,提出了一种结合遗传算法的局部最小误差孔穴图像分割法。该方法利用局部图像信息确定最佳阈值范围,并根据模拟退火思想对个体适应度进行自适应的调整,从而避免了早熟现象,提高了运算速度。实验结果表明:该方法不但能够准确地分割出孔穴图像,而且运算速度较快,是一种有效的孔穴图像分割方法。     

采用最小误差阈值分割算法的基因芯片图像分析

为了能够较好地处理芯片图像,尽可能准确地提取出描述基因样点的数据信息,采用了最小误差阈值的分割算法.该方法在假设目标和背景的分布服从混合正态分布的前提下,设定了最小误差分类目标函数,通过求得使目标函数值最小的最佳分割阈值,实现基因样点和背景图像的分割.针对分割出来的基因样点图像提取特征数据,最后对这些数据进行聚类分析,进而对实验样点进行分类.在实验中应用该方法分析了2组基因芯片图像,基因样点的分类效果较好,验证了该基因芯片分析方法的可行性.     

基于最大类间方差法的脑MRI图像分割

针对具体的脑MRI图像分割,经典的水平集方法存在处理时间较长、分割速度慢、不能很好地收敛到物体的实际边缘等缺点,本文采用了最大类间方差法（Ostu法）。文章详细阐述了最大类间方差法在具体的脑MKI图像分割中的应用,并将基于该方法的脑MRI图像边缘检测的实验结果与经典的水平集分割方法的处理结果进行了比较。实验结果显示,最大类间方差法不仅原理简单、运行速度快,而且能够实现边缘的精确检测。     

支持向量机在核磁共振脑组织图像分割中的应用

在医学图像分析中,脑组织图像分割有着重要的研究与应用价值。采用支持向量机方法对核磁共振脑图像进行研究。传统的支持向量机方法在图像分割中一般选用方形的区域,用该区域的像素灰度和纹理特征作为支持向量的训练样本,对图像进行提取和分析,得到分类结果。提出了一种新型的研究区域,在该区域上提取训练样本,对核磁共振脑图像进行分类。分类结果显示用新型区域做的图像分割提高了正确率。     

基于特征提取的脑部MRI肿瘤自动分割

对脑部磁共振图像中肿瘤的自动分割,有助于了解疾病特征和制定手术方案,评价治疗效果。该文通过提取基于灰度统计、对称性、纹理等的特征,结合AdaBoost方法,利用计算机进行自动脑肿瘤分割。该方法综合利用了磁共振(MR)各加权图像的信息和大脑解剖结构的知识,以及AdaBoost算法的特征选择能力。在20帧带有肿瘤的MR图像上进行实验,得到了96.82%的分类准确率。     

基于局部熵最小化的核磁共振脑图像二次分割算法

医学图像分割在医学图像处理,尤其是在临床诊断的核磁共振图像分析中起着重要的作用.偏移场的存在使核磁共振脑图像中的局部统计特性发生变化,这成为自动化分割的一个主要障碍.为了克服偏移对分割造成的影响,提出了一种基于局部熵最小化的核磁共振脑图像二次分割算法.首先采取基于组织的分块算法和局部熵最小化以获得脑图像分割的聚类块,再以每个聚类块为中心进行动态搜索;利用模糊C均值算法对每个搜索窗口进行分割.将所有分割结果与原始聚类块的分割结果进行比较,对满足二次分割条件的像素进行二次分割.模拟数据和真实数据的实验结果表明,提出的二次分割方法准确、可靠.     

基于K-means和图割的脑部MRI分割算法

为了克服原始图割算法在用户选定的像素种子点较少情况下,目标边界容易出现错分这一现象,本文提出了基于K-means和图割(Graph cut,GC)算法相结合的交互式K-均值图割（K-means and graph cut,KMGC）算法,对脑部核磁共振图像（Magnetic resonance image,MRI） 进行交互式操作,该算法通过K-means聚类,对脑部MRI的灰度不均匀性进行了处理,在此基础上,再使用图割算法进一步对脑部MRI进行细化,从而达到有效地分割脑白质和脑 灰质的目的。本文分别在仿真和真实的脑部MRI数据上进行了大量的实验,分别从定量分析和定性分析两个角度对实验结果进行了分析,并与其他分割算法进行了对比,对比实验结果标明,KMGC算法能够有效地对脑部MRI进行分割,并在分割效果上优于其他算法。     

图谱法脑部MRI图像自动分割技术发展及应用

脑部MRI图像自动分割是计算机技术运用于医学上的一个典 型工作,脑部图像分割技术对于人类研究脑部疾病具有重要意义。虽然有一些非常广泛应用 的图像分割方法,如阈值法、区域增长法、聚类法等,但在脑部MRI图像分割中,这些方法 都 没有图谱法具有更为实际的医学研究与临床价值。本文回顾了脑部图像配准、分割的发展历 程,介绍了图谱分割算法的发展及基本原理,以及当前比较前沿的多图谱分割系统的组成和 应用。最后本文对图谱法脑部自动分割在实际临床医学中的应用前景作了总结和展望。     

模糊各向异性扩散人脑MR图像自动分割

目前对人脑磁共振图像的处理由于噪声等因素的影响,往往准确度不高。论文提出一种新的基于模糊各向异性扩散的人脑磁共振图像自动分割方法,该方法首先结合非线性扩散滤波构造混合信息场,在平滑目标内部同时处理强噪声区域,降低强噪声的影响且保留边界信息。然后利用FCM方法、形态学方法和标记法对混合场进行分析与处理,最终得到分割结果。对脑部MR图像分割的实验表明该方法的分割准确性较高,错误率约为1.3%。     

一种基于局部信息的多相脑图分割模型

针对脑核磁共振成像中灰度不均匀的现象,提出一种基于局部信息的多相脑图分割模型。采用阈值法进行轮廓初始化,利用多相水平集拟合图像的局部信息,从而得到脑灰质、脑白质和脑脊液图像。实验结果表明,该模型能有效地对多相脑图进行分割,给出准确光滑的目标边界,并且不需要重新初始化。