改进的RSF模型应用于带钢表面缺陷分割

可调拟合(Region Scalable Fitting,RSF)活动轮廓模型在分割带钢表面缺陷图像时易陷入局部最小值;此外,因引入高斯核函数导致边缘更加模糊而影响分割效果,针对这些问题,提出改进的RSF模型并应用于带钢表面缺陷分割。一方面,在RSF模型中引入局部灰度均值差异项作为新的拟合项,并且引入局部灰度方差差异代替原拟合项的参数,驱动曲线演化避免陷入局部最小值;另一方面,用双边滤波函数代替高斯核函数,避免对边缘模糊的缺陷造成二次模糊,同时更好地保护了边缘。在NEU带钢表面缺陷数据集上的仿真实验结果表明,改进的算法的分割效果和运行效率均优于其余3种模型,能够较快地准确分割出带钢表面缺陷,并且保留图像细节。

改进RSF主动轮廓模型的医学图像分割方法

针对可伸缩区域拟合能量(RSF)模型在分割某些医学图像时会存在欠分割以及轮廓收敛速度慢等问题,提出一种改进的RSF模型.利用K均值对医学图像进行全局处理,用一个新的核函数代替高斯函数.在新的核函数基础上重新建立能量泛函,并将一个内部能量项作为罚函数项引入到水平集模型中.结果表明,与传统的RSF模型相比,改进模型的分割精度提高了近40%,分割速度提高了近30%.

结合FCM和RSF模型的医学图像分割方法

针对现有活动轮廓模型初始化敏感的缺点,提出一种新的基于区域的活动轮廓模型。该模型采用模糊c均值聚类(FCM)算法对图像进行预分割,将预分割结果二值化为种子标记矩阵,作为下一步水平集演化的初始轮廓,解决了初始化敏感问题;引用RSF(Region-Scalable Fitting)模型的局部区域项作为能量项,提高了分割灰度分布不均匀图像能力;使用高斯滤波方法正则化水平集函数,避免了重新初始化过程,提高了分割效率。实验结果表明:该模型避免了初始化,具有分割结果精确、分割效率高的特点。

带线性正则化项的RSF模型

RSF(Region-Scalable Fitting)模型能够分割灰度不均一图像,但对活动轮廓的初始化和噪声较为敏感。运用理论探究与实验相结合的方法,基于RSF模型,添加一个新的水平集线性正则化项,得到了一个新的活动轮廓模型。实验表明,该模型能够分割灰度不均一图像,对初始轮廓的大小和位置不敏感,抗噪性也较强。

融合RSF模型及边缘检测LOG算子的图像分割方法的研究

针对强度不均的图像,采用可变区域拟合能量模型(RSF)进行分割效果较好,但这取决于初始轮廓的位置,初始轮廓选择不好,直接导致分割结果出错。文中提出了一种将自适应可变区域拟合(Adaptive RSF)能量和优化的二阶微分边缘检测算子(LOG)结合的活动轮廓模型,进行图像分割。首先,计算闭合曲线内外信息熵,使其RSF模型自适应调整权值;其次,提出一个能量泛函优化LOG项,它可以平滑同质区域,同时增强边缘信息;然后,将优化后的LOG能量项与ARSF能量项结合起来,利用局部区域信息将曲线驱动到边界,在LOG项的加入下,实现了初始轮廓的自由设定,实现轮廓精确提取;最后,通过单个细胞图像进行实验,证明该模型不仅具有良好的鲁棒性,而且具有更高的分割精度和效率。

贝叶斯优化的RSF模型脑肿瘤图像分割新方法

由于核磁共振成像(MRI,magnetic resonance imaging)模糊、灰度不均,使得脑肿瘤图像分割精确度不高,给出了一种贝叶斯优化的自适应RSF模型.传统RSF模型的水平集分割性能受初始化和控制参数影响较大,需要大量人工干预,限制了其在实际中的应用.利用贝叶斯估计的自适应性,自动提取初始轮廓,并用于RSF模型细分割脑肿瘤图像,得到了一种脑肿瘤MRI图像分割新方法.结果表明,实验采用Jaccard系数和分割时间评估分割方法的精度和效率,与RSF-mean shift方法相比,其分割精度提高20%以上,分割效率提高32%以上.

基于CV-RSF模型的甲状腺结节超声图像分割算法

结合CV模型和RSF模型,建立CV-RSF模型,实现甲状腺结节超声图像半自动分割算法。基于CV模型的全局信息对图像粗分割,并以粗分割结果作为RSF模型的初始轮廓,然后再利用RSF模型的局部信息对病灶实现最终的分割。根据设定的两组不同初始轮廓,分别利用RSF模型和CV-RSF模型对病灶分割。结果表明,CV-RSF模型解决了RSF模型对初始轮廓敏感的问题,而且通过重叠率的对比,CV-RSF模型分割更准确。对比RSF模型,CV-RSF模型实现的甲状腺结节超声图像半自动分割算法,更加有效、准确。

基于改进的CV-RSF模型的甲状腺结节超声图像自适应分割算法

目的甲状腺结节超声图像的精确分割对甲状腺结节的良恶性诊断尤为重要。目前,对于甲状腺结节超声图像的分割,有学者提出利用主动轮廓模型分割算法,但是由于活动轮廓分割算法需要手动设置迭代次数,未实现模型的自适应性。因此,本文提出了一种基于改进的无边缘主动轮廓-局部区域可控的拟合(Chan-Vese-region scalable fitting,CV-RSF)模型的甲状腺结节超声图像自适应分割算法。方法选取南京同仁医院12例患者的甲状腺结节超声图像用于实验。首先,在无边缘主动轮廓(Chan-Vese,CV)模型中,引入一个基于梯度的边缘引导函数,根据面积变化率,自适应地获取甲状腺结节的粗分割轮廓;然后,将粗分割轮廓作为局部区域可控的拟合(region-scalable fitting,RSF)模型的初始轮廓,并根据面积变化率,自适应地获取甲状腺结节最终分割结果。将改进模型分割的结果与CV模型、RSF模型分割的结果进行比较,并分析甲状腺结节边缘清晰度对分割结果的影响。结果本文模型算法分割结果的平均迭代次数、平均面积重叠率、平均Hausdorff分别达到了134、90.34%、9.77,均优于CV模型、RSF模型的分割算法。结论该算法有效地分割出边缘清晰和不清晰的甲状腺结节超声图像,并解决手动设置迭代次数的问题,从而实现甲状腺结节的有效、准确、自动分割。

基于自适应RSF模型的水平集桡骨分割方法研究

骨块的准确提取是骨龄自动识别过程中重要的一步,桡骨是骨龄评分中一块重要的较难自动分割的骨骼,故桡骨的自动分割具有重要研究意义。文中提出了一种根据闭合曲线内外图像信息熵自动调整权值的改进水平集方法。鉴于X线影像对比度低,文中选用基于区域可变的拟合模型的水平集算法来进行分割,该算法具有不需预知待检图像拓扑模型,且在复杂拓扑情况下进行图像分割效果较好的优点,但该算法需对其中的权值进行手动调整才能实现准确分割;为了进一步实现自动分割,改进的算法根据闭合曲线内外图像信息熵自动调整权值,从而实现自适应桡骨分割。通过与原水平集方法的分割结果进行对比实验证明,改进方法能有效的实现桡骨分割,且有很强的自适应性。

基于Hessian矩阵和RSF模型的CT图像淋巴结分割

临床上医生分割淋巴结主要依靠手动,针对手动分割淋巴结的缺点和局限,本文提出一种基于Hessian矩阵和区域扩展拟合水平集模型(Region-Scalable Fitting,RSF)的淋巴结自动分割算法。该算法首先利用Hessian矩阵对CT图像中的淋巴结进行增强,并得到淋巴结粗略轮廓,然后把该粗略轮廓作为RSF模型的初始轮廓,并利用RSF模型对初始轮廓进行演化以实现淋巴结的有效分割。将该方法应用于6个病例的CT淋巴结图像中,初步实验结果与医生手动分割结果对比,平均重叠率93.3%,平均Hausdorff距离为3.8 mm。

一种新的基于自适应分数阶的活动轮廓模型

区域可调拟合(region scalable fitting,RSF)活动轮廓模型在分割弱纹理、弱边缘图像时,优化易陷入局部极小导致曲线演化速度缓慢;同时该模型中的局部拟合项为高斯核函数,导致目标的边界模糊,影响分割精度.针对该问题,提出了一种基于自适应分数阶的活动轮廓模型,用于图像的分割.首先将全局G-L(Grünwald-Letnikov)分数阶梯度融合到RSF模型中,以增强灰度不均匀和弱纹理区域的梯度信息,从而提高对曲线初始位置选择的鲁棒性,并提高了图像分割的精度和速度;然后用双边滤波函数替换局部拟合项中的高斯核函数,解决了高斯核函数在演化过程中造成的边界模糊问题;最后根据图像的梯度模值和信息熵构建自适应分数阶阶次的数学模型,并计算出最佳分数阶阶次.理论分析和实验结果均表明:提出的算法可以用于灰度不均匀和弱纹理、弱边缘区域的图像分割,并能根据图像的特征自适应计算最佳分数阶阶次,避免曲线演化陷入局部最优.用多幅图像进行实验,得出该方法的分割精度和分割效率都有较大提高.

全局和局部拟合的活动轮廓模型

在现有的活动轮廓模型中,PC模型和RSF模型是两个著名的基于区域的模型。PC模型对活动轮廓的初始化和噪声不敏感,但不能分割灰度不均一图像。RSF模型能够分割灰度不均一图像,但对活动轮廓的初始化和噪声较为敏感。基于PC和RSF模型,提出一个以偏微分方程形式表达的基于区域的活动轮廓模型。实验表明该模型能够分割灰度不均一图像,对初始轮廓的大小和位置不敏感,抗噪性也较强。

结合全局和局部信息的活动轮廓模型

利用全局信息的C-V模型对轮廓初始化和噪声不敏感,但不能分割灰度不均的图像;利用局部信息的RSF模型能分割灰度不均的图像,但对轮廓初始化和噪声很敏感。针对该问题,基于C-V模型和RSF模型,提出一个新的水平集正则化项,给出一个用偏微分方程表示的结合全局和局部信息的活动轮廓模型。实验结果表明,该模型能分割灰度不均的图像,且允许灵活的轮廓初始化,抗噪性较强。

融合局部图像信息的SLGS活动轮廓模型

SLGS模型不能处理灰度不均图像,而RSF模型对初始轮廓较敏感。为此,将RSF模型定义的局部信息融入SLGS模型中,提出一个以偏微分方程形式表达的活动轮廓模型。利用SLGS模型全局拟合量和RSF模型局部拟合量的线性组合构造符号压力函数,调整拟合量的权重以提升模型对灰度不均图像的处理能力和轮廓初始化的灵活性,并利用高斯滤波正则水平集函数法实现水平集函数的正则化。实验结果表明,该模型的分割结果比SLGS模型更准确。

甲状腺结节超声图像分割算法研究

超声甲状腺结节分割是发现与识别甲状腺良恶性肿瘤的关键技术之一。针对模糊聚类法无法准确分割超声图像甲状腺结节边缘,而局部拟合(RSF)模型法对手动初始化轮廓敏感的问题,提出一种融合空间约束模糊C均值聚类和局部拟合RSF模型的分割结节方法。用空间约束模糊C均值聚类法(SKFCM)对图像进行聚类并二值化聚类结果作为RSF模型法初始轮廓,克服了RSF模型法对初始轮廓敏感问题,水平集演化参数也将通过聚类结果自动给出,不再需要人为设定。同时改进了RSF模型法拟合项,并利用高斯正则化规则RSF模型水平集,提高了RSF模型演化效率,缩短了收敛时间。仿真实验结果表明,提出的甲状腺结节超声图像分割方法能够快速准确地分割出结节区域。

修正局部极小值的局部灰度差异分割模型

针对现有局部模型在分割灰度不均匀图像时容易陷入局部极小值,导致演化曲线停留在背景处或目标内部无法继续演化从而造成分割失败的现象,提出本模型。该模型在能量泛函中增加局部灰度差异项,通过最大化演化曲线上所有点的邻域内目标和背景的差异来驱动演化曲线越过图像背景处或目标内部,直到准确地停留在目标边缘。实验结果表明提出的模型可以有效地解决局部模型因陷入局部极小值而导致的误分割问题,同时提高对分割灰度不均匀等复杂图像的准确性,并减小对初始轮廓的敏感性。

基于水平集的纳米颗粒分割方法

纳米颗粒尺寸测量技术对分析材料性能至关重要,而颗粒分割对纳米颗粒的质量评价有重要的意义。基于水平集图像分割方法对纳米颗粒进行分割。首先,利用偏微分方程对纳米颗粒图像进行预处理,针对不同的纳米图像设计合适的滤波方案。在此基础上,基于水平集图像分割算法分割纳米颗粒,分析了三种水平集模型对纳米颗粒的分割性能。实验结果表明,采用RSF水平集分割模型对灰度不均且具有弱边缘的纳米颗粒具有很好的分割效果。

在水平集框架下的遥感影像湖泊轮廓线提取

针对提取遥感影像中接近于真实地物边界的轮廓线自动化程度低并难以应用于矢量数据更新的问题,设计了一种基于可变尺度的区域拟合能量模型构建的水平集框架。以获取影像中含有地理坐标的湖泊矢量轮廓线为例,对改进后归一化水体指数结果阈值化获取部分非水体区域,对该区域对应的Landsat近红外波段数据加噪处理后输入原始模型实现轮廓线提取。利用两景覆盖江苏省徐州市3个典型湖泊的Landsat遥感影像验证所提出的框架,结果表明该框架能够获取理想的湖泊轮廓线矢量,并且优于没有加噪输入的原始模型,在初始轮廓和参数的设置上更具有稳健性。同时,设计的水平集框架也能有效应用于对多时相数据的湖泊轮廓线矢量更新。

基于自适应机制的医学超声图像分割方法

医学超声图像具有散斑噪声、区域模糊、弱边界以及灰度不均匀等特点,均值漂移-区域扩展拟合(MS-RSF)模型对超声图像具有很好的分割性能,但该模型的自动化程度低,对初始轮廓曲线依赖性强。针对此缺点,该文对MS-RSF模型进行改进,能量方程中加入自适应面积项,将曲线置于目标的任意位置开始演化,自动检测目标区域内外边界轮廓,提取目标的弱边界及深凹区域准确度高,并且实现对多目标图像准确分割。该文算法对超声图像的分割精度平均达到0.9170,相比MS-RSF模型提高了11.38%,而且算法分割速度加快,算法的鲁棒性提高。

RSF模型的优化及其在MRI脑肿瘤分割中的应用

磁共振成像(MRI)具有图像模糊,灰度不均等特点,其分割问题一直都是研究的热点和难点。可变区域拟合(RSF)能量模型是一种较新的区域活动轮廓模型,可用于灰度不均匀图像的分割。然而,RSF模型设定的水平集函数(LSF)不适合初始轮廓内外灰度分布不同的环境,应用于整体灰度环境复杂的脑肿瘤MRI图像时,通常得不到理想的分割结果。构建新的LSF,并辅以mean shift平滑算法可使其更适用于肿瘤图像的分割,使新模型具有更好的收敛性和目标指向性。利用优化后的模型进行一系列实验,其结果表明:该算法鲁棒性强,可以快速、准确地分割出MRI图像中的脑肿瘤,具有显著的临床意义。