基于核图割模型的肝脏CT图像肿瘤分割

计算机断层成像(CT)对疾病的确诊意义重大,在医学图像的自动检测中应用较多的模型为图割模型,但传统图割算法严重依赖于对复杂区域进行大量建立的模型,运算复杂且不利推广。为此,在传统图割理论基础上引入核函数,提出一种基于核图割模型的肝脏CT图像肿瘤分割算法。通过核函数将原始数据映射到高维空间,并在高维图像数据空间用图割理论对CT图像的肝区与肿瘤区域进行分割,以提取疑似肿瘤区域,解决传统图割模型中需要依赖人机交互和对复杂区域建模困难等问题。由Mercer定理得出,核空间的点积运算不需要显式指定图像各区域的具体模型,进行核推广后克服了传统模型通用性不强的弱点。利用临床CT图像数据对该算法进行分割实验,结果表明,基于核推广后的图割算法能够有效对肿瘤和肝区进行分离,可应用于临床实际中作为肿瘤辅助诊断手段。

基于参数核图割的纱线毛羽图像处理方法

为了准确计算纱线毛羽特征参数,克服图割法中人为随机选择阈值造成的消极影响,提出了一种基于参数核图割的图像处理纱线毛羽算法.首先,采用局部最大类间方差法获取纱线二值图像,并与纱芯二值图像作逻辑运算,提取毛羽进行特征分析.然后,选取两种不同支数的纱线,以USTER CLASSIMAT 5测试结果为标准,比较参数核图割法与区域生长法、线性近似纱芯边界法对纱芯分割图像处理方法的优劣.结果表明,参数核图割法耗时少、误分点少,毛羽检测算法准确率高达95.5%,远优于另两种算法,也证明了选取不同的纱芯分割方法将直接影响毛羽特征分析的准确性.

基于渐进核图割的SAR图像自动分割

合成孔径雷达(Synthetic Aperture Radar,SAR)图像是遥感目标检测与分割等研究的重要数据源。提出了一种渐进核图割分割方法,该方法通过迭代进行二类聚类分割,自动实现合成孔径雷达SAR图像中多目标的分割。实验结果表明,该方法能够有效地实现复杂场景SAR图像的多目标分割。

基于先验形状信息核图割模型的肝脏分割方法

由于肝脏核磁图像存在边缘模糊、噪声大、灰度分布不均匀等特点,一般分割算法效果不甚理想。为了提高分割效果,提出了一种基于先验形状信息的核图割(kernel graph cuts,KGC)模型。采用区域增长算法在待分割的肝脏区域进行预分割,再用形态学算子进行膨胀腐蚀操作,形成初始分割轮廓;将形状模板集和初始轮廓配准后进行核主成分分析(kernel principle component analysis,KPCA),训练出先验形状信息;在kernel Graph cuts模型的能量函数中融入先验形状信息,并在初始轮廓的基础上进行进一步精确分割。实验结果表明,提出的方法能准确分割出核磁图像中边界模糊、噪声污染大的肝脏边界,且无边界泄露和相似组织误分割等现象。

SAR图像分割的改进参数核图割方法

针对合成孔径雷达(SAR)图像的分割问题,提出一种改进的参数核图割方法。对参数核图割方法中的能量函数进行改进,在核空间中考虑分段常数模型,并实现目标函数的空间核化。SAR图像的分割通过能量函数的最小化实现,由不动点迭代估计区域参数,并由图割模型逐步最小化能量函数实现SAR图像的分割。为验证改进参数核图割方法的分割效果,对自然图像进行分割,结果表明,其分割精度达到83%,比参数核图割方法提高了11%。真实SAR图像的分割结果验证了该方法对SAR图像的分割结果优于参数核图割方法。

基于双边加权核图割的SAR图像变化检测

为解决SAR图像因相干斑噪声严重而影响变化检测结果的问题,该文从像素级和区域级两个角度对SAR图像的空间邻域关系进行研究,提出一种基于双边加权核图割的SAR图像变化检测算法。首先通过均值比算子生成差异图,并利用核函数隐式地将差异图转换为图割能量函数的一元项;然后分别针对邻域内像素的空间上下文关系与以像素为中心的区域空间上下文关系进行研究,将其量化为图割能量函数的二元项。选取Ottawa和Mexico fire两组SAR数据集对算法进行验证,该算法平均总体精度为98.44%,Kappa系数相比PCA-Kmeans、FLICM、MRFFCM、KGC算法分别提高了4.64%、6.16%、4.15%和5.04%,证明该算法能够提高变化区域和非变化区域之间的可分离性,对噪声严重的SAR图像的抗噪能力较强,且图像边缘定位准确。

结合ViBe和KGC图割的运动目标检测研究

为了提高运动目标检测的准确性和完整性,在背景建模研究的基础上,提出一种结合非参数随机样本集ViBe算法和核图割KGC(Kernel graph cuts)理论的运动目标检测方法。采用改进的ViBe算法进行背景提取,把样本集扩展到阴影空间,抑制目标运动阴影的产生。针对样本随机性和噪声带来的目标不完整性,建立目标边缘轮廓分割约束,对前景区进行KGC分析,把滑动窗局限于目标轮廓最大概率密度区,过滤无效背景,合并有效区域。经过视频测试实验表明,该方法在不增加较大计算的情况下,达到检测实时运行,相对于传统算法获得较好的准确率、完整性和鲁棒性。