采用V势阱函数的距离归一化水平集算法

针对距离归一化水平集算法存在速度下降和弱边缘不敏感的问题,在双势阱函数的基础上提出一种新的V势阱函数。该函数统一了演化速度的数学表达形式,在避免零势阱修正的同时,降低了零势阱附近的演化速度。实验结果表明:与双势阱函数相比,V势阱函数具有更好的速度和弱边缘检测性能。

距离保持水平集演化模型的快速实现算法

针对梯度下降法收敛性较差、对局部极小值比较敏感的问题,提出一种改进NAG算法,并以此替换距离保持水平集演化(DRLSE)模型中的梯度下降算法,进而得到一个基于NAG的图像快速分割算法。首先,给出初始水平集演化方程;其次,用改进NAG算法计算梯度;最后,对水平集函数进行不断更新,从而避免水平集函数陷入局部极小值。实验结果表明,与DRLSE模型中的原算法相比,所提算法迭代次数减少了约30%,CPU运行时间减少了30%以上。该算法实现简单,能够对实时性要求较高的红外图像、医学图像进行快速、有效的分割。

一种新的自适应水平集融合算法

在处理不均匀图像时,自适应距离保持水平集演化(ADPLS)算法速度快、不受初始轮廓影响,但精度较低;LBF算法精度高,但速度较慢同时易受初始轮廓影响。针对上述2种算法的优缺点,提出一种新的自适应融合算法。该算法根据图像信息自动调整ADPLS与局部二值拟合算法在融合算法中所占比重,实现不同算法的优势互补。实验结果证明,该融合算法在分割精度、速度及稳定性等方面有明显提高。

改进的双水平集心脏MRI图像左心室分割算法

针对基于深度学习的心脏MRI图像左心室分割网络仅使用简单的阈值法对输出的概率图进行二值化,使得分割的结果边缘模糊的问题,提出了一种改进的基于双水平集的后处理算法。在使用传统水平集方法对左心室内外膜进行分割时,存在水平集函数演化不稳定、边缘分割精度低和分割效率低等问题。提出新的距离规则化函数对水平集的能量函数进行改进,新的距离规则化函数可以更好地约束边缘正则性,能够很好地弥补深度网络输出结果当中的缺陷,并使用双水平集,即0水平集函数和k水平集函数分别向左心室内外膜演化。利用多伦多市儿童病医院影像科提供的数据集,用上述算法对基于深度网络的心脏MRI图像左心室分割结果进行后处理,实验结果表明,左心室内膜和外膜分割的Dice相似系数分别为0.9338和0.9587。对比其他分割模型,分割精度获得了明显提高。

一种全局优化的水平集图像分割方法

该文对Chan-Vese提出的水平集图像分割算法进行了改进,提出了分段光滑的Mumford-Shah全局优化的水平集图像分割模型,并对偏微分方程进行了修正,以提高模型的图像分割能力。实验表明,该方法不但解决了C-V方法对于灰度值渐进图像无法正确分割的问题,同时可更精确地描述原图像,是一种高效、稳定的图像分割模型。另外,针对水平集方法中符号距离函数构造计算量大的问题,还提出一种全邻域源点扫描法,以便通过对图像平面网格点的扫描来实现距离函数的快速计算,这种方法不仅计算性能稳定,而且速度快、精度高。

基于AOS格式的扩展Chan-Vese模型及多水平集图像分割方法

对Chan-Vese提出的基于Mumford-Shah模型的多水平集图像分割算法作了改进.首先,使用AOS算法改进了原模型的差分格式,使得差分格式无条件稳定.其次,在水平集的构造中应用了快速推进法的改进算法,减少了水平集初始化时计算的点数和重复次数.

基于关联规则的分类

提出一种基于关联规则的分类算法 .这个算法既可以快速分类 。

改进DRLSE的分步式肝脏及肿瘤分割方法

为了提升CT图像肝脏及肝脏肿瘤的分割精度,提出一种改进DRLSE的分步式肝脏及肿瘤分割方法。第一阶段:采用分步式分割方法对肝脏进行分割,(1)采用阈值处理、形态学方法、自适应区域生长方法进行肝脏的粗分割;(2)采用数学形态对分割结果进行优化,进行肝脏的细分割。第二阶段:构造参数梯度形态学和各向异性扩散滤波的距离正则化水平集演化(改进的DRLSE)模型进行肝脏肿瘤分割。实验利用3Dircadb数据集验证方法的有效性,计算了DICE、VOE、ASD和MSD指标评估分割的性能。实验结果表明该方法无需进行训练过程和统计模型的建立,对于复杂的形状和强度变化的CT图像分割效果尤为明显。由定量分析的数值结果显示,分割性能均优于比较算法,提高了分割准确率,具有较强的鲁棒性,为医生诊断和治疗肝癌提供帮助。