改进测地线活动轮廓模型在肾脏CT图像分割中的应用

背景:肾脏CT图像质量较差且腹腔CT图像中肾脏与周围组织灰度相似,用传统的图像分割方法难以准确分割出肾脏。目的:提出一种改进的测地线活动轮廓模型,辅助肾脏疾病的诊断,提高CT图像中肾脏分割的精度。方法:在对比分析多种传统医学图像分割算法的基础上,设计了基于改进测地线活动轮廓模型的肾脏分割算法,根据先验知识勾画出感兴趣区域,在预处理阶段中获得肾脏的初始轮廓;再以水平集方法中的测地线活动轮廓模型为基础,增强肾脏区域的边界响应并采用改进边缘指示函数,使轮廓曲线的演化结果更接近真实目标边界。结果与结论:在328张二维肾脏CT图像上的平均Dice系数为0.9749,平均重叠度系数为0.9071,相较于其他水平集方法有所提高。实验结果表明,改进的测地线活动轮廓模型可以提高腹腔CT图像中肾脏区域的分割精度及分割效率。

一种四叉树和测地线活动轮廓模型相结合的海陆影像分割方法

海陆影像分割对于后续的海岸线提取、潮间带地形反演、海岸演化状况分析等都具有十分重要的意义。本文在分析了四叉树、测地线活动轮廓(GAC)模型和Canny边缘检测算子等在海陆影像分割中优缺点的基础上,提出了一种四叉树、Canny算子和GAC模型相结合的海陆影像分割方法。该方法综合利用上述各方法的优点,将Canny算子边缘检测结果融入到基于四叉树初分割的GAC模型中,重构边界停止函数,演化水平集方程,实现海陆影像分割。试验结果表明,该方法具有海陆影像分割速度快、精度高、可靠性强和自动化程度高等优点,对于弱边缘以及严重凹陷边缘,都能实现自动和准确分割。

改进测地线活动轮廓模型的肝脏超声图像分割

针对超声医学图像的特点,系统地发展和应用测地线活动轮廓模型技术进行肝脏超声图像的边缘提取,提出一种改进的测地线活动轮廓模型。首先把总变分和各向异性扩散方程的有机结合构造出新的边缘停止函数;其次,提出三种边缘停止函数,通过实验比较得出最佳模型。新模型能有效地保留目标信息,消除噪音,增大图像梯度值,具有更强的收敛效果。实验表明,该方法能更加准确地提取弱边缘,达到更理想的分割效果。

使用测地线活动轮廓模型的合成孔径雷达图像分割方法

为解决经典的测地线活动轮廓(geodesic active contour, GAC)模型在合成孔径雷达(synthetic aperture radar,SAR)图像上不适用的问题,在原GAC模型的基础上提出一种新的分割方法。首先在ROEWA算子进行边缘检测的同时使用Frost滤波器对图像进行负指数加权,形成边滤波边检测的模式,提高了算子的边缘检测与定位能力;然后使用经验阈值对ROEWA强度进行二值化,提高了曲线演化的速度与精确度;最终使用二值化的改进后ROEWA算子替代原GAC模型中的全局梯度项作为边缘指示函数引导图像分割。实验结果表明,针对仿真SAR图像及真实河流SAR图像,分割效果与参数指标都有明显提升。

测地线活动轮廓模型的图像分割快速算法

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.

基于测地线活动区域模型的非监督式纹理分割

提出了一种基于曲线演化的非监督式纹理分割算法.在用Gabor小波库提取纹理特征之后,可以得到一个多维的特征图像.为了避免直接在多维空间中应用曲线演化模型,采用高斯混合模型(Gaussian mixture model,简称GMM)来描述该特征图像的概率分布,再从分布模型中计算得到每个像素点的区域信息和边界信息.综合两种信息,并应用测地线活动区域模型来获得最终分割结果.实验结果显示,这种方法能够获得良好的区域边界.

采用测地线活动轮廓模型检测与跟踪运动目标

水平集几何活动轮廓模型能较好地适应曲线的拓扑变化.为了跟踪和获取刚体和非刚体运动目标的轮廓信息,提出了一种基于改进测地线活动轮廓(GAC)模型和Kalman滤波相结合的算法以检测和跟踪运动目标.该算法首先采用高斯混合模型和背景差分获取目标的运动区域,在运动区域内采用引入距离规则化项的GAC模型进行曲线演化,使改进GAC模型在运动目标的真实轮廓处收敛;然后通过结合Kalman滤波预测目标下一帧的位置,实现对目标轮廓跟踪.实验结果表明,该方法适用于刚体和非刚体目标,在部分遮挡的情况下也能保持良好的检测和跟踪效果.

融合C-V和GVF的测地线活动轮廓模型

对于有凹陷边界或弱边界的待分割目标,采用传统的测地线活动轮廓(GAC)模型无法进行准确的图像分割.为了解决这一问题,提出了一种融合C-V模型、GVF模型和GAC模型的图像分割算法.在该算法中,GAC模型的单位内法向量与GVF模型的梯度矢量流共同作用,促使轮廓曲线向目标的边界方向运动;而GAC模型单位内法向量与C-V模型的区域信息的力场共同作用,不仅促使轮廓曲线向目标的边界方向运动,而且使轮廓曲线稳定在目标的边界上.仿真实验证明了上述方法的有效性,同时还证明了该方法对轮廓曲线的初始位置具有较好的适应性.

结合Hough变换与测地线轮廓模型的MR图像左心室自动分割

通过对MR图像左心室分割中各种主流方法的分析,提出一种自动分割MR图像左心室内外轮廓的算法.利用短轴图像上左心室心肌内外轮廓近似圆形的先验形状知识,先用Hough变换自动定位左心室的初始轮廓,然后在测地线轮廓模型基础上,结合K均值聚类提供的区域信息及心肌的生理结构约束对左心室的内外轮廓同时进行自动分割.实验结果表明,该算法能够有效地分割左心室内外轮廓.

基于LBF方法的测地线活动轮廓模型

经典的测地线活动轮廓模型分割含有弱边界的目标时,难以得到真实边界.为解决这一问题,文中将结合局部二元拟合(LBF)方法和测地线活动轮廓模型的优点,提出一种基于LBF方法的测地线活动轮廓模型.首先,将LBF方法的能量泛函进行归一化处理,取代测地线活动轮廓模型的边缘停止函数.其次,构建梯度下降流,促使轮廓曲线运动到目标边界上.最后,对5组含有弱边界的图像进行仿真实验.实验结果表明,文中模型能准确分割含有弱边界的目标,具有抗噪性,同时对初始曲线的位置不敏感,优于其它常见改进的测地线活动轮廓模型.

基于边缘保护扩散的梯度矢量流测地线活动轮廓模型

针对梯度矢量流测地线活动轮廓(gradient vector flow geodesic active contour,GVFGAC)模型对弱图像边缘敏感,轮廓演化难以进入目标细长的凹部,容易陷入局部极小值的问题,提出了一个基于边缘保护扩散的梯度矢量流测地线活动轮廓模型.在新模型中,采用各向异性扩散方式构建一个新的梯度矢量流场,使活动轮廓能够有效地克服弱边缘的干扰,收敛到期望的边缘位置.实验结果表明,与GVFGAC模型相比,新模型能够获得较好的分割结果,综合性能优于GVFGAC模型.

基于测地线活动轮廓模型的图像联合分割算法

为了辅助医生对肿瘤治疗方案和靶区形状的设计,我们研究了PET/CT图像联合自动分割,将计算机自动分割的结果作为一个较客观的依据。传统的测地线活动轮廓模型(GAC)具有边缘演化迅速,对弱边界也能准确分割的优点,但是该算法只能利用一种模态的图像信息进行分割。本研究算法在传统的测地线活动轮廓模型基础上进行改进,重新设计其边缘函数,综合利用了CT信息与PET信息,使算法利用两种模态的医学图像信息进行联合分割。由于边缘函数中结合了两种信息,所以算法的演化收敛速度有一定的提升,分割出的边缘也更加合理,较单一PET图像分割算法具有更准确的边界。

实现测地线活动轮廓模型的改进变分水平集方法

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。

辅以区域力量的梯度矢量流测地线活动轮廓模型

梯度矢量流测地线活动轮廓模型作为对测地线活动轮廓模型的重要改进,不仅扩大了测地线活动轮廓模型的适用范围,而且改进了它的分割效果。但由于该模型中推动活动轮廓演化的外部力量来自于梯度矢量流,因此活动轮廓在演化过程中可能会由于弱边缘等因素的影响而陷于不希望的局部最小值。为尽量减少弱边缘对活动轮廓初始位置的限制及其对轮廓演化的不利影响,提出了一种新的辅以区域力量的梯度矢量流测地线活动轮廓模型,该模型首先将基于区域信息的力场与梯度矢量流力场相耦合,然后由以上两种力量构成的耦合力场,使活动轮廓模型能够有效地克服弱边缘的影响而收敛到所期望的边缘。实验结果表明,辅以区域力量的梯度矢量流测地线活动轮廓模型与梯度矢量流测地线活动轮廓模型相比,不仅可以更灵活地设置初始轮廓的位置,而且对弱边缘的干扰也有较好的适应性,并能有效地避免边缘泄漏。

基于图像块匹配和测地线活动轮廓模型的肿瘤自动检测算法

提出一种基于图像块匹配和测地线活动轮廓模型的肿瘤自动检测算法。给定肿瘤区域的术前图像和术后(或术中)图像,首先通过刚性配准得到全局配准参数,然后将术前图像分割成大小适合的正方形区域,在术后(或术中)图像中寻找与之匹配最好的区域,并得到各个分块对应的配准参数。根据分块配准和全局配准之间关系的判决比较,得到肿瘤所在的区域,最后在此区域内利用测地线活动轮廓模型,获得较为准确的肿瘤初始轮廓。

辅以CV-GVF方法的测地线活动轮廓模型

针对经典的测地线活动轮廓对初始位置和噪声比较敏感,在有噪声干扰或初始位置距目标边缘较远时,其往往无法准确收敛到目标边缘的问题,通过将由梯度矢量流和CV方法构成的耦合力场与测地线活动轮廓相结合,提出了辅以CV-GVF方法的测地线活动轮廓模型.实验结果表明,该活动轮廓模型在噪声背景中从无需特别设置的初始位置准确收敛到了目标边缘,对初始位置和背景噪声具有较好的适应性.

基于局部区域力的活动轮廓模型图像分割研究

研究活动轮廓模型的分割效果问题。针对目前测地线活动轮廓模型对初始化位置十分敏感,在穿越边界的初始化条件下易产生错误分割,以及耦合曲线活动轮廓模型在灰度分布不均匀时易做出错误分割的问题。提出由活动曲线附近的区域信息决定的局部区域力的新测地线活动轮廓模型,可以被图像梯度和区域信息的外力所驱动,达到有效地驱动活动曲线收敛到物体边缘的目的。新模型结合了测地线活动轮廓模型和局部信息的活动轮廓模型的优点。实验证明,新模型可以跨边界进行初始化操作,同时对弱边缘图像有更好的分割效果。

基于改进测地线模型的医学图像分割

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。

一种新的用于图像分割的活动轮廓模型

为了从灰度异质图像中更好地提取目标,本文提出了一种新的图像分割方法,采用测地时间函数作为局部二值拟合模型的核函数,并结合图像区域的局部灰度信息和全局灰度信息建立能量泛函.同时,符号函数惩罚项的引入避免了符号函数的重新初始化,而曲线长度调整项则保证了曲线演化的连续性和光滑性.通过变分水平集方法最小化新的能量泛函,得到曲线演化的梯度下降流.通过对医学CT图像进行分割实验,证明了该方法的可行性和优越性.

局部活动轮廓模型对灰度不均匀图像的分割

针对待分割图像中存在灰度不均匀的现象,提出一种基于局部区域信息的活动轮廓模型。该模型引入函数提取图像局部区域信息,以增强光照不均匀条件下弱目标的识别能力。另外,通过结合测地线主动轮廓(GAC)模型和Chan-Vese(C-V)模型的优点,该方法对弱边界和模糊边界有较好的分割效果。实验结果表明该分割模型在灰度不均匀场景下具有良好的分割性能。