基于平均曲率流活动轮廓模型的超声医学图像边缘提取

目的改进外部力场以提高梯度矢量流(gradient vector flow,GVF)活动轮廓模型在超声斑点噪声环境下的边缘提取的稳定性和准确性。方法用角点判断函数和梯度控制函数调节平均曲率流(mean curvature vector flow,MCVF)扩散和各向异性扩散程度,生成新的外部力场,引导活动轮廓模型实现边缘提取。结果通过二值加噪图像和心脏超声图像的实验,验证了该方法的捕捉范围和处理噪声方面优于GVF。结论本文提出的边缘提取结果在超声医学图像方面鲁棒性强、初始化范围大、弱化噪声,同时能够保留边界以及尖角点,是适用于超声医学图像边缘提取的方法。

基于边缘流与区域归并的彩色图像分割方法

为了克服边缘流各向异性扩散(EAD,edgeflow-driven anistropic diffusion)过分割和最小生成树(MST,min-imum spanning tree)方法计算复杂度高的缺点,提出了结合边缘流与区域归并的彩色图像分割方法。首先利用EAD方法对图像进行预分割,然后利用MST方法依据全局最优化准则对EAD的过分割区域进行归并,最后进行相应的后处理,得到最终的分割结果。这里,由于MST方法是基于EAD的过分割区域而非像素点,因此算法效率得到了很大的提高。另外,EAD方法可以有效利用图像的局部信息,而MST方法则考虑到了图像的全局特征,因此本文方法综合了两者的优点。实验结果表明,本文方法不但能够取得很好的分割效果,而且运行时间较短。

结合EFD与NCut的彩色图像分割方法

为了克服边缘流引导的各向异性扩散(EFD)方法过分割和归一化分割(NCut)方法计算复杂度高的缺点,提出结合EFD和NCut的彩色图像分割方法.首先利用EFD对图像进行预分割,然后将分割区域作为节点构建带权无向图G,用NCut对图进行全局最优化分类,并进行相应后处理,得到最终结果.由于图G是基于过分割区域而非像素点的,所以算法效率得到较大提高.另外,EFD方法可有效利用图像的局部信息,NCut方法则考虑到图像的全局特征,因此文中方法综合两者的优点.实验结果表明,文中方法能够取得较好的分割效果.