一种新的窄带快速区域水平集C-V模型图像分割方法

Chan-Vese提出了区域水平集图像分割C-V模型,该模型随着水平集函数的演化,演化曲线能自然地改变其拓扑结构,因而在很多研究领域有着广泛的应用,特别是在图像分割、目标跟踪领域取得了显著的效果。基于区域的水平集函数比基于梯度的水平集函数在抗噪声方面也表现得更优秀,但是其演化水平集函数也更复杂,主要缺点是演化速度特别慢,限制了在大型高分辨率图像分割中的应用。针对此问题,提出了一种窄带快速区域水平集C-V模型,即先利用C-V水平集在低分辨率的图像上检测出大致的边缘,然后映射到高分辨率的图像上,在其边缘的一个窄带内检测更为精确的边缘,其检测速度有了很大的提高。采用高分辨率的大型合成孔径雷达(SAR)遥感图像进行的实验证明了该方法能够快速而有效地提取出海岸线,满足工程中的实际应用。

基于窄带多区域水平集方法的遥感图像分割

由于遥感图像存在边缘混叠等问题,经典的C-V模型会产生大量的冗余轮廓,而且无法分割多个同质区域的目标。为此,提出了基于C-V模型的窄带多区域水平集图像分割方法,采用N-1个水平集函数将图像分割成N(N>1)个区域,每个水平集函数表达一个区域。该方法一方面通过建立独立多区域水平集模型可以消除多余的轮廓,避免分割区域的重叠和漏分;另一方面应用窄带技术来减小水平集方法中的计算量。对遥感图像进行了实验,结果表明该方法能快速有效地分割该图像。

多相图像分割的多尺度变分水平集方法研究

由于传统的Chan-Vese模型无法分割多个同质区域的目标,多相水平集方法会产生区域重叠问题。提出了多相图像分割的多尺度变分水平集方法,使图像各相互相独立,避免分割区域的重叠和漏分。同时,利用小波变换将图像分解成多尺度的逼近子图像,在子图像上进行图像分割,采用插值法将粗尺度上演化曲线投影到细尺度上作为初始轮廓线,逐层分割直到原始尺度图像,有效抑制噪声并提高了计算速度。实验结果表明,该方法比传统的方法能更快速有效地分割图像。

基于可变区域拟合水平集算法的改进

基于可变区域拟合水平集算法利用图像的局部区域信息,在活动曲线演化控制参数的手工设置使其应用受到了限制。本文提出了将灰度信息图像匹配原理应用到RSF模型中,根据计算相邻演化图像的相关系数实现迭代的自适应停止。实验结果表明,改进的RSF模型克服了自动设置迭代次数的缺点,实现了迭代的自适应停止,而且对弱边缘不连续图像能够有效地实现,节省了时间,提高了分割效率。

小波变换联合互信息量的水平集策略分割B超病灶

目前水平集方法在B超病灶分割中的应用得到很多关注,其中区域水平集模型能够获得较好的分割结果,但仍然存在对初始条件敏感和不能准确处理灰度变化非匀质的不足。针对这两个问题,运用小波变换方法分解图像,对高频子图进行基于小波模极大值的边缘检测,获得高质量的初始曲线;然后引入互信息量的概念,定义图像局部互信息量来更准确地表现轮廓线的局部特征,以引导曲线合理形变和位移。实验结果表明,水平集策略能够准确处理病灶的模糊边界,具有一定的抗噪能力。水平集策略与其他区域水平集模型相比,在定位精度和执行效率方面都有不同程度的优化。

三维水平集智能分割算法在梅尼埃病患者内耳道磁共振图像分割中的应用效果

目的探讨三维水平集智能分割(IS3DLS)算法对梅尼埃病患者内耳道磁共振成像(MRI)图像的分割效果。方法选择68例梅尼埃病患者,采用MRI系统进行内耳检查,对内耳MRI图像分别采取专家手工分割算法、区域生长水平集分割算法、IS3DLS算法进行图像分割处理。①手工分割算法:由专家直接在MRI原始图像上画出感兴趣区(ROI)的边缘,分割目标。②区域生长水平集分割方法:在内耳ROI内设置种子点,调至最优参数,获得最佳区域生长分割结果,去除无关的组织,获得预分割结果作为初始轮廓掩膜,水平集演化分割内耳。③任选28组内耳图像数据,由耳科专家手动分割获得三维内耳体素模型,用3D-Slicer软件获得形状训练样本。另取6组内耳图像数据作为测试样本,建立内耳统计形状模型,计算平均形状模型。对图像进行加权,采用配准技术自动定位和获取内耳ROI,对内耳ROI和平均形状模型进行配准,得到初始轮廓。采用IS3DLS对初始轮廓和特征图像进行分割。以专家手工分割算法为标准,采用马修斯相关系数(MCC)、戴斯相似系数(DSC)、假阳性率(FPR)和假阴性率(FNR)计算IS3DLS算法、区域生长水平集分割算法与专家手工分割算法的相似性和准确性。以真位置(TP)和假位置(FP)进行IS3DLS算法、区域生长水平集分割算法两种分割算法的误差比较,记录IS3DLS和区域生长集分割算法的运行时间并比较。结果IS3DLS算法的MCC、DSC、FPR、FNR分别为0.9599、0.9594、0.0325、0.0365,与专家手工分割算法相当(P<0.05);与专家手工分割算法相比,IS3DLS算法的MCC高于区域生长集分割算法,提示其与专家手工分割算法的结果更接近;IS3DLS算法的FPR、FNR均低于区域生长集分割算法;IS3DLS算法和区域生长集分割算法均具有较高的TP值;IS3DLS算法的FP值、HD值均小于区域生长集分割算法(P<0.05);IS3DLS的运行时间明显少于区域生长集分割(P<0.01)。结论IS3DLS算法对梅尼埃病患者的内耳道MRI图像有较好的分割效果,处理时间更短,有助于梅尼埃病的诊断和后续治疗。

基于热重启学习率的NAG算法在图像分割中的应用

文章针对水平集演化模型的梯度下降法收敛速度较慢,且对局部极小值较为敏感的问题,提出一种热重启学习率和Nesterov加速梯度(Nesterov accelerated gradient,NAG)算法相结合的水平集演化方法,以替换Chan-Vese(CV)模型中用于演化水平集函数的梯度下降法,对2种算法的图像分割速度以及分割精准度进行了对比。首先根据CV模型和距离保持惩罚项建立初始的水平集演化方程;然后对NAG算法增加学习率动态变化项计算梯度来演化水平集函数;最后不断更新得到水平集函数直到收敛。使用ground truth(GT)图像评估分割精准度,通过与传统梯度下降法得到的实验结果对比,改进算法的CPU运行时间减少了30%以上且分割精确度明显提升,表明其可对图像进行有效且快速地分割。