测地线主动轮廓模型(geodesic active contour)是医学图像分割方法中的最重要内容之一。传统的测地线主动轮廓模型通过高斯平滑的图像预处理使得图像边缘信息模糊甚至消失,以致初始曲线轮廓沿着目标边界逼近的演化过程不稳定,收敛速度慢...测地线主动轮廓模型(geodesic active contour)是医学图像分割方法中的最重要内容之一。传统的测地线主动轮廓模型通过高斯平滑的图像预处理使得图像边缘信息模糊甚至消失,以致初始曲线轮廓沿着目标边界逼近的演化过程不稳定,收敛速度慢,分割效果不好。提出基于贝叶斯收缩阈值的小波去噪方法的新测地线模型,由于该去噪方法能在去除噪声的同时,结合噪声与图像信号在频率上的分布特性,增强图像信号细节,从而使能初始轮廓曲线更精确的停止于图像边缘,收敛速度也得到一定程度的提高。展开更多
传统的实现测地线活动轮廓(Geodesic Active Contour,GAC)模型的水平集方法中,采用迎风方案作数值求解,需要使用足够小的时间步长,在曲线演化的过程中需要重新初始化,故效率低,据此,给出一种基于测地线活动轮廓模型的变分水平集方法,引...传统的实现测地线活动轮廓(Geodesic Active Contour,GAC)模型的水平集方法中,采用迎风方案作数值求解,需要使用足够小的时间步长,在曲线演化的过程中需要重新初始化,故效率低,据此,给出一种基于测地线活动轮廓模型的变分水平集方法,引入了一个水平集函数的强制项,避免了重新初始化,简化了初始化的工作,通过实验证明了这种方法是有效的,稳定的。展开更多
从最优化理论的角度来看,目前求解图像分割的测地线活动轮廓(geodesic active contour,GAC)模型大多采用固定步长的最速下降算法.而众所周知,该算法收敛速度较慢,这在能量泛函的梯度较小时尤为明显.对求解GAC模型的快速算法进行了研究....从最优化理论的角度来看,目前求解图像分割的测地线活动轮廓(geodesic active contour,GAC)模型大多采用固定步长的最速下降算法.而众所周知,该算法收敛速度较慢,这在能量泛函的梯度较小时尤为明显.对求解GAC模型的快速算法进行了研究.首先,回顾了GAC模型的演化方程;随后,将共轭梯度(conjugate gradient,CG)算法引入到GAC模型的求解中,形成一种新的求解图像分割问题的数值方法,即GAC模型的CG算法;最后,通过试验对比传统的数值方法,表明CG算法具有良好的收敛性.展开更多
提出了一种由测地线活动轮廓模型GAC(Geodesic Active Contour)和局部区域信息相结合的图像分割新方法LGAC(Local Geodesic Active Contour)。构造了基于图像局部信息的演化曲线符号压力函数和演化模型,用水平集方法演化实现,零水平集...提出了一种由测地线活动轮廓模型GAC(Geodesic Active Contour)和局部区域信息相结合的图像分割新方法LGAC(Local Geodesic Active Contour)。构造了基于图像局部信息的演化曲线符号压力函数和演化模型,用水平集方法演化实现,零水平集能准确地在目标边缘收敛,对目标背景对比度较低的图像的分割达到理想效果。利用高斯核函数对水平集函数平滑处理以维持演化稳定,节省了计算时间。实验结果证明了该方法的可行性。展开更多
文摘测地线主动轮廓模型(geodesic active contour)是医学图像分割方法中的最重要内容之一。传统的测地线主动轮廓模型通过高斯平滑的图像预处理使得图像边缘信息模糊甚至消失,以致初始曲线轮廓沿着目标边界逼近的演化过程不稳定,收敛速度慢,分割效果不好。提出基于贝叶斯收缩阈值的小波去噪方法的新测地线模型,由于该去噪方法能在去除噪声的同时,结合噪声与图像信号在频率上的分布特性,增强图像信号细节,从而使能初始轮廓曲线更精确的停止于图像边缘,收敛速度也得到一定程度的提高。
文摘传统的实现测地线活动轮廓(Geodesic Active Contour,GAC)模型的水平集方法中,采用迎风方案作数值求解,需要使用足够小的时间步长,在曲线演化的过程中需要重新初始化,故效率低,据此,给出一种基于测地线活动轮廓模型的变分水平集方法,引入了一个水平集函数的强制项,避免了重新初始化,简化了初始化的工作,通过实验证明了这种方法是有效的,稳定的。
文摘从最优化理论的角度来看,目前求解图像分割的测地线活动轮廓(geodesic active contour,GAC)模型大多采用固定步长的最速下降算法.而众所周知,该算法收敛速度较慢,这在能量泛函的梯度较小时尤为明显.对求解GAC模型的快速算法进行了研究.首先,回顾了GAC模型的演化方程;随后,将共轭梯度(conjugate gradient,CG)算法引入到GAC模型的求解中,形成一种新的求解图像分割问题的数值方法,即GAC模型的CG算法;最后,通过试验对比传统的数值方法,表明CG算法具有良好的收敛性.
文摘提出了一种由测地线活动轮廓模型GAC(Geodesic Active Contour)和局部区域信息相结合的图像分割新方法LGAC(Local Geodesic Active Contour)。构造了基于图像局部信息的演化曲线符号压力函数和演化模型,用水平集方法演化实现,零水平集能准确地在目标边缘收敛,对目标背景对比度较低的图像的分割达到理想效果。利用高斯核函数对水平集函数平滑处理以维持演化稳定,节省了计算时间。实验结果证明了该方法的可行性。