模糊连接度在图像分割中的应用研究

图像分割是图像处理与图像分析的关键步骤。由于人的视觉特性和数字图像本身所具有的不确定性因素,使得图像分割是典型的结构不良问题。在解决这方面问题时,模糊集合理论能产生比较好的分割结果。将模糊连接度方法应用于图像分割,使得模糊集理论在图像分割中的应用又前进了一步,基于模糊连接度的分割方法进行了综述,主要介绍模糊连接度方法,相对模糊连接度方法,模糊连接度和Voronoi图分类结合的方法,模糊连接度和FCM方法相结合的方法,模糊连接度上增加属性检测的方法。并简要讨论了各种方法的优点以及应用情况。

基于模糊连接度的图像分割及算法

提出了一种基于模糊连接度图像分割的方法,在模糊连接度分割的基础上增加了最优路径(即与种子点的所有路径中连接度最大的路径)上各点相对于种子点的属性相似度的检验,使之能在待分割对象边界比较模糊的情况下取得理想的分割结果.同时提出了一种基于图像扫描机制的算法,它以种子点为中心,逐个计算邻居点相对于种子点的模糊连接度,该算法充分利用模糊连接度和属性相似度的性质,能简单、快速地找到两点间的最优路径.实验结果表明,该方法快速、有效地提高了图像分割的质量.

基于模糊连接度的抠图样本集构造方法

针对已有的图像抠图采样方法易受trimap输入的影响且精确度不足的问题,提出一种基于模糊连接度的抠图样本集构造方法.通过计算模糊连接度求解未知像素到前景边界和背景边界的最强路径,以与最强路径关联的已知像素为中心搜集邻近的已知像素,并构造出未知像素的样本集,且当新的用户笔画加入后,能够快速地更新样本.实验结果表明,文中方法对trimap的依赖性小、采样精确度高、鲁棒性强.

基于图割和模糊连接度的交互式舰船红外图像分割方法

针对舰船红外图像分割中的低对比度、边缘模糊和目标灰度不均匀问题,提出了基于图割和模糊连接度的交互式图像分割方法.交互方式为矩形笔刷,选择目标和背景种子点.分割方法为基于图割的图像分割方法,引入模糊连接度来计算图割的似然能,给出了模糊连接度权重的自动确定方法,提出了基于直方图分解的高斯混合模型(Gaussian mixture model,GMM)成分个数和参数估计方法.仿真结果表明,新方法可实现各种复杂环境下舰船红外图像目标的有效分割.

基于模糊连接度的交互式CT图像分割算法

如何准确地从CT图像中提取出感兴趣的组织,是医学图像分割中的难点。提出了一种基于模糊连接度的交互式CT图像分割算法:先根据用户指定的感兴趣区域的灰度范围预分割图像,然后用户从结果图像中选择目标和背景种子点,计算出各像素点与两类种子点的模糊连接度,最后根据连接度大小将像素点划分到目标或背景区域。分割过程中,用户可以通过增设或删除目标或背景种子点,修正分割的结果。实验表明,该算法能准确有效地分割出感兴趣区域。

基于注意计算模型的医学图像模糊连接度分割

用模糊连接度分割图像时,种子点多以聚类分析方法自动给定,本文分析了传统聚类法存在的问题,在人类视觉活动机制的启发下,提出新的完全不同于聚类方法的视觉显著点注意引导下的图像分割方法。将图像特征显著点的定位转化为概率密度估计问题,引入新的注意计算模型并结合Mean-Shift处理得到关键特征点。注意模型的特征地图采用图像灰度的对比度构成,迭代计算高斯邻域显著度。从密度估计的角度定位显著点,克服以往偏生理注意模型对定量描述的能力不足,尤其适用医学模糊图像。新的方法能完全自动地定位种子点,有效地分割模糊医学图像,提高准确率。

基于模糊连接度的帕金森病靶区核团识别技术

由于帕金森病靶区多为体积较小且结构边界不明显的核团,在MRI影像中不易准确分辨,对帕金森病靶区核团的分割进行初探,通过构建依赖树模型,对帕金森病相关子结构进行分割,提出一种有望用于帕金森病靶区核团的分割方法.首先针对图像模糊性的特点利用模糊连接度方法实现帕金森病关键核团的分割,然后运用数学形态学方法对分割结果进一步优化.通过与医院专家手工分割结果比较,该算法分割相似率在80%以上,能满足临床要求.

基于模糊连接度的多发性硬化症MR图像自动分割算法

多发性硬化症(MS)是一种严重威胁中枢神经功能的疾病,利用磁共振成像技术能够无损伤地检出其病灶。为了自动地对多发性硬化症病灶进行分割,提出了基于模糊连接度的分割算法,实现了种子点的自动选取。作为多发性硬化症分割的预处理,针对脑部MR FLAIR图像的特征,基于区域增长方法,还提出了脑部组织提取算法。通过对临床患者MR图像的分割实验,表明该分割算法能够比较准确地分割多发性硬化症病灶,其分割效果明显好于模糊C-均值聚类算法和基于马尔可夫场模型的分割算法。该算法还具有无监督、运算速度快、稳健性好等优点,能够应用于多发性硬化症的临床辅助诊断。

基于模糊连接度的卫星图像道路提取新方法

论文提出一种将相对模糊连接度和道路特征相结合进行卫星图像主干道路半自动提取的新方法。首先将原始图像划分为多个目标,对每一类目标分别人工选取种子点,然后计算出图像中各像素点与每一类种子点之间的模糊连接度,将其归属于模糊连接度值最大的一类,从而分离出道路目标。接着结合道路局部特征运用模糊连接度连接断裂路段,最后根据道路走向进一步完善整个道路轮廓。SPOT图像道路提取实验表明,新方法可以取得很好的效果。

一种基于模糊连接度和维诺图的混合分割方法

介绍一种可用于医学图像处理的、集成了模糊连接度和维诺图分类算法的混合分割方法。首先采用模糊连接度算法对指定图像区域进行过滤处理形成组织样本数据,这些输出数据将作为维诺图分类算法的输入数据和分类标准,然后通过维诺图分类算法对其进行迭代处理直至形成近似的图像区域边界。最终的输出值为一组分割后的三维图像数据,可以采用体绘制方法形成三维图像分割结果,也可用于进一步的图像处理。和其他医学图像分割方法相比,这种混合分割方法集成了基于区域和基于边界两种不同的分割方法,兼具两者的优点,通过两种分割方法的协同工作,提高了图像分割的精度,适用于复杂图像的分割处理。在医学图像计算机辅助诊断系统中集成了这一方法并取得了良好的实际应用效果。

牙缝约束下模糊连接法对单颗牙齿的分割

采用模糊连接分割算法克服牙齿边界的模糊性对待选牙齿进行初分割,以获取完整的外缘轮廓,其次采用牙弓拟合及牙缝定位方法获取牙缝边界信息,并对初分割结果施以边界约束,从而克服模糊连接分割算法难于分割粘连牙的特点。实验结果表明,该方法能够有效地分割出单颗牙齿。将其扩展到CT序列切片上,即可实现单颗牙齿的三维分割,克服畸形牙的分割难题。

基于模糊连接度的FCM分割方法在医学图像分析中的应用

图像分割的一个重要应用领域是医学图像的分割。我们针对医学图像的模糊特点和实际应用的要求 ,结合模糊连接度阈值分割和模糊C均值聚类两种分割方法的优点 ,提出一种新的交互式医学图像分割方法。首先计算整幅图像的模糊连接度 ,通过阈值分割提取出感兴趣的对象 ,并将模糊连接度作为图像的冗余特征 ;然后在由冗余特征和原图像特征构成的二维聚类空间中 ,利用模糊C -均值聚类方法优化上一步骤的分割结果 ,提高分割准确度。我们以CT和MR图像为实验对象进行了验证 ,实验结果表明这是一个有效的方法。

结合区域生长与模糊连接度的肺气管树分割

针对CT图像中因噪声、密度分布不均匀和边界模糊等因素造成肺气管树难以准确分割的问题,提出了一种区域生长与模糊连接度相结合的肺气管树分割流程。通过阈值化及形态学闭操作提取出肺实质以定义感兴趣区域;采用改进迟滞阈值区域生长法预分割出较粗气管并结合局部体积突变指标抑制侧向泄漏;将预分割的结果进行骨架化及修剪来进一步提取出分支点,并以此作为后续分割的新种子点;根据CT图像的灰度均匀性与气管的管状结构特征来构造亲和力函数以计算种子点与其他体素的模糊连接度,并选取合适的阈值对模糊连接度进行阈值分割以提取出完整气管树。实验采用了20例来自EXACT’09竞赛提供的公开数据,分别从分支点、分支数量和分支数比率等方面进行了量化评估。该方法能在较低泄漏情况下成功检测出参考标准中一半以上的分支,平均分支数比率达到59.7%。实验结果表明,该方法可对肺气管树进行较精确的分割。

基于多种子点模糊连接度的SPOT影像道路提取

结合模糊连接度理论和SPOT影像上道路的表现特性提出了主干道路半自动提取的方法。首先,对原始影像进行去噪滤波处理,再人工选取能够代表道路特性的种子点,计算出各个像素点相对种子点的模糊连接度,将模糊连接度值大于一定阈值的像素点提取出来,从而得到道路线的支持区域;接着对二值道路域细化抽去得到道路中心线;实验证明,该方法可以取得较好的效果。

基于MITK的CT序列图像模糊连接度分割算法研究

MITK是一个集成化的医学影像处理与分析C++类库的软件包.本文在VC++6.0环境下对MITK的区域生长Filter进行了扩充,实现了模糊连接度算法的Filter,并对腹部CT序列图像中的肝内血管进行分割,获得了较好的结果,为下一步利用MITK算法平台进行医学图像分割和可视化等开发打下基础.

运用模糊连接理论分割非连通图象

本文提出了一种利用模糊连接理论讨论非连通图象的分割方案．该方案较好地利用了图象本身的模糊特性，修正了模糊连接强度的定义，从而成功地实现了分割数字、字母和汉字这样一些连通的或非连通的图象．它克服了Ｊ．Ｋ．Ｕｄｕｐａ算法仅能分割连通图的缺点．同时论文中还讨论了分割灰度图象和彩色图象的模糊连接强度定义及有关参数的选择方法．实验例子证明了这种方法的有效性．

基于模糊连接度搜索算法的近胸膜肺结点的检测

在分析了滚球搜索算法对近胸膜肺结点的搜索效果后,根据近胸膜肺结点是由不确定的肺区边缘点及其对应的特征点组成,提出了基于模糊连接度的搜索算法。利用肺区边缘关联结点之间的欧氏距离、肺区边缘关联点之间的路径、标记值和模糊连接度四个参数来描述近胸膜肺结点的属性特征,实现近胸膜肺结点的分割。通过对大量的图片进行测试,实验数据表明,该方法在搜索关联结点方面取得了较好的效果。

结合线性形状特征与模糊连接度的三维CT图像肺裂检测

针对三维CT图像中噪声、密度分布不均匀等因素造成的肺裂检测难题,提出一种线性形状特征与模糊连接度相结合的检测方法。首先,模仿放射科医生的读片方式,利用肺裂在互相垂直的2D切片中呈高亮度线形结构并被低密度肺实质包裹的特点,定义窄条微分(DoS)滤波器用于图像增强;然后,指定3D空间中感兴趣区域内一点作为种子点,根据增强后肺裂图像的灰度均匀性与灰度差值特征来构造亲和力函数以计算种子点与其他体素之间的模糊连接度,再通过选取合适的阈值对模糊连接度进行阈值分割;最后,通过基于形态学的后处理来移除分支点,并由连接元分析以去除粘黏在肺裂周围的无关组织以得到最终完整的肺裂检测结果。临床数据实验和人工定义金标准验证的结果表明,该方法可对肺裂进行较准确、有效的检测。

遗传模糊连接法在CAG图像分割中的应用

鉴于模糊连接法分割连通物体的优势及冠脉造影(CAG)图像中血管连通的特点,用模糊连接法来分割CAG图像。模糊连接法在实现上存在困难,提出将遗传算法与模糊连接相结合来解决这一问题。首先指定目标物体上一点作为种子点。然后根据给定的模糊亲和度公式,用遗传算法求出任意点到种子点的模糊连接度。最后设定阈值,将模糊连接度高于阈值的点按原值显示,其他点置为背景,即可得到分割结果。实验结果表明,该方法能快速准确将血管提取出来,为二维CAG图像的自动诊断及可视化提供了依据。

用于血管图像分割的简化模糊连接算法

血管系统成像在外科手术计划和血管疾病的诊断等方面都起着极其重要的作用 通过对模糊连接算法的分析和改进 ,提出一种简化的模糊连接算法 ,使运算时间得到了缩短 ,运算速度得到了提高 将该算法应用到实际的血管图像分割中 ,取得了比较满意的分割效果 。