一种向量场卷积外力加速的GAC模型

结合参数活动轮廓模型和几何活动轮廓模型的优势,提出一种向量场卷积(VFC)外力加速的侧地活动轮廓(GAC)模型。利用外力场优势,通过引入基于VFC力场的双向边界吸引力和自适应膨胀力,自适应地调整模型曲线的演化方向。实验结果表明,该模型可以克服参数活动轮廓模型不能处理拓扑结构变化的问题,避免传统GAC模型曲线单边演化的现象,能够提取深度凹陷的目标边界,对初始轮廓不敏感,对图像噪声和弱边界具有较高的鲁棒性。

基于向量场卷积和神经网络的MR肝脏自动分割算法研究

目的:提出一种新颖的腹部MR图像自动分割算法。方法:首先采用预处理降低图像噪声和增强图像边缘;然后,采用三层神经网络获得活动轮廓模型的初始点;最后,采用向量场卷积作为活动轮廓模型的外力,勾画出肝脏边界。结果:选用不同层面的MR肝脏图像进行仿真实验。基于自动分割算法能降低图像噪声,精确分割出肝脏轮廓,且与手工分割参考结果相关系数分别为0.9283和0.9124,阳性率TP=(96.32±6.12)%,阴性率FP=(0.14±0.07)%,运行时间Time=(75±8)s。结论:提出的自动分割算法能精确分割MR肝脏图像,具有很强的稳定性、优越性和普适性,具有较高的临床应用价值。

改进的参数活动轮廓模型

为扩大参数活动轮廓模型外力场的捕获范围,消除噪声对弱边界分割的影响,文中结合参数活动轮廓模型和卷积向量场的优点,提出了一种新的参数活动轮廓模型.该模型通过Harris矩阵得到梯度图像,依据局部区域的均值和方差估计噪声的概率,进而确定参数活动轮廓模型和卷积向量场的作用权重,最后得到一个全局向量场.合成梯度图像和医学图像的仿真实验结果表明,文中模型能够准确地分割出图像目标,具有一定程度的抗噪性.

一种改进的VFC Snake模型

为了克服VFC(vector field convolution)Snake模型对图像弱边界的泄露问题,对其作了两点改进:a)重新定义了向量场核的模,有效降低了VFC外力对向量模参数的敏感性;b)综合利用VFC外力和图像势能力,给出动态VFC外力。随着模型曲线的形变,不断调整外力,使得曲线精确定位到目标边界上。最后通过实验证明了改进后的VFC Snake模型对噪声具有鲁棒性、对参数变化不敏感,且能够收敛到图像弱边界处。

超声左心耳图像的轮廓自动提取

针对经食道超声左心耳图像的分辨率低、对比度低、含有斑点噪声等问题,提出一种结合左心耳解剖位置和超声图像灰度及相位信息的方法,全自动定位常规切片中的左心耳。首先,根据医生采集习惯,以左心耳在标准切面中的解剖位置为先验知识,结合其灰度特性,自动确定分割模型中的初始轮廓;然后,通过线型加权相位和梯度信息构造新的外力项,改进向量场卷积模型,完成左心耳轮廓的自动提取。300张左心耳超声图片测试结果表明,以医生手动勾勒的轮廓作为"金标准",该方法自动提取左心耳的准确性为0.896 9±0.049 4、敏感性为0.905 8±0.076 2、特异性为0.964 5±0.168 7。分割效果优于传统的向量场卷积模型,能够解决自动定位超声图像中左心耳的初始轮廓和弱边界分割的问题。

Snake参数轮廓模型的构建与改进

本文以Snake参数轮廓模型的构建与改进作为主要研究课题,首先对Snake参数轮廓模型进行了构建,而后基于当前模型存在的局限对Snake参数轮廓模型进行了改进及仿真,获得了很好的分割效果。

结合边缘和区域的活动轮廓模型SAR图像目标轮廓提取

目的目标轮廓表征了目标形状,可用于目标方位角估计、自动目标识别等,因此提取合成孔径雷达(SAR)图像中的目标轮廓受到了人们的广泛关注。受SAR图像乘性噪声的影响,传统的目标轮廓提取方法应用在SAR图像时失效。针对这一问题,提出一种将基于边缘的活动轮廓模型和基于区域的活动轮廓模型相结合的活动轮廓模型。方法以真实SAR图像为基础,分析了向量场卷积(VFC)活动轮廓模型以及区域竞争(RC)活动轮廓模型各自的特点和优势,发现这两个模型存在一定的互补性,因此将这两个模型进行了结合,得到了一种新的SAR图像目标轮廓提取方法。结果基于真实SAR图像的实验结果表明,本文方法能较好地应对SAR图像信噪比较低、目标边缘模糊等特点,能准确地获得SAR图像目标轮廓。结论本文方法可用于执行实际的SAR图像轮廓提取任务,为后续的SAR图像自动识别和特征级图像融合等任务提供了较为优良的输入信息。