融合非局部空间灰度信息的三维Otsu法

为了提高最大类间方差阈值分割法(Otsu)对于图像噪声的鲁棒性,提出融合非局部空间灰度信息的三维Otsu法。该方法利用图像像素的灰度信息、邻域中值灰度信息和非局部空间灰度信息进行直方图统计,构建新颖的三维直方图,采用最大类间方差作为阈值选取准则。实验结果表明新方法对于噪声的鲁棒性要优于原始三维Otsu法,能够获得更加令人满意的分割结果。

鲁棒总变分核空间模糊聚类分割算法研究

针对现有的总变分模糊聚类分割算法在强噪声干扰图像分割中难以获得准确有效分割结果的不足,提出了鲁棒总变分核空间模糊聚类分割算法。该算法首先在鲁棒模糊聚类分割算法的目标函数中引入了总广义变分(TGV)正则化,消除图像中不需要的噪声和伪影;其次引入局部空间信息、局部灰度信息以及非均匀隶属函数从而构造一个新的模糊局部信息因子,在保证噪声抑制的同时保留图像中更多细节信息;最后将改进的聚类算法推广至核空间,使原空间线性不可分的像素样本点变成线性可分或近似线性可分,从而更好地给每个像素分配更高的隶属度。实验结果表明,与现有的总变分模糊聚类分割算法相比,建议算法在强高斯噪声干扰情况下的分割精度提高了14.7%,对强高斯噪声有较好的鲁棒性以及分割性能。

一种用于前列腺区域分割的改进水平集算法

前列腺区域的精确分割是提高计算机辅助前列腺癌诊断准确率的重要前提.本文提出了一种新的精确的前列腺区域分割模型,分为4个步骤:首先,读取T2加权磁共振(MR)图像;其次,利用半径为5个像素的8邻域模板(8×5)的局部二值模式(LBP)特征模板计算前列腺磁共振图像的LBP特征图;然后,利用改进的距离正则化水平集(DRLSE)模型对特征图进行分割,提取前列腺粗轮廓;最后将原始水平集能量函数进行优化,构造一个新的能量函数,提取局部灰度信息和梯度信息,并在此新的能量函数的基础上,将粗轮廓迭代演化为最终的细轮廓.本文将该模型在203组来自于国际光学与光子学学会-美国医学物理学家协会-国家癌症研究所(SPIE-AAPM-NCI)前列腺MR分类挑战数据库的T2W磁共振图像上进行了测试,并与医生手工分割结果进行了比较,结果表明本文提出模型得到的分割结果的Dice系数为0.94±0.01,相对体积差(RVD)为-1.21%±2.44%,95%Hausdorff距离(HD)为6.15±0.66mm;与文献中现有的分割模型相比,使用本文提出的模型得到的前列腺区域分割结果更接近于手工分割的结果.

基于核密度估计的前视红外小目标跟踪

针对前视红外图像中小目标较难跟踪的问题,提出了一种基于核密度估计的跟踪方法.融合灰度与局部加权灰度信息熵特征,对目标模板与候选目标区域进行核密度估计,通过均值偏移算法最小化目标候选区域的核密度分布与模板的核密度分布之间的距离来实现跟踪.跟踪过程中,由于受光照、遮挡等因素影响,目标特征可能发生渐变或突变,以Bhattacharyya系数为准则,对目标模板进行自动更新,解决了不能及时更新或过更新引起跟踪失败的问题.实验验证了所提出方法能够对前视红外小目标进行鲁棒的跟踪.