基于梯度矢量方向性分析的线裁剪算法

在传统线裁剪(seam carving)算法中梯度矢量的方向性是一个被忽略的因素,该文提出了一种新的基于梯度矢量方向性分析的线裁剪算法。首先利用随机纹理区域内梯度矢量方向散乱的特点,对局部区域的图像梯度矢量进行低通滤波,使算法能够提取更加合理的像素线路;接着又根据像素线路的走向不同,定义两个不同的像素能量函数,给予像素梯度矢量的x,y分量以不同的权值。实验结果图像显示,文中算法不仅可以更好地保护图像边缘等细节,还可以在整体上达到与原图像更加近似的视觉效果。定量分析结果也显示,相比其它算法该文算法在完整性距离和一致性距离两方面都取得了更好结果。

小波多尺度动态方向梯度矢量流与心脏核磁共振图像分割

主动轮廓线模型已在心脏MRI图像左心室内膜分割中得到了广泛的应用,但是如果轮廓线的初始位置不合理,受到左心室内部组织灰度和心脏周围组织灰度的影响,将难以得到准确而稳定的分割结果。将小波多尺度边缘检测算法应用于主动轮廓线模型,并结合动态方向梯度矢量流(DDGVF)概念,首先在高尺度图像上进行处理,将得到的结果作为低尺度图像上的初始轮廓线继续进行处理。通过这种方法,解决了初始轮廓线必须离真实轮廓很近的问题,有效扩大了主动轮廓模型的捕获范围。

基于动态方向梯度矢量流蛇模型的图像分割

提出了一种改进的基于动态方向梯度矢量流蛇模型的MR脑肿瘤图像分割新方法,实验结果表明该方法能够有效地分割提取出脑肿瘤图像。为了对MR脑肿瘤图像形状特征进行描述,提出了一种改进的基于Zernike矩的快速算法,为进一步诊断病情提供了有效的帮助。

基于方向Snake模型的心脏磁共振图像左心室内外膜分割

针对心脏磁共振图像(MRI)左心室内膜与外膜边缘方向不同的特点,提出一种基于曲线演化框架的方向主动轮廓模型进行左心室内外膜分割。曲线演化方程中包含基于图像边缘与区域灰度特征的混合几何流。几何流中的边缘信息项由经Fast Marching方法扩展后的动态方向梯度矢量流场(DDGVF)构成,用以引导曲线向具有不同方向的目标边缘运动,而区域灰度信息项则由Chan-Vese(CV)模型构成,用以防止曲线在演化过程中受其他边缘成分的影响而发生泄漏。最终的曲线演化方程采用水平集方法求解。实验结果表明,所提方法能够较为准确地分割出心脏MRI图像中的左心室内外膜并具有较好的鲁棒性,对于实现基于心脏MRI图像的左心室心肌区域自动快速分割和心脏功能分析与评价具有一定的应用价值。

基于多尺度梯度相角的人脸图像对称性检测与定位

在利用反对称双正交小波变换系数获得人脸图像多尺度梯度矢量的基础上 ,提出了一种基于多尺度梯度相角的人脸图像对称性检测与定位算法 ,该方法对光照变化具有很强的鲁棒性 .另外 ,本方法可利用小波变换的多分辨率特性 ,实现由粗至精的分级检测 ,从而提高定位速度 .同时 ,由于反对称双正交小波还能用于图像压缩 ,因此该方法为压缩数据域中的人脸定位提供了一条可能的途径 .与类似方法的对比实验表明 ,本文方法在定位速度。

基于动态方向梯度矢量流模型的脑肿瘤图像分割

目的:针对GVF Snake模型算法收敛容易陷入局部极小值及对初始轮廓位置敏感等缺点,提出一种动态方向梯度矢量流模型(DDGVF),使其更适合医学图像的分割。方法:利用主动轮廓模型的提取和跟踪特定区域内目标轮廓的方法,将其应用于医学图像如CT、MRI和超声图像的处理,以获取特定器官及组织的轮廓。结果:动态方向梯度矢量流场(DDGVF)能够较好地提取出脑肿瘤图像。结论:利用该方法能够较好地分割提取出脑肿瘤图像的肿瘤病变区域,为进一步对其纹理和形状等特征进行描述和分析提供了可靠的依据。

基于多尺度模糊聚类与DGVF模型分割颈动脉超声造影图像

超声造影(contrast-enhanced ultrasound,CEUS)图像在血管疾病诊断与治疗中有很高的应用价值,其中通过提取颈动脉CEUS图像中的血管边界对血管形态及弹性等属性进行测量具有重要意义.由医生手工勾勒血管轮廓耗时耗力,且重复性差、主观性强,而传统计算机分割方法因受到图像中斑点噪声的干扰而存在鲁棒性差和初始化难两大问题.首先,结合多尺度模糊聚类方法与粒子群优化算法提取血管的粗略轮廓,以此作为方向梯度矢量流(directional gradient vector flow,DGVF)模型的初始轮廓;然后,对轮廓进行形变收敛至最终结果.通过分割来自14例患者的48张颈动脉CEUS图像的实验,结果表明所提出的方法优于传统方法,能自动、精确地提取颈动脉CEUS图像中的血管边界.