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.     

复杂背景下基于分割逼近法的抠像技术研究

论述了复杂背景下人物的抠像问题,提出一种新的抠像方法--分割逼近算法.首先使用背景更新模型建立了差分背景,然后用本文提出的分割逼近法对图像进行粗分和细分两次分割,建立了人物图像边缘连通体,最后运用Laplacian算子对勾勒出的人物轮廓提取边缘,并用替换原图像的方法实现人物的抠像.     

Snakes模型的改进算法

讨论了Snake模型的一种新型改进模型即基于矢量场卷积的模型,作为GVF模型的一般形式,该卷积模型适用范围普遍性,比传统模型具有更好的鲁棒性。通过对比Snakes经典、传统模型,并在轮廓、噪声敏感度、算法复杂度方面做分析和验证,实验结果表明,VFC对噪声、初始轮廓敏感性要求不高,而在算法时间上有较大的提升。     

Multi-path connected network for medical image segmentation

In recent years, deep learning has been successfully applied to medical image segmentation. However, as the network extends deeper, the consecutive downsampling operations will lead to more loss of spatial information. In addition, the limited data and diverse targets increase the difficulty for medical image segmentation. To address these issues, we propose a multi-path connected network (MCNet) for medical segmentation problems. It integrates multiple paths generated by pyramid pooling into the encoding phase to preserve semantic information and spatial details. We utilize multi-scale feature extractor block (MFE block) in the encoder to obtain large and multi-scale receptive fields. We evaluated MCNet on three medical datasets with different image modalities. The experimental results show that our method achieves better performance than the state-of-the-art approaches. Our model has strong feature learning ability and is robust to capture different scale targets. It can achieve satisfactory results while using only 0.98 million (M) parameters.     

基于小波变换的小目标检测

利用小波分析的多分辨率特性和时频局部窗特性能够克服传统方法的局限,实现小目标的精确定位检测.基于小波变换的小目标检测,先利用改进的小波变换选择合理的小波基和小波变换窗口对小目标图像滤波,后结合直方图阈值分割法分割阈值.实验结果表明该方法不仅能很好保存小目标的形状特征,还能将背景几乎完全消除.     

基于小波变换和尺度共生矩阵的超声图像分割

超声图像所固有的特性使得图像分割比较困难,尤其是应用计算机实现超声图像的自动分割技术远不能达到实际需要,因此,超声图像的分割是亟待解决的一个难题.文中将图像树型框架小波变换、尺度共生矩阵和自组织神经网络聚类相结合应用于超声图像提出一种分割方法.实验表明,应用所提出的方法可得到比较清晰的分割结果,显著提高分割图像的对比度.     

基于海岸线背景的海面小目标检测方法

针对海岸线背景下的海面小目标的自动检测问题展开讨论,提出一种目标所在感兴趣区域的自动提取算法,将水域和复杂背景分离,并对分割后的二值图像进行标记,海面区域即水域应该是标记块中面积最大的一块,利用此特征提取出感兴趣区域——水域。对感兴趣区域进行轮廓跟踪后再用原始灰度进行扫描填充,在得到的简单背景下对目标进行局部中值滤波,进而用F—R准则将感兴趣舰船目标检测出来。最后拟利用感兴趣舰船目标区域的方差值计算感兴趣目标出现的置信度估计值,若置信度大于90％,则认为是真目标。实验结果给出了实验处理时间和所识别出的各个目标的置信度．表明了本文算法的有效性。     

一种改进的单参数水平集快速分割方法

针对传统水平集分割方法的参数多且速度较慢的问题,提出了一种新的基于单参数的快速水平集图像分割方法,改进了基于Mumford-Shah模型的Chan-Vese(C-V)模型,引入惩罚函数项、用水平集函数梯度的模取代Dirac函数,并且只保留长度项参数,构造出无须重新初始化且具有全局优化的新模型。此外,在算法实现中引入停止迭代判定式,实现自动分割同时得到单参数的取值规律。人工合成图像和医学图像分割的实验结果表明,该方法具有更快的速度和更好的鲁棒性。由于零水平集函数可以任意设定且便于调整单参数取值,新方法具有更广泛的适应性。     

飞机目标红外图像序列双阈值分割方法

针对飞机目标红外图像序列,提出了一种新型双阈值分割方法.它依据实测飞机目标红外图像序列的统计特性,以及目标在上一帧图像中所占比例,确定当前帧图像中两个阈值的取值范围;再利用最大熵准则和遗传算法搜索最佳双阈值.仿真结果表明,这种方法能够实时地分割出飞机目标和作为目标特征点的尾喷管,可用于工作在成像目标跟踪阶段的红外成像制导、红外型自动目标识别(ATR)系统.     

三种分割算法在BGA焊点图像分割中的应用

x射线BGA焊点检测图像中,存在大量与检测无关的冗余信息。针对这一问题,从原理和应用效果上对三种基本阈值分割算法进行了对比分析并进行仿真实验。通过对三种分割算法的比较,得到了较为通用的算法,效果令人满意。