基于全局LBF水平集模型的脑血管层次粗分割

考虑对脑血管进行三维分割具有一定难度,提出了一种基于全局LBF(Local Binary Fitting)水平集模型的脑血管层次化粗分割方法。首先,应用定向加权中值(DWM)滤波和各向异性扩散滤波去除脑图像噪声,同时保存血管边缘信息,在多尺度条件下局部梯度最大(LIGM)算法,应用灰度和梯度信息提取备选血管,基本实现脑灰质去除。然后,改进全局信息LBF水平集算法实现最大强度投影(MIP)图像分割,采用形态信息提取备选血管,剔除干扰组织。最后,融合两种方法实现脑血管粗提取。实验表明,层次化的分割方法可去除大部分不相关脑组织,包含直接双高斯统计模型中的所有分割血管信息。本项研究基于时飞磁共振血管造影(TOF_MRA)数据,相关研究结果可扩展到其它相似系统中。

基于CV和LBF模型结合的图像分割算法研究与实现

CV模型和LBF模型是两个著名的图像分割模型,然而它们有各自的缺点。CV模型不能处理灰度不均图像,而LBF模型虽然能处理灰度不均图像,但对活动轮廓的初始化很敏感,且对噪声不具有鲁棒性。为了克服上述缺点,首先对图像进行预处理,然后在得到新的图像的基础上提出与LBF类似的模型,同时将其与CV模型结合,得到全局和局部活动轮廓模型。实验结果表明,所提模型不仅能处理灰度不均匀图像,同时减弱了活动轮廓对初始化的敏感性,并且提升了对噪声的鲁棒性。

基于改进的LBF模型的图像分割

LBF(Local Binary Fitting)模型利用局部图像信息能够对强度分布不均匀的图像进行分割,然而,该算法仅考虑均值信息,导致模型在处理弱边界图像时得不到理想的分割结果。为此提出一种改进方法:在考虑图像局部均值信息的同时考虑图像局部方差信息和全局方差信息,使得演化曲线能够准确地停止在目标边界上;同时为了加快曲线演化的速度,结合了CV模型的能量项。实验结果表明,改进的方法对含有弱边界信息图像进行分割时能取得较好的效果,演化速度上也有明显的提高。

基于LBF改进模型的煤岩细观结构研究

为了准确全面地获取灰度不均匀的煤岩图像的细观结构信息,引进了基于LBF模型的图像处理方法,并针对其处理灰度不均一图像效率低和分割结果依赖于初始轮廓位置和大小的缺点,分别引入图像增强算子和规范初始水平集函数进行改进。通过对煤岩的3种不同图像进行灰度化、图像分割、形态学处理,获得了高质量的煤岩细观结构二值图像,并分析了各细观参数的统计规律。试验结果表明,基于LBF改进模型的图像处理方法能有效处理灰度不均匀的煤岩图像,获得的细观结构信息可为数值模拟煤岩试件提供真实的几何模型,为煤岩细观损伤力学分析提供可靠的技术支持。

LBF活动轮廓模型的改进

LBF模型是一个著名的基于区域的活动轮廓模型。与PC(Piecewise Constant)模型不同,该模型引入了一个以高斯函数为核函数的局部二值拟合(Local Binary Fitting,LBF)能量。因为LBF能量能够获取图像的局部信息,所以LBF模型解决了PC模型不能处理灰度不均一图像的分割问题。提出了一个改进的LBF模型,它使用一个新的核函数代替高斯核函数。实验表明:与LBF模型比较,新模型减少分割时间约50%。

基于FCM和LBF模型的医学图像自动分割

基于局部区域二相拟合(LBF)模型的医学图像分割方法,对初始轮廓敏感并仅能分割单类目标,若手动选取的初始轮廓不合适,将导致算法耗时过大甚至分割失败。针对上述不足,提出联合模糊C均值(FCM)聚类的LBF模型自动分割算法。对待分割图像进行FCM聚类,将得到的目标类隶属度值变换为适用于LBF模型的水平集函数初始值,利用LBF模型从该初始值开始演化直至收敛,从而完成分割。合成图像及血管和脑部图像的分割实验结果表明,该算法能够自动获取合适的初始值,有效解决LBF模型对初始轮廓敏感的问题,减少迭代次数,而且通过选择不同的FCM聚类结果,可以实现对多类目标的分割。

一种全局LBF主动轮廓模型

LBF模型的能量函数对于水平集函数是非凸的,从而导致应用LBF模型分割的最终结果对水平集函数的初始化非常敏感。通过凸化LBF模型的能量函数,提出一种全局的LBF模型(GLBF)。该模型针对水平集函数是凸的,从而可以通过任意初始化水平集函数得到全局最优解。此外,该模型不必重新初始化水平集函数为符号距离函数,从而极大地提高运算效率。对灰度不均匀医学图像的分割结果表明,GLBF模型对水平集函数的初始化不敏感,优于传统的LBF模型以及目前具有代表性的LIF模型。

基于Micro-CT的小鼠骨小梁LBF模型提取及特征分析

针对小鼠股骨Micro-CT切片图像,提出一种骨小梁形态与分布特征的定量分析方法。利用形态学与LBF模型结合方法提取股骨中的骨小梁,通过模拟骨质疏松症状与提取后的正常骨小梁进行几何形态参数测量的对比,同时利用灰度共生矩阵分析骨小梁的纹理分布特征参数进行实验对比。实验结果表明,骨小梁变细、断裂以及消失等状态,其对比度、熵、能量、相关性等参数会发生明显变化,为定量化分析骨质疏松提供了一种研究方法。

基于形状约束的LBF模型的水平集分割

由于LBF模型是通过高斯核函数来拟合局部内外的区域信息,是典型的局部区域模型。此外医学图像的复杂性且分割经常出现类似特定形状的目标。为了更快地找到局部的区域特征形状(如圆或椭圆),提出将初始水平集与椭圆方程的差异作为形状能量项融入到LBF模型中,在演化过程中无需经过仿射变换来更新相应的形状,只需对初始轮廓和形状水平集差异能量函数进行迭代计算。在实验结果中,选取4幅眼睛图片分别对LBF模型和加入形状项的LBF模型进行比较分析。结果表明,所提出的模型能够准确地检测图像中椭圆状的目标,且分割准确率达到了96%,也解决了图像灰度不均匀、对噪声敏感的问题。

LCV模型在医学图像分割中的应用

针对C-V模型不能充分利用图像局部区域灰度变化信息从而导致难以准确分割灰度不均物体等缺陷,提出一种基于局部区域的C-V(LCV)模型。利用计算局部窗函数内的加权灰度均值来取代全局均值,并加入约束水平集函数为符号距离函数的能量项,从而避免水平集函数的重新初始化。对医学图像的分割结果证明LCV模型在分割灰度不均物体方面优于C-V模型,其分割效率高于LBF模型。

基于局部二值拟合模型的板材表面节子与虫眼的图像分割

为了更好地对板材表面的节子和虫眼进行快速有效的分割,对局部二值拟合(local binary fitting,LBF)模型进行了深入研究,从而提出一个改进的LBF模型,即在LBF模型的基础上,添加一个新的水平集线性正则化项,与此同时引入一个以高斯函数为核函数的局部二值拟合能量。改进算法能够克服LBF模型的分割缺点,使得分割过程对初始轮廓的大小和位置不敏感,同时增强算法的抗噪性,能够分割出灰度不均匀的图像。经实验验证,该算法可以比较完整地提取出单一目标和多目标的板材节子和虫眼的图像,以及对应得出与缺陷图像相对应的水平集演化图像。

灰度不均匀图像分割

采用虚拟的符号距离函数代替真实的符号距离函数,依靠待检测目标局部灰度高斯加权均值来驱动活动轮廓的演化,提出了一种能够分割灰度不均匀图像的新颖活动轮廓模型.利用虚拟符号距离函数的梯度形成一个窄带,活动轮廓在窄带内做演化运算,其演化具有计算简单、分割效率高、抗噪性强等优点.符号距离函数重新初始化也只需要在窄带内使用高斯函数规则化后,对其取符号运算即可.符号距离函数重新初始化具有计算简单、效率高的特点.最后给出了活动轮廓在窄带内收敛的一个简单条件,能方便地判断待检测目标是否被检测出来.

基于改进活动轮廓模型的图像分割

针对图像分割中的灰度不均匀和轮廓初始化问题,提出一种基于区域的活动轮廓模型。将图像的全局信息和局部信息作为能量项驱动活动轮廓向目标边缘演化,以有效分割灰度不均匀图像,为保证图像分割的速度和精度,在能量方程中加入长度项和惩罚项,并采用梯度下降法得到该模型的最小化能量方程。实验结果表明,和局部二值拟合模型、局部图像拟合模型相比,该模型能分割灰度不均匀的图像,对初始轮廓曲线大小和位置更不敏感,且分割图像所需的迭代次数、迭代时间更少。

一种新的几何活动轮廓模型在图像分割中的应用

提出了改进的LBF模型(ILBF)及其图像分割算法.利用两种不同尺度参数的LBF模型分别描述局部和全局信息,并构造了新的能量函数.将局部熵引入到ILBF模型中,同时给出自动求取能量函数中权重参数ω的有效方法,用尺度参数σ较大的LBF模型替代LGIF模型中的C-V模型,较大σ值的LBF模型不仅具有全局特性而且具有局部特性;将进行数据处理后的局部熵引入到LGIF模型中,进而自动求取权重参数ω,克服了LGIF模型权重参数值的选取全程都需要人工参与的缺点.为了有利于计算机的自动求解和避免过多无用的循环迭代,提出了一种新的终止准则.

基于区域混合活动轮廓模型的医学图像分割

针对变分水平集算法在图像分割过程中计算量较大且收敛速度慢的现象,在一些基于区域的活动轮廓模型基础上提出了一种新的基于区域混合模型的非凸正则化活动轮廓模型。该模型构造了一个新的能量泛函,该能量泛函结合了考虑图像局部聚类性质的LBF模型和测地线模型,增加了非凸正则化项,加快了轮廓曲线的收敛速度,可以很好地保持区域形状并能防止边缘过平滑,然后通过经典有限差分法求得能量泛函的极小值。最后,在合成图像和医学图像上做了仿真实验,结果表明,该算法具有较快的收敛速度和很好的鲁棒性,分割结果也较准确。

柑橘表面缺陷图像快速准确分割方法

柑橘表面缺陷会严重影响水果的品质和食用安全,柑橘表面缺陷进行检测对于提高水果品质、提升水果价值有着重要意义。LBF(local binary fitting)是一种基于Chan-Vese(CV)模型的局部化的图像分割模型。由于传统的LBF模型存在对于初始轮廓线的位置要求高且抗噪能力差,对于灰度不均匀图像分割效果欠佳的问题,通过在原LBF模型基础上,添加一个核函数(高斯函数)和线性水平集的方法,对LBF模型进行了改进。针对柑橘表面常见缺陷(虫伤、腐烂、炭疽、药伤)的图像分割问题,采用改进的LBF模型进行试验,来验证改进后的LBF模型对柑橘表面四种常见缺陷能否进行有效的分割提取。通过对虫伤果、腐烂果、炭疽果、药伤果四组样本分别进行分组试验,结果表明:改进后的LBF模型对于虫伤果、腐烂果、炭疽果、药伤果的表面缺陷能够进行快速的识别,分割效果好并能得到与缺陷图像相对应的水平集演化图像。具有迭代次数少、分割时间短、对初始轮廓位置不敏感、分割轮廓线更加光滑和完整、缺陷边界识别准确等优点,有效地解决了传统LBF模型的不足。试验验证了改进后的LBF模型适用于四种柑橘表面缺陷的分割提取,具有可行性、快速性和准确性,为柑橘表面缺陷的识别与柑橘在线检测提供参考。

快速稳定的局部二元拟合分割算法

基于局部区域信息的局部二元拟合(LBF)模型在处理弱边界或灰度不均匀的图像分割方面有一定优势,但该方法非常依赖于初始轮廓,不当的初始轮廓不仅会导致分割时间较长,甚至分割失败。针对这一不足,提出一种快速稳定的LBF模型。首先通过添加带有变权系数面积项的LBF模型进行初始分类以获取较好的初始轮廓,然后采用传统的LBF模型对图像进行进一步的分割。实验证明,在保证良好分割效果的前提下,该方法对初始轮廓的选择更加灵活,分割速度明显快于传统的LBF模型。

基于MultiLayer水平集的脑MRI图像分割框架

提出了一种新的自动初始化水平集的方法和基于MultiLayer水平集的活动轮廓模型。该模型同时进行偏移场去除和图像分割,因此可以有效地克服灰度不均匀性的影响。最后利用了大脑皮层的距离信息,在框架中增加了厚度约束项。实验结果显示,相比著名的LBF模型,该框架不但可以获得更高的分割精度,而且分割时间也大大减少。

一种新的结合图像梯度的局部活动轮廓模型

基于区域的局部二值拟合模型只考虑图像灰度的平均值统计信息,然而由于图像中的噪声改变了图像的灰度分布,该类方法对于包含大量噪声的图像往往很难获得理想的效果。为了提高模型对于噪声的鲁棒性,提出了一种结合图像统计信息和梯度信息的局部活动轮廓模型。该模型在图像灰度的统计信息的基础上,加入图像梯度信息,分别构造以高斯函数为核函数的局部二值灰度拟合能量和局部二值梯度拟合能量,得到最终的能量泛函,并通过最小化该能量函数,驱使活动轮廓向目标边缘演化。实验结果表明,基于图像灰度和梯度的局部活动轮廓模型能够有效克服图像中弱边缘以及强噪声对于分割结果的影响,其分割精度高于同类方法。

一种改进的图像分割活动轮廓模型

C-V模型具有计算复杂度低、对初始化和噪声不敏感等优点,在处理图像的时候总是从全局的角度去考虑图像区域的灰度变化,从而导致难以分割灰度不均的图像。局部二元拟合(LBF)模型在处理灰度不均匀的图像分割方面有很大优势,但是LBF模型存在依赖初始轮廓大小、位置等缺点。针对C-V模型不能分割灰度不均图像和LBF模型敏感于轮廓初始化的问题,给出一个用偏微分方程表示的新的融合局部(LBF模型)和全局信息(改进的C-V模型)的活动轮廓模型。实践结果表明,新的模型对初始轮廓的敏感性低,能分割灰度不均的图像,且优于C-V模型,其分割效率明显高于LBF模型。