一种基于水平集的三维肝脏磁共振图像混合分割方法

针对腹部复杂的内部结构、各组织之间存在相互浸润,使得腹部磁共振(Magnetic resonance, MR)图像存在大量弱边缘的问题,以及使用传统水平集（Level set）方法对肝脏进行分割时易在弱边缘处产生泄露,采取阈值分割等算法进行预处理以获取更好的分割效果,并使用一种改进的水平集方法分割提取三维腹部MR图像中的肝脏。使用阈值分割进行粗分割可以有效减少干扰,将粗分割的结果进行亮度映射,增强边缘信息,然后将预分割的结果作为初始水平集,使用改进的水平集方法对其进行进一步分割。实验证明多种算法的有效结合能够改善传统水平集分割方法在弱边缘处过度演化的问题,获得较为理想的分割效果,拓展了水平集方法的应用。     

基于梯度的混合Mumford-Shah模型医学图像分割

针对C-V法的水平集图像分割法缺少局部控制能力等问题,将基于边缘的几何主动轮廓线模型和基于区域的C-V法两者结合起来,提出了基于梯度的混合Mumford-Shah图像分割模型HMSG。给出了HMSG模型的参数设置准则,在分割的初期加大模型中全局特征项的权值,在分割的后期则加大局部特征项的权值,以提高模型的图像分割能力。对合成图像与医学图像的分割实验结果表明,该方法优于C-V方法对于含有噪声和边缘模糊的非二值图像的分割,能够较为准确地提取图像边界,可以有效提高图像分割整体性能。     

医学图像分割算法综述与探索

医学图像分割是图像分割技术的重要应用领域,是医学图像处理的基本技术.本文对集中典型使用的分割算法进行分类和综述,简要讨论了每种算法的研究现状.     

医学图像三维分割技术

针对人体组织器官的三维图像分割是医学图像分析和医疗诊断的重要前提,是医学图像三维可视化的重要研究内容。随着医学成像技术和三维可视化技术的飞速发展,计算机辅助诊断成为现实。计算机技术的发展使得医生和研究者可以通过虚拟交互更好地理解人体的解剖结构,对病人作出正确的诊断。在对人体组织器官和感兴趣区域的分割中,三维分割发挥着十分重要的作用。为此,针对目前不同的三维分割算法进行了总体介绍,并将这些算法分为基于结构的分割技术、基于统计学的分割技术和混合技术三大类。     

基于水平集的医学图像分割改进算法

医学影像分割是图像分割中的难点,具有重要的应用价值。针对医学影像的特点和图像分割算法的性能差异,提出了一种水平集医学图像分割改进算法。首先通过曲线演化仿真,得出水平集算法核心-速度函数;其次选定速度函数实现对图像的粗略分割,将灰度值较大的区域设置成灰度值较小的值,通过仿真演化准确找到图像中目标区域;最后利用选定的速度函数通过初始算法,经过一定次数的迭代操作后实现了医学影像的准确分割。实验结果表明:该算法可以精确地找到肿瘤所在区域,具有较好的分割性能和一定的鲁棒性。
     

基于多层水平集函数的三维多相图像分割

多相图像分割通常利用多个水平集函数分别定义不同区域的特征函数,其极值求解问题需要对多个函数分别求极值,计算效率较低。针对三维多相图像,提出一种改进的变分水平集模型,采用一个多层水平集函数的n层水平集隐式曲面,将图像划分为n个区域,通过对一个水平集函数求极值,实现三维多相分段常值图像的快速分割与重建。将能量泛函表达为数据项和规则项,借助规则化Heaviside函数设计区域划分的通用特征函数,采用Split-Bregman投影方法进行能量最小化求解。实验结果表明,该模型可以有效地实现三维多相图像分割,与Chan-Vese模型相比,其迭代步数较少,分割速度较快。     

基于Chan-Vese模型的医学图像分割算法

在二维Otsu方法和Chan-Vese模型的基础上,提出了一种新的医学图像分割算法。首先用二维Otsu方法将图像分成目标、背景、边缘和噪声等4部分,然后通过一个能量函数来判断边缘和噪声区域中各像素点属于背景还是目标,并利用同质区域的全局信息对初始分割结果进行微调,得到更精确的分割效果。该算法优化了初始轮廓位置,有效地解决了初始位置影响曲线演化速度问题,并通过逐点代入法来极小化能量函数,减少了计算量,提高了图像分割的速度。实验结果表明,提出的算法具有抗噪性,分割效果良好,有很好的实际意义。     

基于权重能量自适应分布的三维形状分割算法

针对三维形状分割问题,提出一种引入权重能量自适应分布参与深度神经网络训练的全监督分割算法.首先对三维形状表面进行过分割得到若干小块,提取每一个小块的特征描述符向量作为神经网络的输入,计算权重能量自适应分布,将经过加权后的分割标签作为神经网络的输出,训练深度神经网络.对于新的未分割的三维模型,提取模型表面三角面片的特征向量后输入到神经网络中进行预测分割后,对预测分割的边缘进行修整得到分割结果,实现三维模型的自动分割.在普林斯顿三维模型分割数据集上的实验结果表明,算法通过在训练过程中引入权重能量自适应分布,可以大幅降低神经网络训练时的均方误差,提高神经网络预测结果的准确率;与传统算法相比,该算法具有高准确率、强鲁棒性、强学习扩展能力等优点.     

基于Chan-Vese模型与形态学的医学图像分割算法

针对传统的多相Chan-Vese模型在进行多区域分割时容易产生空相位的问题,提出了一种改进的新的医学图像分割算法;该算法结合Chan-Vese模型、数学形态学、复合多相水平集分割算法,通过迭代腐蚀操作提取医学图像的轮廓,利用添加了复合多相水平集算法的Chan-Vese模型对医学图像进行分割,通过迭代膨胀操作复原图像;实验结果和分析表明,采用该算法很好地解决了医学图像分割过程中容易出现的多区域分割问题,减少了空相位的产生,而且对图像边缘有很好的分割效果。     

基于策略演化水平集的医学图像快速分割

医学图像分割在疾病诊断、手术规划和手术引导等实际应用中有着重要的作用。提出了一种基于策略演化水平集算法的快速医学图像分割方法,其策略是通过转换外部轮廓曲线/曲面上的点为内部轮廓曲线/曲面上的点（或做相反操作时）,检验能量函数是否减小来决策水平集演化;如此扫描内外轮廓曲线/曲面,使得分割曲线/曲面向目标边界移动。相对于传统水平集算法,该方法不需要解偏微分方程,可极大地减小计算量、提高图像分割的速度。同时,该算法克服了直接计算能量函数水平集方法中存在的问题(陷入局部能量最小和需要扫描整个图像)。最后通过2维和3维医学图像的分割实验,展示了该算法的快速性与精确性。     

基于小波变换的自适应阈值三维图像分割

图像分割技术是由图像处理到图像分析的关键步骤,应用基本的分割技术很难得到精确的阈值。研究了三维图像分割技术,提出一种自适应阈值三维图像分割技术,先对三维图像分解成一系列二维图像,根据小波变换理论,分析不同分辨率下小波变换的特点,确定分割区域数和分解层次,再由低分辨率开始对每幅二维图像直方图进行小波变换,逐步到最高分辨率,并根据不同分辨率下小波变换结果,由粗到细地自动设定精确的阈值分割每幅二维图像,最后将多幅二维图像合成三维图像。实验表明了该方法的有效性,能够满足目标识别的要求。     

一种基于广义模糊性质集的图像分割方法

本文提出了一种基于广义模糊性质集的图像分割方法，它利用图像的广义隶属函数，把图像灰度转换成广义的模糊集合，通过对图像作多次增强而实现图像分割。实验结果表明，本文提出的方法与Ｏｔｓｕ法、熵函数法和ＦＣＭ２Ｄ法相比，在分割速度和分割质量上，都有下同程度的提高。     

一种基于HSL概率密度的彩色图象分割方法

本文提出了一种基于色调、饱和度和亮度联合概率分布的彩色图象分割方法。该方法首先将RGB图象转换为HSL图象,并以色调为主要依据对图象进行粗分割。然后,利用亮度和饱和度信息进行细节分割并组合成有意义的区域。实验表明该方法的分割效果是好的。     

基于量子遗传算法的图像分割

针对基本遗传算法的稳定性较差、存在未成熟收敛和易陷入局部最优解的问题,将量子计算与遗传算法进行融合,较好地解决了传统的多阈值图像分割方法中运算量大的问题.实验结果表明量子遗传算法用于阈值寻优减少了搜索时间,提高了收敛效率.     

基于医学图像的三维测量技术研究和实现

针对由序列断层医学图像重建得到的三维图形,提出一种交互式三维测量技术.首先通过光线投射法实现了对三维空间中任意一点的拾取,将用户指定的屏幕二维坐标点转化为立体坐标系下的空间三维坐标.选取空间中两点后即可以对三维重建后的病人器官进行测量,得到较为满意的结果.此外,在原有拾取方法的基础上,作出一定改进,使用户更方便地获取空间中任意一点的坐标.     

基于多分辨率分析及QFCM算法的图像分割方法研究

在图像的多分辨率小波分析的基础上,采用高斯－马尔可夫随机场模型来描述图像的局部特征,利用ＬＭＳ算法（ｔｈｅ ｌｅａｓｔ－ｍｅａｎ－ｓｑｕａｒｅ ａｌｇｏｒｉｔｈｍ）求得模型的参数估计,构造出图像的特征集,再利用快速模糊Ｃ－均值聚类方法（ＱＦＣＭ）对该特征集进行模糊划分,从而完成图像的分割,实验证明,这种方法具有较强的适应性,尤其对于景物－背景对比度差以及信噪比较低的一类图像,具有良好的分割效果。     

基于改进水平集图像分割方法的乳腺超声病灶提取

准确高效的乳腺超声病灶提取技术具有重要应用价值,但超声图像灰度不均匀、伪影重、噪声强、乳腺病灶区域与周围组织相似度较高等特有属性给自动分割带来很大挑战。RSF模型是一种较为成功的图像分割方法,但对初始轮廓和噪声较敏感,直接用于病灶提取有待改进。针对图像局部分割需求,通过预提取初始分割区域作为水平集的初始条件,有助于提高分割精度;以局部能量为主导,较好地处理灰度不匀的超声特质,增加全局能量项以使零水平集能够更好地定位在弱边界;引入灰度变化率作用以提高轮廓在灰度匀质部分的演化速度。分割实验结果表明,该方法能较为准确地定位乳腺超声病灶,有一定的临床参考价值。     

基于信息熵的图像分割阈值迭代改进算法

将信息熵理论和分割阚值迭代法融合,提出一种基于图像目标信息熵的阈值迭代选取方法,并将这种改进的迭代法与目前常见的最大类间方差法和最大熵法进行比较.实验表明,此算法具有速度快,总体分割效果好的优点.     

基于Potts模型的图像分割快速算法

Potts模型是一种通用的多相图像分割的变分模型,其极值问题需要迭代求解一系列偏微分方程。针对其求解过程计算效率较低的问题,提出一种基于对偶方法的快速算法。采用离散二值标记函数作为特征函数,利用Lagrange乘子法把对特征函数的约束加入能量泛函,然后引入对偶变量改写模型中的长度项,利用KKT的条件得到特征函数的二值解以及对偶变量的简单迭代格式。通过数值实验将该方法与梯度降方法、对偶方法和Split Bregman方法进行比较。实验结果表明,该算法的计算效率和分割准确性都高于其他三种方法。     

基于最大方差法和改进遗传算法的图像分割

针对应用标准遗传算法对一幅灰度图像寻找最优阈值时经常陷入局部寻优的问题,提出了一种利用最大方差法和新的改进遗传算法相结合对图像进行分割的方法.以灰度图像的最大方差作为适应度函数,把图像分割问题变成一个优化问题.利用遗传算法的寻优高效性,搜索到能使分割质量达到最优的分割阈值.实验结果表明,采用新的改进遗传算法和最大方差法相结合对图像搜索全局阈值时能收敛至全局最优解,并且大大缩短寻找最优阈值的时间.