高斯滤波增强技术融合最大类间方差法在医学影像诊断中的应用研究

为了进一步提高肺部医学影像辅助诊断的准确性,提出一种高斯滤波增强技术融合最大类间方差法对肺部CT影像进行分割和计算病变面积占比的算法。首先对原始图像采用高斯低通滤波运算去除噪声和杂质并使用MSVSR提高图像质量,然后通过最大类间方差法将图像目标和背景分割出来,再将二值化图像一分为二,一方面采用高斯高通滤波运算锐化磨玻璃影和病变肺实质,另一方面使用HED将肺轮廓提取出来,最后计算出病变区域与肺轮廓面积占比。临床试验数据表明,本文算法不仅可以去除伪影和噪声,还能够最大限度地保留临床意义上的图像特征信息,具有较高的准确性,可以为临床研判肺部疾病严重程度与医疗诊治提供帮助。

基于优化最大类间方差法阈值分割与滑动窗口法的车道偏离预警

为了改善因传统边缘算子在车道线特征提取时鲁棒性差、传统霍夫变换弯道拟合能力较弱导致车道偏离预警率降低的问题,提出了一种基于优化最大类间方差法(OTSU算法)阈值分割与滑动窗口法的车道偏离预警方法。首先,使用遗传退火算法优化求解OTSU算法的最优阈值并调用整体嵌套边缘检测(HED)模型获取车道线边缘特征,将感兴趣区域转换成鸟瞰图形式;然后,使用滑动窗口法将车道线切分并逐个对窗口内的车道像素点进行二阶多项式拟合;最后,根据车辆与车道线的相对位置关系进行车道偏离预警以及弯道预警。试验结果表明,该方法的综合路况预警准确率为95.92%,检测速率可达34 ms/帧。

一种改进的最大类间方差图像分割法

该文根据脑部切片图像中白质的特点,将均方差因素引入传统分割方法,提出了一种改进的最大类间方差图像分割方法。采用连通域标记进行图像预分割,借助形态学的开运算进行滤波处理,根据改进的最大类间方差分割原理进行白质提取。将该方法与传统最大类间方差法对序列脑切片的白质分割结果进行定性比较,并借助漏检率和误检率指标进行定量评估,发现两种方法的平均漏检率均约为0.03,平均误检率分别为0.251和0.026,表明该方法能够综合利用图像的区域特性和边缘特性,分割更加准确有效。

一种基于三维最大类间方差的图像分割算法

本文提出了一种基于三维最大类间方差的图像分割算法 .该方法不仅利用了图像像元点的灰度分布信息 ,而且充分考虑了像元点之间的灰度相关信息 ,构造出三维观测空间 ,根据各信息间的竞争性、冗余性和互补性 ,进行有效的融合 ,得到比 (一维 )最大类间方差法更真实、准确的处理效果 .理论分析和实验表明 ,对于低对比度、低信噪比的目标 ,该方法具有良好的分割性能 .在该算法的基础上 ,又提出了一种快速递推三维最大类间方差法 ,减少了计算量 ,节约存储空间 。

一种基于二维最大类间方差的图像分割算法

本文提出了一种二维最大类间方差的图像分割算法。该方法不仅利用了图像像元点的灰度分布信息 ,而且充分考虑了像元点之间的空间相关信息。理论分析和实验表明 ,对于低对比度、低信噪比的地面目标 ,该方法具有良好的分割效果。在该算法的基础上 ,又提出了一种快速递推二维最大类间方差法 ,减少了计算量 ,节约存储空间 。

基于改进最大类间方差法的手势分割方法研究

针对手势图像中由于噪声和成像干扰造成的手势模糊和边界不清晰的问题,提出了一种基于改进最大类间方差法的手势分割方法.首先建立手势图像的二维灰度直方图,在二维灰度直方图上确定噪声点位置,在原图的相应区域滤除噪声.然后重建二维灰度直方图将内点区的点集投影到45度线,得到投影灰度直方图.接下来在灰度投影直方图上采用全局Otsu确定局部Otsu的左边界,用高斯函数拟合得到局部Otsu右边界,最后采用局部Otsu分割手势.该方法可以有效地对手势图像进行精确分割,实验结果验证了本文算法的有效性.

ENVISAT卫星先进合成孔径雷达数据水体提取研究——改进的最大类间方差阈值法

星载雷达遥感是目前洪涝灾害水情监测的重要技术手段之一,而欧空局ENVISAT卫星上搭载的先进合成孔径雷达ASAR是目前功能最为强大的星载雷达系统。依据微波遥感影像中水体后向散射系数相对较低的特征,将图像分割中的常用算法——阈值法应用到ENVISAT ASAR数据水体提取中。进行了洞庭湖地区2007年枯水期和洪水期两景ENVISAT/ASAR APP-1P影像的实例研究,结果表明,综合考虑类间和类内方差两个因素的改进的最大类间方差法较之双峰法和最大类间方差法,其确定的最优阈值水体提取精度最高。另外,该方法相对简单、容易实现,可极大地提高当前ASAR数据计算机水体识别的自动化水平,进而推动ASAR数据于阴雨或多云天气条件下在洪涝灾害水情监测中的应用。

一种改进的基于最大类间方差的图像分割方法

在分析最大类间方差阈值图像分割算法原理的基础上,根据实际图像直方图中目标与背景的像素分布特点,提出了一种改进的最大类间方差图像分割算法。该算法充分考虑了图像直方图中目标与背景存在交叉的情况,通过与传统阈值分割算法的实验比较,证明该算法具有分割精度高、效果好、速度快的特点。

一种邻域均值加权最大类间方差的阈值分割法

对应用广泛的阈值图像分割的最大类间方差法进行了研究,在深入分析了现有的Neighborhood Valley-Emphasis Method存在的问题的基础上,提出一种邻域均值加权最大类间方差的阈值分割法Neighborhood-Mean Valley-Emphasis Method.其核心思想是,对最大类间方差法进行邻域均值加权;根据灰度值出现的次数生成直方图,取每个灰度值的邻域区间,求得灰度值出现次数的邻域均值,同时求得类间方差,用邻域均值加权类间方差,使得阈值在类间方差最大且是直方图的极小点处取得,提高了算法的准确性,另一方面,邻域均值有均值滤波器的效果,增强了算法的抗噪性.实验结果表明,改进的最大类间方差法NeighborhoodMean Valley-Emphasis Method大大降低了因加权溢出而导致算法失效的可能性,扩大了适用范围,增强了鲁棒性.

基于灰度空间相关性最大类间方差的图像分割

一维最大类间方差1D-Otsu和二维最大类间方差2D-Otsu在目标和背景比较模糊时,图像分割效果较差。针对该问题,提出一种基于灰度空间相关性(GLSC)最大类间方差的图像分割算法。该算法使用各像素的灰度值与其邻域内相似像素的数目构建直方图,通过计算GLSC直方图的最大类间方差得到分割阈值,应用积分图的思想将运算复杂度由O((N2×L)2)降到O(N2×L),节省了运算时间。针对5幅大小不同和直方图类型不同的真实图像,与1DOtsu、2D-Otsu和灰度空间相关性熵算法进行分割实验比较,结果表明该算法具有较好的鲁棒性。

一种改进的最大类间方差法

最大类间方差法 (Ostu法 )因其计算简单、自适应强 ,而成为使用最为广泛的图像阈值自动选取方法之一。在分析该方法的基础上 ,提出了一种针对红外图像的改进的Ostu法。实验结果表明 ,本文提出的方法可以完整。

最大类间方差算法在运动检测系统中的应用

为满足系统对实时性的要求,采用Altera公司的CycloneⅡ系列的FPGA实现最大类间方差算法。采用Verilog语言对算法实现建模,并在QuartusⅡ平台进行了仿真验证。实验结果表明,该设计能够快速有效地得到阈值,并能有效保护模糊目标的作用。

基于顶帽变换和最大类间方差法的图像分割方法研究

为了克服直接使用最大类间方差法(Otsu)的图像分割方法不能对具有亮度不均匀背景的图像进行准确分割的不足,提出了一种基于数学形态学中的顶帽变换和最大类间方差法(Otsu)的图像分割方法。首先从数学形态学出发,详细阐述了灰度形态学的基本运算(腐蚀、膨胀、开、闭运算),引申出可以消除图像不均匀背景的顶帽变换法。然后介绍Otsu图像分割算法的具体步骤。最后以MATLAB7.0为实验平台,将顶帽变换和Otsu两种算法结合起来对图像进行分割算法仿真实验。理论分析和仿真实验结果表明,提出的方法可以实现快速、准确地分割。

基于最大类间方差与形态学的淋巴结图像分割

淋巴结是人体内产生免疫应答的重要器官。淋巴结的病理变化是检测恶性肿瘤(肺癌、直肠癌、乳腺癌、肝癌、宫颈癌等)和判断肿瘤转移的一个重要依据。一种基于最大类间方差法与数学形态学的分割方法用于淋巴结的分割。最大类间方差法用于对原图进行二值化增强处理,而数学形态学方法用于修正二值图像的边界,通过腐蚀操作与膨胀操作解决二值化后出现的目标区域与多余组织相连的问题,以更好地提取有用的淋巴结组织。实验结果表明,上述算法对与周围组织有粘连但目标与背景的灰度级相差较大的淋巴结图像的分割效果较好。

结合自适应脉冲耦合神经网络和最大类间方差准则的眼底图像血管自动检测方法

结合自适应脉冲耦合神经网络(PCNN)和最大类间方差准则,该文提出一种眼底图像血管自动检测方法。首先采用对比度受限的自适应直方图均衡化(CLAHE)和2维高斯匹配滤波对眼底图像进行预处理,以增强血管和背景的对比度;然后基于简化PCNN模型,结合最大类间方差准则对预处理后的眼底图像进行分割,针对PCNN神经元的链接强度通常为常数的不足,使用像素的拉普拉斯能量(EOL)作为对应神经元的链接强度值,使得PCNN能够根据像素特征自适应地调整神经元的链接强度;最后采用面积滤波、断点连接对分割结果进行后处理,得到最终的血管检测结果。对STARE眼底图像库的实验结果表明,该方法具有较高的鲁棒性、有效性和可靠性。

二维直方图斜分最大类间交叉熵的图像分割

利用二维直方图斜分原理,提出了一种基于最大类间交叉熵的快速图像分割方法。首先依据二维直方图斜分法构建最大类间交叉熵阈值选取公式,然后导出这种最大类间交叉熵阈值选取的快速递推算法,最后将定义的数组运算与这种快速算法相结合搜索最佳阈值向量,使整个算法更简明高效。实验结果表明,与当前二维直方图斜分阈值方法相比,此算法效率更高,通用性更强。

基于K-means聚类与最大类间方差的磨粒彩色图像分割

针对在HSI颜色空间下存在的图像的二维颜色分量分布散乱不紧密,存在聚类中心计算错误,利用二维颜色分量很难将背景和磨粒准确分割开,分割完的铁谱图像仍包含许多不需要的微小磨粒等问题,提出采用K-means聚类与最大类间方差的图像分割方法。分别选取球粒、切削磨粒、严重滑动磨粒、红色氧化物、疲劳磨粒的彩色图像,在Lab颜色空间下利用二维颜色分量进行聚类分析及最大类间方差阈值分割,并进行三维数学形态学处理。结果表明,提出的方法实现了小磨粒与目标磨粒的有效分割,可以得到较为完整的彩色磨粒图像,为磨粒的颜色参数识别提供有效的依据。

基于最大类间方差的最大熵图像分割

最大熵分割算法对于目标与背景之间界限模糊的图像分割效果较好,但该算法对图像边缘的处理能力较差。最大类间方差分割算法对图像边缘的识别能力较强,但该算法对于目标和背景之间界限模糊的图像分割效果不好。针对上述问题,提出了一种基于最大类间方差的最大熵图像分割算法,该算法既能很好地对目标与背景之间界限模糊的图像进行分割,又能有效地识别图像的边缘。实验结果表明,本文所提算法对目标与背景之间界限模糊的图像的分割效果以及对图像边缘的识别能力均优于传统的最大类间方差算法和最大熵算法,且具有更好的有效性和鲁棒性。

基于进化规划的最大类间方差的图像分割算法

图像分割是计算机视觉中一个关键的技术。在分析了最大类间方差算法(Ostu算法)求阈值进行图像分割以及进化规划原理的基础上,提出了一种自动阈值选取的图像分割的算法。该算法以灰度图像的灰度最大类间方差作为适应度值,将图像分割问题看作为一个全局数值优化问题,利用进化规划全局寻优和快速计算的特点,搜索一个最佳阈值用于图像分割。最后基于实例对其与传统Ostu算法进行性能比较和效果验证。结果表明,本方法在图像分割过程中具有速度快,效果好的特点。

基于最大类间方差的图像分割改进遗传算法

在基于最大类间方差传统遗传算法实现图像分割的基础上对其改进,提出了基于染色体、基因位的"双自适应交叉概率"的改进遗传算法.该方法利用待分割图像的直方图作为先验知识,缩小了初始种群的选取范围,提高了遗传算法的寻优能力.实验表明,改进的遗传算法应用于图像分割较传统遗传算法有更好的效果.