基于HSV颜色模型的广义梯度矢量流图像分割方法

采用广义梯度矢量流(G enera lized grad ien t vector flow,GGVF)作为势能函数的Snake算法在处理灰度图像分割时具有较好的性能。但当处理彩色图像时,GGVF模型往往将彩色图像转化为灰度图像进行处理,此过程造成颜色信息丢失,因而容易受到阴影等伪边界灰度变化的干扰。本文提出了基于HSV颜色模型的GGVF,充分利用了图像的色彩信息进行图像分割。实验结果表明,该方法能够有效地区分彩色图像的真实边界与由阴影产生的伪边界,并取得较好的分割结果。

一种基于主动轮廓模型的心脏核磁共振图像分割方法

提出一种基于主动轮廓模型的左室壁内、外膜分割方法.首先构造了主动轮廓模型的广义法向有偏梯度矢量流外力模型GNBGVF,作为对梯度矢量流(GVF)的改进,该外力场同时保持了切线方向和法线方向有偏的扩散,具有捕捉范围大、抗噪能力强,且在弱边界泄漏等问题上性能突出.就左室壁内膜的分割而言,考虑到左室壁的近似为圆形的特点,引入了圆形约束的能量项,有利于克服由于图像灰度不均、乳突肌等而导致的局部极小.对于左室壁外膜的分割,采用内膜的分割结果初始化,即通过重新组合梯度分量来构造外力场.该外力场能够克服原始梯度矢量流的不足,使得左室壁外膜边缘很弱时也能得到保持,可以自动、准确地分割外膜.实验结果表明,该方法能高效准确地分割左室壁内、外膜.

基于GVF Snake模型的图像分割方法在放射吸收法(RA)中的应用

目的:探讨GVF Snake模型在放射吸收法骨密度测定图像分割方面的价值。方法:本文将GVF Snake模型应用于目标区域分割,并与区域分割法进行对比。结果:实验表明梯度矢量流模型有较好的鲁棒性和实用性,分割结果与实际边界非常吻合。结论:GVF Snake模型为一种很实用的分割方法,能够应用在放射吸收法骨密度测定中。

基于相位和GGVF的水平集乳腺超声图像分割

提出一种基于相位和广义梯度矢量流(generalized gradient vector flow,GGVF)的水平集分割方法,并用于乳腺超声图像的肿瘤分割。首先,在频域空间,用Cauchy核替代Log-Gabor作为正交滤波器对图像进行滤波,提取来自于单演信号的多尺度图像特征,引入相位一致的思想将多尺度特征结合起来进行边界检测;然后,在此基础上,利用相位一致梯度图定义了一个基于相位的速度停止项函数,同时改进了GGVF;最后,将得到的速度停止项和梯度矢量流融入到水平集演化方程中来控制曲线的演化,获得乳腺肿瘤的边界。实验结果表明,使用该分割方法可获得比现有方法更好的乳腺肿瘤分割结果。

融合C-V和GVF的测地线活动轮廓模型

对于有凹陷边界或弱边界的待分割目标,采用传统的测地线活动轮廓(GAC)模型无法进行准确的图像分割.为了解决这一问题,提出了一种融合C-V模型、GVF模型和GAC模型的图像分割算法.在该算法中,GAC模型的单位内法向量与GVF模型的梯度矢量流共同作用,促使轮廓曲线向目标的边界方向运动;而GAC模型单位内法向量与C-V模型的区域信息的力场共同作用,不仅促使轮廓曲线向目标的边界方向运动,而且使轮廓曲线稳定在目标的边界上.仿真实验证明了上述方法的有效性,同时还证明了该方法对轮廓曲线的初始位置具有较好的适应性.

基于GVF Snake模型的骨密度测定研究

目的探讨GVF Snake模型在骨密度测定中的价值。方法本文将GVF Snake模型应用于目标区域分割,并与区域分割法进行对比。结果实验表明梯度矢量流模型有较好的健壮性和实用性,分割结果与实际边界非常吻合。结论GVF Snake模型为一种很实用的分割方法,能够应用在骨密度测定中。

基于Snake模型提取病灶轮廓

Snake模型是广泛应用于数字图像处理的一种目标轮廓跟踪算法,但在实际使用过程中,现有模型易受噪声及虚假边缘的影响,且对凹陷轮廓的跟踪能力较差。在梯度矢量流模型的基础上,提出广义梯度矢量流模型。该模型不仅能搜索凹陷轮廓,而且也能捕获长管形边界。实验表明该模型有较好的鲁棒性和实用性,适用于噪声干扰情况下提取具有凹凸特征的目标轮廓。