改进布鸟搜索算法最大熵值的医学图像分割

研究医学图像分割问题.医学图像是医学影像的分析基础,医学图像由于组织边缘模糊和灰度不均匀含噪声等特点,导致最大熵值分割医学图像算法难以进行准确分割,分割精度低,为了提高医学图像分割的准确性,提出一种改进布鸟搜索算法优化最大熵值的医学图像分割方法.首先由最大熵法找到医学图像分割目标函数,然后采用改进布谷鸟搜索算法对目标函数进行优化,找到医学图像的最佳分割点,实现医学图像分割,最后采用多幅医学图像进行仿真,以测试算法性能.结果表明,改进方法不仅解决了传统最大熵值医学图像分割算法存在的缺陷,同时提高医学图像分割的精度,并且具有较好的鲁棒性,具有较好的实际应用价值.     

基于双符号压力函数的活动轮廓图像分割方法

为了解决测地线模型和CV模型无法同时对弱边界、灰度不均匀图像进行分割的问题,提出一种基于双符号压力函数的活动轮廓图像分割方法。首先,基于图像统计信息定义分割灰度不均匀图像的符号压力函数,基于内部和外部灰度均值给出轮廓曲线内外的全局区域灰度均值的加权组合函数,运用图像全局信息定义分割弱边界图像的符号压力函数;然后,结合统计信息的符号压力函数和全局信息的符号压力函数（简称“双符号压力函数”）,通过增加组合的权值系数,设计新的水平集演化方程;最后,将双符号压力函数引入到二值选择和高斯滤波正则化水平集模型中,构建一种基于双符号压力函数的活动轮廓图像分割算法。仿真实验结果表明,该算法能够有效地分割弱边界、灰度不均匀的图像,同时对噪声也有一定的抗干扰性。     

一种基于AOS格式的多相水平集快速分割方法

采用迎风格式的水平集算法实现需要在曲线演化过程中重新初始化水平集函数的要求,为保证算法的稳定,时间步长选取较小值,算法运行速度较慢。文中基于无须重新初始化的水平集方法,在算法数值实现中引入AOS半隐格式,对基于不同统计模型的水平集分割算法给出统一的数值实现。以二相水平集分割算法为基础提出一种新的多相水平集分割方法。该方法采用一个水平集函数进行多次演化实现多区域分割,其优点包括：1)采用AOS半隐格式,该格式无条件稳定,可采用较大的时间步长;2)对多个统计模型进行统一处理;3)采用单一的水平集函数进行演化,减少水平集演化方程的数量,算法更加灵活。实验结果表明,该方法具有较快的分割速度,对具有多个区域的图像能够进行较准确的分割。     

基于窄带水平集的曲线演化与左心室MRI图像分割

文章研究了基于窄带水平集的曲线演化方法并应用于心脏的MRI图像分割。分析了窄带的生成技术,提出了基于模板的距离函数生成方法;针对MRI图像的特点,给出了一种分割MRI图像的水平集速度函数,以处理图像中出现的区域灰度不一致性以及弱边界现象。MRI图像的分割实验证明了该文算法的有效性。     

基于水平集接力的图像自动分割方法

为了实现图像的完全分割,基于无须重新初始化的水平集方法提出了一种接力水平集方法.该方法在待分割图像中自动交替地创建嵌套子区域和相应的初始水平集函数,使水平集函数在其中演化并收敛,然后重复这个过程直到子区域面积为0.与原始算法及经典的基于区域的水平集方法相比,该方法具有如下优点:1) 自动完成,无须交互式的初始化;2) 多次分割图像,能够比原始算法检测到更多的边缘;3) 对于非匀质的图像,能够取得比经典的基于区域的水平集方法更好的分割效果;4) 提供一个开放的分割算法框架,其他单水平集方法稍作修改后也可替换这里所使用的单水平集方法.实验结果表明,此算法对人造图像和医学影像实现了无须交互的完全分割,对非匀质图像分割表现出更好的鲁棒性.     

曲线演化的图像分割算法改进研究

研究提高曲线演化的图像自动检测效果问题.由于图像识别度低、准确度低,传统 Chan-vese 活动轮廓模型(C-V 模型)不能检测到远离活动轮廓线且与平均灰度值相差大的边缘.图像分割算法采用水平集演化曲线外图像的目标和背景的灰度加权平均值,通过调节权重值,使演化曲线能准确快速收敛于远离平均灰度强度的图像边缘上.该算法具备拓扑变化能力,分割速度快,能克服原 C-V 模型不能检测到边缘缺陷,加速图像分割的收敛速度,提高分割效果.     

基于水平集理论的图像分割

图像分割要求同一区域中的象素要具有某些相同的特性,不同的子区域具有不同的特性.本文算法利用水平集理论的曲线演化方法,提出了一种新的图像分割算法.该算法利用区域内方差描述区域一致性,区域间灰度均值之差的平方描述区域间差异性,对能量函数用梯度最陡下降法,推导出曲线演化方程.实验结果表明,该算法分割结果更符合实际情况,并随着迭代次数的增加,轮廓曲线边界平滑;当达到一定的迭代次数时,图像分割结果稳定.     

MRI脑部图像头骨剥离方法研究

头骨剥离是脑组织分割过程中的关键环节.针对传统的MRI脑组织分割中头骨剥离速度较慢,分割精度不高的问题,提出一种基于水平集的头骨剥离方法.首先根据脑部图像灰度特征确定初始分割曲线,然后将曲线看成高维函数的零水平集,最后利用灰度和形态特征控制高维函数水平集演化,通过高维函数的演化确定曲线的演化,使曲线达到待分割图像边缘.对基于水平集的方法和现有的典型方法进行仿真,仿真结果表明该方法在分割精度上有明显提高.实验证明方法可精确地将脑部组织和非脑组织分离,达到头骨剥离的目的.     

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。     

结合局部熵能量泛函与非凸正则项的图像分割

为了克服灰度不均匀对图像分割的影响，结合CV模型的全局能量项和LBF模型的局部能量项，引入图像局部熵信息和非凸正则项，构造新的能量泛函，提出了结合局部熵的局部能量泛函与非凸正则项的图像分割算法。该算法首先采用CV模型中的全局能量泛函得到图像的大致演化轮廓；通过构建具有局部熵信息的局部能量泛函，实现对图像的精确分割。然后，利用非凸正则项作为图像演化过程中零水平集逼近目标的又一驱动力驱动曲线演化和边缘保护。该算法利用变分水平集方法将这一新构建的能量泛函进行最小化，通过迭代更新水平集函数，完成曲线演化。最后，对比实验表明，所提出的算法可以高效、准确地分割灰度不均匀图像。     

一种改进的变分水平集的图像分割算法

为了解决灰度不均匀现象对医学图像的干扰问题,提出了基于局部极性信息的活 动轮廓模型。通过引入局部图像信息,该模型能有效地分割灰度不均匀图像。在规则化项中增 加的能量惩罚项,使得水平集函数在演化过程中保持为近似的符号距离函数。该算法将图像分 割问题归结为曲线能量泛函的最小化,首先建立包含局部灰度信息（极性信息）和改进的符号 距离函数的曲线演化能量泛函;然后采用变分水平集方法求解能量函数的最小值,得到最终的 分割结果。真实医学图像和人工合成图像的实验结果表明,此方法对灰度不均匀的医学图像有 较高的分割精确度,在图像分割速度上有较大提高。由于利用了局部灰度信息,可以有效地分 割灰度不均匀的医学图像,而改进后的变分水平集可以完全避免重新初始化,使得图像分割效 率大大提高了。     

一种改进的拉普拉斯水平集医学图像分割算法

作为图像识别与图像理解的关键步骤,图像分割一直受到人们的重视,很多相应的算法被提出,但它也面临着很多挑战。医学图像分割的难点是对模糊边缘的连续有效分割,为准确的目标提取提供保障。提出一种新的医学图像分割算法,算法在拉普拉斯水平集图像分割算法基础上,融入图像的区域信息,重新定义了驱动水平集表面演化的速度函数。算法除了利用图像的边缘梯度信息外,还充分融合了图像的区域信息,从而在保持图像边缘局部特征的同时,充分利用了区域全局优化的特点,可实现医学图像的有效分割。与经典水平集分割方法相比,改进后的方法能够更好地保持边界的连续性,得到比较完整的分割结果,为图像分析提供可靠的科学数据。     

结合显著性的主动轮廓图像分割

传统的主动轮廓方法无法突出分割区域的显著性,同时在由显著性检测算法所得到的显著图中目标具有较高的信噪比,因此提出结合显著性的主动轮廓图像分割。通过线性光谱聚类分割得到超像素,以超像素为处理单位利用基于图论的流形排序算法获得较好的显著图;将高斯混合模型引入到主动轮廓的曲线演化过程中,计算曲线内外的平均灰度值,从而通过高斯混合模型和显著性信息得到了新的主动轮廓能量方程,并运用水平集方法指导分割,获得最终的分割结果。实验结果表明,提出的图像分割方法可以对图像进行快速和有效的分割。     

基于模糊聚类水平集的医学图像分割方法

医学图像分割是图像分割的一个重要应用领域,医学图像普遍存在高噪声、伪影、低对比度、灰度不均匀、不同软组织之间与病灶之间边界模糊等特点,因此运用聚类算法,结合李春明模型(LCM)和两相水平集分割方法(CV),首先选用合适的滤波器对医学图像进行去噪,然后使用模糊C均值算法(FCM)获得图像的先验模型;并对传统的CV模型进行改进,对图像进行细分割。实验表明,该模型可以解决图像高噪声、弱边界问题,并可以有效避免重新初始化,对边缘更加敏感,可提高分割精度,有效的抑制噪声,明显的减少迭代次数和时间,具有一定应用价值。。     

GPU加速的交互式医学CT图像区域分割

目的 为了解决交互式医学CT图像区域分割问题,本文提出了基于证据推理规则的区域生长算法(ERRG)。方法 算法综合考虑了医学图像的灰度直方图,Gabor特征和灰度共生矩阵能量3个重要特征,采用Bhattacharyya系数度量相邻像素的相似程度,用效用函数将度量系数合并。针对算法计算效率较低问题,对算法进行并行化,采用GPU进行加速处理。结果 本文算法与基于Random-Walk图像分割算法针对医学CT胃部图像,进行对比实验,表明使用本文算法,真阳性目标像素数占目标区域所有正确像素数的比例(TPF)显著提高,背景像素错误地分割为目标像素的数目占背景正确像素数的比例(FPF)显著降低;通过GPU加速后,算法执行效率显著提高,加速比达到12。结论 本文算法减少了医学CT图像过分割现象,采用GPU加速后能够实现实时交互式医学CT图像分割。     

基于粗糙集和新能量公式的水平集图像分割

为了提高水平集图像分割的质量和减少水平集迭代次数,本文提出了新的能量公式和水平集函数.在粗糙集数据离散化基础上引入了针对图像数据的离散化方法,根据图像离散区域的信息对新能量函数进行直接加权并且对核函数进行间接加权,使用加权的核映射函数将原始离散图像数据映射到高维空间,从而使得该模型可以处理多种类型的图像甚至是一定信噪比的噪声图像.新的能量公式联合由它导出的区域参数能够更好地表达同质区域的灰度信息,从而能够更精确地分割图像.与传统水平集图像分割不同,在迭代过程中新的水平集函数中的水平集元素可以拥有不同的步长,步长越大水平集元素的更新速度越快并且水平集函数能够快速达到收敛状态,实现快速图像分割.人工合成图像和真实图像的分割实验表明本文方法可以获得更好的分割效果.     

一种新的基于区域增长的ROI分割算法*

为克服现有算法带来边缘定位不精确和人工参与太多等缺点,提出了一种新的基于区域增长的适合医学图像中ROI的分割算法。该算法先利用改进的Canny边缘算子进行边缘粗检测,再利用给出的灰度和纹理等信息进行区域增长,最终得到分割图像。为了更好地进行区域增长,新算法通过对ROI中像素的灰度和纹理进行分析,给出结合点向量运算和灰度判断的增长准则。实验结果表明,该方法能对医学图像中复杂区域或畸形区域进行分割,具有很好的鲁棒性与实用性。     

一种基于曲线进化的医学图像解剖轮廓提取算法的研究

水平集方法应用于跟踪界面演化问题,是一种稳定有效的数值计算方法。图象小波变换模极大值对图象中目标轮廓边缘有很好的表征。论文应用水平集方法基于曲线进化提出了一种新的医学图像解剖轮廓分割算法,定义了一种基于小波变换模极大值的用于终止进化的函数,构造了一种基于领域的进化方式,并对脊柱MRI图象进行了分割实验,得到了令人鼓舞的结果。实验表明了该种算法的可行性和有效性。     

一种基于数据融合的医学图像分割方法

针对一类纹理特征明显的医学图像,提出了一种融合纹理信息和灰度信息的图像分割方法,设计了基于金字塔结构的区域增长分割算法,该方法在区域内部结合使用纹理信息和灰度信息,在区域边缘部分则充分利用灰度信息,计算结果表明,该方法对某一类医学图像能够获得较好的分割效果。     

基于微粒群算法的二维最大熵图像分割方法

该文研究了基于二维最大熵的图像分割方法,针对二维最大熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于微粒群算法的二维最大熵图像分割方法.该方法运用微粒群算法对图像的二维阈值空间进行全局搜索,并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值对作为阈值进行图像分割.实验结果表明,由于该方法考虑了点灰度和区域灰度均值,且采用了离散的全局搜索算法,所以不仅得到了令人满意的分割效果,而且大大的提高了计算速度,是一种实用有效的图像分割方法.