一种基于区域的交互式MRF图像分割算法设计与实现

提出一种基于区域的交互式MRF图像分割算法,有效地解决了传统MRF方法中初始参数不易准确估计的问题,并能自动检测和矫正出现的误分割。算法在meanshift预分割得到的过分割区域上进行人工标记,并将图像转化到L*u*v空间,用较简单的欧式距离表达不同像素点之间的差异。同时,分析了误分割可能出现的情况,分类别对误分割现象进行自动检测,然后运用基于区域势能的区域合并方法对误分割进行自动矫正。通过对医学图像及自然彩色图像进行实验,实验结果表明该算法能准确地完成分割任务,并实现对误分割现象的自动检测和矫正,与传统MRF及Graph Cut算法相比,该算法能获得更准确及更平滑的分割结果。     

基于MRF的进化规划算法应用于红外图像分割

在中近程反坦克导弹红外制导系统中,图像分割的结果更注重于目标的位置信息。本文利用马尔可夫随机场(MRF)的局部相关特性,同时结合进化规划的全局优化搜索算法,提出了一种针对简单背景的红外图像分割算法。该算法模拟生物圈种群的竞争进化关系,对可能的目标区域给予较高的适应度,并对其余无关的背景和噪声进行快速的抑制,以达到突出目标和快速分割的目的。试验证明,该算法对简单背景下的中等目标有很好的分割效果,对噪声也有良好的抑制效果。     

基于混合高斯模型的三马尔可夫场红外图像分割

针对马尔可夫随机场在红外图像分割方面存在的问题,给出了一种基于混合高斯模型的三马尔可夫场红外图像分割算法.三马尔可夫场在马尔可夫随机场的基础上通过引入一个附加随机场和全体随机变量服从马尔可夫性假设,克服了马尔可夫场算法中对条件概率分布相互独立的要求,并赋予该附加随机场对目标和背景区域的标识作用,其中采用混合高斯模型作为三马尔可夫随机场的先验模型.仿真结果表明,文中提出的基于混合高斯模型的三马尔可夫场红外图像分割算法能够实现复杂背景的红外图像准确分割,得到较为理想的分割效果.     

一种基于区域Gibbs势能函数的视频运动对象分割算法

提出了一种基于时空联合分析框架的视频对象分割算法,通过改进的分水岭变换对视频图像进行帧内空间区域划分,并根据帧间运动信息和区域的空间特性得到初步的分割掩模;然后建立基于区域的马尔可夫随机场分布模型,并定义对应的Gibbs势能函数,通过迭代条件模式(ICM)方法求解得到最小化能量,从而获得稳定的分割标记场,准确地提取视频对象。实验结果表明,提出的分割算法性能优于欧洲COST211研究组所得到的分割结果。     

基于区域的MRF模型用于SAR图像分割

本文提出了一种建立在流域算法过分割结果区域图上的马尔可夫随机场模型的SAR图像分割算法.由于将马尔可夫场随机场(MRF)模型建立在预分割的基础上,极大减少了计算复杂度,并利用SAR图像的分布模型建立多层MRF模型,采用模拟退火优化得到MAP估计的分割结果.实验证明较传统的基于像素的马尔可夫随机场分割算法,该方法极大提高了运算速度,并能取得较为满意的分割结果.     

利用RJMCMC算法的可变类SAR图像分割

自动确定地物类别数是SAR图像分割方法研究的重点和难点问题,为此,提出一种自动确定类别数的SAR图像分割算法。首先假定SAR图像中各像素强度服从同一独立的Gamma分布并以此建立图像模型;根据贝叶斯定理构建刻画图像分割的后验概率模型;设计RJMCMC（Reversible Jump Markov Chain Monte Carlo）算法模拟该后验概率模型,以确定图像类别数并同时完成区域分割。在提出的RJMCMC算法中,设计的移动操作类型包括:分裂或合并实类、改变参数矢量、改变标号及生成或删除空类。为了验证提出的可变类分割算法,分别对真实及模拟SAR图像进行可变类分割实验,定性及定量精度评价结果表明该算法的可行性及有效性。      

基于两方法博弈的马尔可夫随机场红外图像分割算法

电路板红外图像芯片提取是电路板红外故障检测系统中的重要环节,已成为红外图像分割领域关注的一个重点。针对红外图像的特性及传统分割算法效率和精度不足的缺陷,提出一种基于两种优化策略博弈的马尔可夫随机场红外图像分割方法。首先通过OTSU算法对图像进行初始分割;然后利用马尔可夫随机场理论建立图像分割模型;最后,通过SA、ICM优化策略间的博弈对图像进行分割,将两种优化策略视为博弈的两个局中人,通过寻找博弈的纳什均衡点来实现分割;实验结果表明,算法能够无人工干预地准确提取电路板红外图像所有芯片发热区域,并且很好地抑制噪声,准确处理边缘信息,具有一定的实用性和鲁棒性。     

基于马尔可夫随机场的SAR目标切片图像分割方法

SAR目标切片图像分割是基于SAR图像目标识别的一个重要步骤。文中通过利用马尔可夫随机场模型 ,引入图像象素的局部结构信息 ,有效实现了SAR目标切片图像的高精度分割。通过对SAR目标切片图像进行统计分析 ,精确选择了分割算法的迭代初值 ,极大提高了算法的计算效率。和其它分割算法相比 ,文中算法在分割速度和精度上均有较大提高     

基于MRF的图像分割方法实现与探究

本文从研究马尔可夫随机场的理论背景出发,详细阐述了马尔可夫随机场建立图像模型的方法,并且介绍了两种基于马尔可夫随机场进行图像分割的算法:ICM和SA。在本文的最后给出这两种算法的实验结果,达到了预期的要求。     

一种新的基于时空马尔可夫随机场的运动目标分割技术

在图像处理领域,视频图像序列中的运动目标分割技术是一个被广泛研究的热点课题。该文提出一种新的基于时空马尔可夫随机场的运动目标分割技术。首先,对视频序列的前后3帧图像进行处理,获得两帧初始标记场;随后,对两帧初始标记场进行“与”操作,获得共同标记场;最后,以原始图像的色彩聚类图像作为先验知识,重新定义Gibbs能量函数,并利用迭代条件模型（ICM）实现最大后验概率（MAP）的估算问题,获得优化标记场。实验结果表明：该模型克服了传统时穿马尔可夫随机场模型因运动产生的晶露遮挡现象,同时减弱了运动一致性造成的空洞现象并削弱了噪声的影响。     

Elitist Reconstruction Genetic Algorithm Based on Markov Random Field for Magnetic Resonance Image Segmentation

In this paper,elitist reconstruction genetic algorithm(ERGA) based on Markov random field(MRF) is introduced for image segmentation.In this algorithm,a population of possible solutions is maintained at every generation,and for each solution a fitness value is calculated according to a fitness function,which is constructed based on the MRF potential function according to Metropolis function and Bayesian framework.After the improved selection,crossover and mutation,an elitist individual is restructured based on the strategy of restructuring elitist.This procedure is processed to select the location that denotes the largest MRF potential function value in the same location of all individuals.The algorithm is stopped when the change of fitness functions between two sequent generations is less than a specified value.Experiments show that the performance of the hybrid algorithm is better than that of some traditional algorithms.     

Multi-Feature Based Bayesian Segmentation of Cerebrovascular from Time-of-flight Magnetic Resonance Angiography

Vessel analysis in medical images is important both for diagnostic and intervention planning purposes, especially, a three-dimensional representation of vasculature can be extremely important in image-guided neurosurgery and pre-surgical planning. In this paper, a Bayesian approach is proposed to aggregating geometric shape and intensity features for whole cerebrovascular tree extraction from Time-of-flight Magnetic resonance angiography （TOF-MRA）, while most of the current segmentation methods solely deal with the latter. In this method, we first utilige scale space analysis to get shape feature of blood vessels, then both shape and speed features are incorporated into a Bayesian segmentation framework. Maximum a posterior （MAP） method is used to estimate the posterior probabilities of vessel and background for classi- fication. The experimental results show that the proposed method can obtain a better quality of segmentation than those sole feature utilized methods.     

磁共振脑组织弹性成像的数值仿真算法

磁共振弹性成像技术主要面向组织器官的生物力学属性检测,能够直观地导出定量弹性分布图.脑部组织的病变往往会引起其生物力学属性的变化,而且相对于其他影像指标更为灵敏,所以进行磁共振脑组织弹性成像研究具有重要意义.但是,由于组织结构复杂,磁共振脑组织弹性成像研究还处于起步阶段.直接在磁共振平台上进行脑组织弹性成像实验研究的成本比较高,而且受实验条件的限制,缺乏灵活性.本文先期通过数值模型仿真弹性波在不同组织器官中的传播过程,有效地克服了实际成像实验误差给研究带来的影响,对研发高效的脑组织弹性波驱动装置和精确的弹性重构算法具有指导意义.同时,针对已报道的仿体模型相对简单,与真实脑组织结构差异过大的问题,本文建立了专门的解析模型并开发了相应的开源算法,能够有效支撑磁共振脑组织弹性成像的数值仿真研究.     

一种基于FCM和Level Set的MRI医学图像分割方法

 对基于区域的几何活动轮廓模型中的区域项进行了改进.改进后的算法不仅解决了原算法存在的稳定性问题,同时也有效地提高了分割速度.算法还被成功地扩展到能够分割多种脑组织,且分割质量显著提高.多种子初始化方式的采用,进一步降低了算法对初始条件的敏感性,同时也减少了人工干预.对模拟和真实脑MRI图像的分割实验证明了改进的可行性和有效性,噪声条件下分割的比较分析也表明改进后的算法具有良好的韧性.     

Design of Gold Nanoparticles for Magnetic Resonance Imaging

Improving the sensitivity of magnetic resonance imaging (MRI), a powerful non‐invasive medical imaging technique, requires the development of novel contrast agents with a higher efficiency than gadolinium chelates such as DTPA:Gd (DTPA: diethylenetriaminepentaacetic acid) that are currently used for clinical diagnosis. To achieve this objective, the strategy that we have explored involves the use of gold nanoparticles as carriers for gadolinium chelates. These nanoparticles are obtained by reducing a gold salt in the presence of a dithiolated derivative of DTPA. Characterization of these particles by transmission electron microscopy (TEM), X‐ray diffraction (XRD), thermogravimetric analysis (TGA), colorimetric titration, and X‐ray photoelectron spectroscopy (XPS) reveals the presence of a multilayered shell containing about 150 ligands on 2–2.5 nm sized particles. These particles exhibit a high relaxivity (r₁ = 585 mM ^–1 s^–1 as compared to 3.0 mM ^–1 s^–1 for DTPA:Gd), rendering them very attractive as contrast agents for MRI.     

数据压缩的FCM算法用于人脑MRI图像的分割

针对模糊C均值聚类（Fuzzy C—means clustering，FCM）算法在人脑磁共振成像（Magnetic Resonance Imaging，MRI）图像分割中存在的计算量大、运行时间过长的问题，提出一种加速方法。首先利用边界跟踪法对人脑MRI图像进行预处理，剔除颅骨和肌肉等非脑组织；然后通过数据压缩，即通过对相近的像素进行量化并聚合来减少像素个数；最后用FCM算法对大脑结构进行分割，结果得到脑白质、灰质和脑脊液图像区域。该方法能够使数据量大为减少，从而使FCM在图像分割中更加快速有效。     

带偏场校正和邻域约束的快速MR脑组织分割新方法

 由于部分容积效应(PVE)、图像的偏场(INU)和噪声的存在,脑组织磁共振(MR)图像自动准确的分割是一项具有挑战性的任务.本文提出了一个准确度高并快速鲁棒的二维(2D)和三维(3D)分割算法来将脑部MR图象分割为白质(WM)、灰质(GM)和脑脊液(CSF)三种主要的解剖组织类型.该算法在标准模糊C-均值算法(FCM)的基础上提出了一个新的目标函数,包含偏场校正和邻域约束.在该算法中,采用参数模型表示INU,并且一个类似马尔可夫随机场(MRF)的邻域约束来表示脑组织空间分布一致性信息.本文给出了该算法的模拟和真实脑MR图像的分割结果,同时与其它算法进行了比较.比较结果显示该算法具有较高的准确度和较快的收敛速度.     

应用分层MRF/GRF模型的立体图像视差估计及分割

视差估计与分割是立体图像编码及立体视觉匹配的核心问题,本文提出一种基于分层MRF/GRF模型和交叠块匹配(HMOM)视差估计算法以及结合主动轮廓模型的视差分割提取算法.该混合视差估计方法,可得到光滑准确,且具有清晰边缘的视差场;并便于用主动轮廓模型提取感兴趣对象(OOI)的视差轮廓.与通常的变尺寸块匹配(VSBM)相比,本算法得到的视差补偿图像的峰值信噪比可提高2.5dB左右.本文得到的视差场及对应的轮廓可进一步用于立体图像编码以及视频对象分割.     

一种新的基于水平集方法的SAR图像分割算法

本文基于Aubert-Aujol（AA）模型和变分水平集方法提出一个新的SAR图像分割模型;在反应-扩散框架下,将各项同性扩散算子加入到该模型的水平集演化方程中,并提出一个两步分裂水平集演化算法,该算法不需要周期性地更新水平集函数。通过对合成图像和Envisat SAR图像的分割实验,表明本文提出的算法具有较准确的边缘定位能力和噪声抑制能力。     

适用于高分辨SAR图像的全局稳态最小水平集分割方法

该文针对高分辨率SAR图像的分割问题提出了一种新的快速的水平集方法。该方法基于G0分布能够同时描述高分辨率和中低分辨率条件下的SAR图像统计特性,通过水平集方法求解能量泛函最小化实现SAR图像的分割。由于能量泛函被设计为具有全局稳态最小值,使得该方法具有较好的全局分割能力和比较快的分割速度,从而增强了该方法的实用性。利用模拟和真实SAR图像上的分割实验验证了该方法的有效性。