基于遗传算法的超声图像水平集分割

文章提出了超声图像自动分割的新方法。其基本思想是在水平集分割方法的基础上，以能量函数作为评价函数，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到达最优的轮廓曲线。应用此方法对肝脏超声图像进行肿瘤的边缘提取，得到比较好的结果，从而完成图像的自动分割。     

基于Snake模型的图像分割技术

基于Snake模型的图像分割技术是近年来图像识别、图像分割和视频领域研究的热点之一。Snake模型承载上层先验知识并融合了图像的底层特征,能有效地应用于医学图像的分割中。以基本模型的指导思想为依据,进化模型以及改进算法得到广泛的研究。介绍了Snake模型的图像分割方法,并重点梳理了最新的研究成果,力求把握模型的发展脉络。     

基于神经网络的超声医学图像自动分割

图像分割是多维超声医学图像重建中最重要和最困难的问题。文中将传统的最近邻分类方法与自组织神经网络相结合,提出了一种超声医学图像的自动分割方法。实验表明,与传统的K平均方法相比,该方法除具有自动分割优点外,还具有稳定性好,自适应强,分割准确等优点。     

一种基于生物仿真结构的神经网络在超声医学图像分割中的应用

提出将LEGION（Locally Excitatory Globally Inhibitatory Oscillator Network)这种新的基于生物仿结构的神经网络应用于分割心脏的超声图像,讨论了LEGION中参数对分割结果的影响,由于LEGION具有天然的并行、分布式处理的特征,与一些现有的分割方法进行了比较,结果表明本文所用的方法所得的分割图像边更为清晰具体,细节保留更为良好。     

一种基于图像分割和模板匹配的短波跳频信号盲检测算法

提出了一种基于图像分割和模板匹配的短波跳频信号盲检测算法。该算法将实际跳频信号的STFT（Short Time Fourier Transform）时频谱图当做一幅图像,利用图像分割手段分离背景噪声,并通过模板匹配来实现跳频信号的检测。实验结果表明该算法能够有效克服实际短波信道中复杂的背景噪声,计算复杂度低,易于工程实现。     

基于半隐差分的单参数水平集快速分割

针对传统水平集方法的模型中参数过多以及分割速度较慢的问题,提出一种新的快速水平集图像分割方法.该方法在Chan-Vese模型中引入惩罚函数项,用水平集函数梯度的模取代Dirac函数并只保留一个长度项中的参数,构造无须重新初始化且具有全局优化的新模型.算法的数值演化中新的半隐有限差分格式的构造缩短了每次迭代时间,而停止迭代判定式的引入提高了分割效率且得到了单参数取值规律.对合成图像、医学图像和视频图像的实验结果表明,该方法迭代步数少,使得分割快速、准确,能够满足视频跟踪的稳定和实时性需求.     

基于属性直方图的图像分割方法及其在声呐图像分割中的应用

图像分割是图像识别中的主要问题，同时它又是一个经典难题；声呐图像恶劣的品质使图像的分割变得更为困难，属性直方图概念是直方图概念的推广；Otsu阈值化方法是一种性能良好的方法，本文将属性直方图概念应用于Otsu法中，提出了一中基于属性直方图的图像分割方法，文中阐述了这种方法的原理，并以声呐图像分割作为实例说明了这种方法的可行性。     

基于图像分割的摩尔斯信号检测算法

摩尔斯信号在通信领域应用广泛,具有十分重要的研究价值。但是,由于短波信道比较复杂,环境恶劣,信号质量差,短波宽带条件下的摩尔斯信号检测问题一直没有较好的解决方案。基于此,提出了一种基于时频图和图像分割的摩尔斯信号检测算法。算法主要分为粗检测和识别两部分,粗检测是指基于图像分割的方法,从宽带数据中初步检测出摩尔斯信号;识别部分是指通过提取最大持续长度等特征,逐级排除非摩尔斯信号,进一步识别摩尔斯信号。实际信号测试表明,该算法对摩尔斯信号的正确检测率为96%以上,虚警率小于7.2%,相较于对比算法整体性能较好,具有一定的工程应用价值。     

位移场测定的图像处理方法──图像平滑和图像分割技术

主要涉及到图像重心位移场的研究，利用CCD摄像头得到图像，通过识别图像的特征区域（或特征点）计算出它们的位移，从而规范出该图像的重心位移场，这里，我们讨论图像重心位移场计算问题中的核心问题，图像的平滑和图像的分割。     

基于水平集方法的胎儿3维超声图像交互分割算法

针对目前胎儿3维超声成像主要靠经验丰富的医生手动方式来分割母体部分的不足,提出了一种基于水平集演化的3维超声图像交互分割方法.该算法通过构造基于梯度方向和大小的演化控制函数来找到处于零水平集的物体边界,为了将水平集方法应用于3维超声,提出窄带方案将演化过程限定在与初始态曲线等距的2条曲线中,而不是在每次演化中更新3维图像中的每个点,提高了分割的速度和精度.实验中使用2种不同来源的超声图像集,它们是来自于不同位置、不同方向、不同时期的胎儿30幅图像.结果显示,该方法能对3维胎儿超声图像进行快速准确的分割,在处理器为dualcore 2.0 GHz的机器上能在5 s内完成对像素大小为255×255×128的图像进行分割.     

基于模板匹配的新闻图像字幕行切分算法

针对新闻图像中水平字幕行的字符切分问题,为了克服已有基于单字符切分方法造成的字符分裂问题,利用字幕行中字符的分布规律构造了响应函数,从而将字符切分问题转变为响应函数的最优值问题,最后基于优化结果进行字符切分.该算法主要包括两部分：首先,利用垂直投影直方图确定单个字符的粗略宽度,并根据该值构造一个可变长模板;然后,构造模板响应函数,根据不同长度模板的最优响应函数值确定单个字符的左右边界位置;最后输出切分结果.实验结果表明,对于粘连/非粘连字符图像,该算法均能获得较好的实验结果.     

基于改进Mumfold-Shah模型的图像分割算法

针对传统图像分割方法中由于边缘模糊难以取得理想分割效果的问题,提出了一种基于改进Mumfold-Shah模型的图像分割算法.结合模糊C均值聚类算法对Mumfold-Shah模型进行改进,以提高图像的分割速度和分割的鲁棒性.实验结果表明:该算法具有可行性和有效性.     

基于超像素的Graph-Based图像分割算法

针对EGBIS分割算法中的过分割问题,提出了一种基于超像素的graph-based图像分割算法SGBIS.首先,对图像进行基于简单线性迭代聚类（SLIC）的超像素预分割;然后以每个超像素作为节点构造带权无向图,以相邻超像素颜色平均值的欧式距离作为图中边的权值;最后利用基于图的算法合并超像素得到分割结果.用VI、PRI和F值3个指标分析了算法性能,结果表明,新算法可以得到更为理想的分割效果;引入交互分割区域合并,也可满足用户图像分割的需求.     

基于固定半径圆模板匹配的基因芯片网格定位方法

基因芯片网格定位是确定芯片上按栅格排列的所有荧光靶点二维坐标的图像分析过程。根据模板匹配的图像检测原理,采用归一化互相关测度对基因芯片图像与固定半径圆模板图像进行相似性计算,依次搜索二者之间的最佳匹配位置作为每个荧光靶点的中心位置。对6×6低密度基因芯片图像进行了网格定位分析试验,实现了芯片图像中全部靶点的检测和定位。试验表明,对于低密度芯片的网格定位,该方法具有原理简单和适应性强的特点,但算法效率有待提高.     

基于自适应区域的医学图像自动分割

为了改善传统分割算法对初始条件的依赖性,提出一种基于自适应区域的医学图像自动分割框架.该框架将分割算法和目标检测技术集成到一起,通过检测已经分割出的目标信息来预测该目标在待分割切片上的局部区域,然后基于该局部区域预估目标的阈值范围和几何形状等信息,为应用分割算法提供初始参数.该框架已经应用到区域生长、基于阈值的水平集等常用分割算法.实验结果表明,该框架有效减少了分割中的人工交互操作,并且能自动处理目标复杂分叉情况.     

改进的分水岭分割算法在图像分割中的应用

针对基于区域的分水岭分割算法通常存在过分割现象,提出了一种新的分割算法,其分割流程大致为：先求形态梯度图像的浮点活动图像,然后进行分水岭变换,这样边缘定位会更准确;接着使用区域生长法对图像作进一步分割,可以很好地抑制过分割现象,感兴趣的区域也得以保留．实验表明该算法简单有效,能够得到理想的分割结果．