顾及轮廓信息和DRLSE模型的遥感影像瞬时水边线快速提取

针对利用传统瞬时水边线提取方法处理高分辨率遥感影像存在提取结果不连续、效率不高和无法同时提取多片水域等问题,提出了一种顾及轮廓信息和距离正则化水平集演化(distance regularized level set evolution,DRLSE)模型的遥感影像瞬时水边线快速提取方法,并将其应用于福建泉州附近海域瞬时水边线提取。首先,使用DRLSE模型提取地物轮廓信息,以解决经典阈值方法水边线提取结果不连续问题;其次,利用DRLSE模型的初始矩形轮廓中心位置和周长信息,对噪声点等轮廓进行自动剔除,并提取多片水域,以提高瞬时水边线提取后处理效率。研究结果表明:相较于泛洪算法、Canny算子和CV(Chan-Vese)模型,应用本方法进行大陆海岸线瞬时水边线提取更高效,且提取结果连续、精度更高。

基于改进DRLSE的运动目标分割方法

为了得到精准、连续的运动目标轮廓,提出将帧间差分法和改进的距离规则水平集演化(DRLSE)方法结合应用于运动目标分割.采用帧间差分法得到运动目标的初始轮廓;使用在能量泛函的外力项中融入运动序列时空变化信息的DRLSE方法进行轮廓演化,避免演化受背景边缘干扰,得到精准的运动目标轮廓;根据精准目标轮廓的反馈估计运动方向,并结合帧间差分法为后续的DRLSE提供一个较佳的初始轮廓,能显著提高运动目标的分割速度.实验结果表明,与现有算法相比该改进方法能够更精确、更快地得到运动目标轮廓.

基于相位一致性改进的DRLSE超声图像分割模型

针对距离正则化的水平集演化(the Distance Regularized Level Set Evolution Mode,DRLSE)模型难以处理弱边缘图像、演化效率低问题,提出一种新的基于相位信息的水平集超声图像分割算法(the Distance Regularized Level Set Evolution Mode Based on Phase Congruency,PDRLSE)。该算法利用相位一致性检测原理,构造新的边界指示函数,代替了DRLSE模型中的边界停止函数,得到新的能量泛函。实验结果表明:该方法在分割超声图像时,能够较好的分割出甲状腺肿瘤目标,且演化效率也有所提高。

基于DRLSE模型的SAR溢油提取方法

为提高海上溢油轮廓SAR提取精度,验证了FCM(Fuzzy C-Means Algorithm)与DRLSE(Distance Regularized Level Set Evolution)模型结合的方法提取SAR溢油信息的有效性;鉴于其无法避免细小噪音的影响以及薄油膜提取效果不好的问题,提出了阈值和DRLSE模型结合的溢油信息提取方法,通过阈值构建溢油区域初始轮廓,克服了图像细小噪声对溢油提取的影响,更有利于提取薄油膜信息,溢油提取精度优于H/A/alpha-Wishart非监督分类方法和FCM与DRLSE模型结合的方法。

结合空间域模糊聚类与DRLSE模型的颅脑出血CT图像分割

针对颅脑出血CT图像中存在出血病灶不明显、边界不规则、不连续及含有高噪声现象,提出一种结合空间域模糊聚类与DRLSE模型算法,用于脑CT图像出血病灶区分割。首先,采用基于空间域信息的模糊C-均值聚类算法对出血CT图像初始聚类分割,然后,利用模糊聚类结果对距离规则化水平集演化(Distance Regularized Level Set Evolution,DRLSE)模型初始化。新算法引入了图像空间域信息,不需要手工初始化,DRLSE模型使曲线精确、稳定的演化。实验结果表明,与传统的FCM算法、阈值分割算法相比,该算法具有更好的分割效果、更快的分割速度、更强的鲁棒性和抗噪性。

基于CV模型和DRLSE模型的甲状腺结节分割

针对CV模型无法分割灰度不均匀图像,而DRLSE模型对弱边界的分割效果不佳的问题,提出了一种结合局部和全局信息的水平集分割方法。实验结果表明,文中模型不仅能处理灰度不均匀图像,而且对弱边界结节也能正确分割。

基于改进DRLSE水平集模型的图像分割

针对DRLSE水平集模型对噪声敏感、依赖初始轮廓位置以及演化速度缓慢等不足,利用小波变换和小波阈值去噪的方法,构造对噪声不敏感的边缘信息刻画矩阵,定义基于图像信息的边缘停止函数和自适应权重系数,获得了改进的DRLSE水平集图像分割模型。利用有限差分法对模型求解,并采用Jaccard相似度作为评价模型的定量分析方法,数值结果显示改进的模型及算法对图像分割的有效性,克服了DRLSE水平集模型分割含噪图像以及定义初始轮廓位置的局限性,提高了DRLSE水平集模型的计算效率和图像分割精度。

基于改进DRLSE模型的甲状腺3D超声图像自动分割

从超声图像中准确分割甲状腺区域是甲状腺疾病手术计划的关键之一。本文一方面,针对甲状腺超声3D图像,提出利用边缘指示函数和面积项系数改进的距离正则化水平集演化(Distance Regularized Level Set Evolution,DRLSE)模型来实现甲状腺区域的有效分割;另一方面,根据3D超声图像相邻帧之间甲状腺变化较小的特点,通过计算已分割图像的质心,作为相邻帧图像分割初始点来实现3D图像的自动分割。实验表明,采用本文改进DRLSE模型分割甲状腺3D超声图像,平均分割精度可以达到90%以上。

基于DRLSE模型的运动目标跟踪

高斯粒子滤波不能处理曲线的拓扑变化,而基于水平集的几何活动轮廓模型能较好地适应拓扑变化,为了跟踪和提取刚体和非刚体运动目标精确的轮廓信息,提出基于距离规则化的水平集演化(DRLSE)模型和高斯粒子滤波(GPF)相结合的运动目标跟踪方法.首先用高斯粒子滤波对目标跟踪得到目标的运动区域,然后把水平集规则项引入到测地线活动轮廓模型中,以外接轮廓的中心为基础进行DRLSE.距离规则化不仅消除了水平集重新初始化的需要,而且避免了因此而导致的数值错误,在水平集演化过程中保持了水平集函数的规则化.最后,将获得的精确轮廓信息反馈到跟踪框架.实验结果表明,该方法适用于刚体和非刚体目标,在实际交通环境中跟踪结果更加精确.

基于改进DRLSE模型的焊接缺陷特征提取方法

目的针对目前大多数焊接缺陷自动特征提取方法存在的准确度较低的问题,研究满足准确度要求的X射线图像中焊接缺陷特征提取方法。方法对图像进行增强去噪预处理后,在初步确定焊缝区域的基础上,根据焊缝图像列灰度值曲线梯度特性,设计基于灰度值梯度的焊缝边界精确提取算法;以提取得到的焊缝精确边界为初始轮廓,提出基于改进DRLSE模型的焊接缺陷特征提取方法。结果基于改进DRLSE模型的焊接缺陷特征提取方法能够有效地提取气孔、夹渣、未熔合和未焊透等缺陷特征,准确率达到94.6%。结论所提方法克服了原始焊缝X射线图像质量较差、背景复杂的问题,能够精确提取焊缝区域边界,并准确地对各种焊接缺陷进行特征提取,具有较强的适应性和实用性。

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。

Liver Segmentation in CT Images Based on DRLSE Model

Liver segmentation in CT images is an important step for liver volumetry and vascular evaluation in liver pre-surgical planning. In this paper, a segmentation method based on distance regularized level set evolution(DRLSE) model was proposed, which incorporated a distance regularization term into the conventional Chan-Vese (C-V) model. In addition, the region growing method was utilized to generate the initial liver mask for each slice, which could decrease the computation time for level-set propagation. The experimental results show that the method can dramatically decrease the evolving time and keep the accuracy of segmentation. The new method is averagely 15 times faster than the method based on conventional C-V model in segmenting a slice.

Three-dimensional inversion of knot defects recognition in timber cutting

The comprehensive utilization of wood is the main goal of log cutting,but knot defects increase the diffi-culty of rationally optimizing cutting.Due to the lack of real shape data of knot defects in logs,it is diffi cult for detection methods to establish a correlation between signal and defect morphology.An image-processing method is proposed for knot inversion based on distance regularized level set segmentation(DRLSE)and spatial vertex clustering,and with the inversion of the defects existing relative board position in the log,an inversion model of the knot defect is established.First,the defect edges of the top and bottom images of the boards are extracted by DRLSE and ellipse fi tting,and the major axes of the ellipses made coplanar by angle correction;second,the coordinate points of the top and bottom ellipse edges are extracted to form a spatial straight line;third,to solve the intersection dispersion of spatial straight lines and the major axis plane,K-medoids clustering is used to locate the vertex.Finally,with the vertex and the large ellipse,a 3D cone model is constructed which can be used to invert the shape of knots in the board.The experiment was conducted on ten defective larch boards,and the experimental results showed that this method can accurately invert the shapes of defects in solid wood boards with the advantages of low cost and easy operation.

基于水平集和视觉显著性的植物病害叶片图像分割

为了提高植物病害叶片图像分割的准确性和效率,提出了一种基于水平集和视觉显著性的彩色图像分割方法.首先采用基于小波变换的显著性检测算法得到活动轮廓模型中曲线演化的初始位置,并构造一个基于显著区域的图像活动轮廓模型,再设计一个向量值图像的边界检测算子,引入到距离正则化水平集演化的改造中,以构造一个初始化轮廓更灵活,演化速度更快,目标分割更精确的新的水平集能量泛函.最后的实验对比表明,该方法具有较好的叶片病害部位分割效果.

基于Canny算子和距离正则化水平集的乳腺植入物图像分割算法

乳腺植入物的分割和提取会直接影响其三维重建与可视化的准确性。针对Canny算子进行分割时易发生边缘断裂以及DRLSE算法分割精度不高、易出现边界泄漏等缺点。利用Canny算子对图像边缘分割精确且能够抑制噪声的优点以及DRLSE空间连续演化的思想。采用Canny算子与DRLSE算法相结合的方法,设计一种分割算法。将Canny算子的解析式代入DRLSE方程推导出算法的解析式。通过实验在视觉和Dice指标上对比了DRLSE与该算法在分割人体乳腺PCL植入物时的分割效果。实验结果表明,该算法可以精确地对乳腺植入物进行分割,改善了DRLSE算法边界泄漏的缺点并且具有更佳的抗噪声性能。

基于核磁共振图像的人体面部软组织的分割

面部软组织的分割是医学诊断和临床治疗最重要的数据基础之一,对提高医生诊断的准确性和保证外科整形手术的质量有重要意义.为实现面部软组织的准确分割,结合MICO算法和区域生长法设计了一种面部脂肪组织的分割方法,该方法通过灰度不均匀处理、初分类移除背景和二分割提取组织实现了较传统算法更为准确的脂肪组织的分割.与此同时,还提出了一种新的咬肌组织分割方法,该方法通过设计一个新的边缘停止函数改进了DRLSE方法.提出的方法将相位一致性引入构造边缘停止函数,结合图像梯度信息及相位信息解决分割问题,得到了平均准确率达92.41%的分割结果.

一种基于相位信息的图像分割改进模型

近年来,因水平集分割模型可根据不同图像、不同目的需求,设计相应的能量泛函,产生鲁棒的分割结果,且算法灵活、稳定,备受海内外学者的关注,涉及的领域也越来越广。然而,水平集分割方法处理对比度低、模糊边缘且受噪声干扰的图像也难以实现精确分割。从相位角度出发,在DRLSE(distance regularized level set evolution)算法的基础上,在其能量泛函中引入一个新的边缘定位能量项,重构边缘检测函数代替原模型中的检测函数,使之达到较理想的图像分割效果。仿真实验结果表明:与GAC模型、DRLSE模型相比,改进后的DRLSE图像分割模型对图像噪声的抑制能力和图像弱边缘的捕捉能力有了显著的改善,且算法稳定、有效,可适合于医学图像分割。

基于KPCA光谱特征约束的水边线提取算法

为充分利用遥感影像的多波段光谱特征,提高水边线的提取精度,提出了基于核主元分析(KPCA)光谱特征约束的水边线提取模型。利用KPCA变换提取水体样本的光谱特征,采用最大似然法估计特征空间中水体光谱特征概率密度函数的特征参数,进而构建水体的光谱特征项。以测地线活动轮廓(GAC)模型为基础,建立图像数据项。结合光谱特征项和图像数据项建立水边线提取模型。在Landsat TM数据集上进行的水边线提取实验验证了算法的有效性,与GAC模型和基于距离正则化的水平集方法(DRLSE)相比较,该算法提取的水边线,在保证一定运行速度的情况下,更准确。

基于水平集的前列腺磁共振图像分割方法研究

基于前列腺磁共振图像(MRI)特征信息及其病变好发特定区域等先验知识,针对前列腺内外轮廓全分割问题,提出基于边缘距离调整水平集演化(DRLSE)的前列腺MRI两步分割方法。在构建统一水平集能量函数的基础上,第1步基于前列腺MR的T1(纵向弛豫时间)图像实现其外轮廓分割,第2步在外轮廓约束限定条件下,基于前列腺MR的T2(横向弛豫时间)图像实现前列腺的内部轮廓分割,进而完成前列腺内外轮廓的全面有效分割。设计了前列腺分割的人机交互界面,对10个前列腺病例MR图像(含正常、增生和癌变共30幅)进行了分割实验研究,并采用Dice相似性系数(DSC)对分割结果进行评价分析,DSC值达到90%以上。实验结果表明,所提出的基于边缘DRLSE的前列腺MRI两步分割方法能够有效地实现前列腺内外轮廓的全面分割,非常接近于临床专家手动分割的理想结果,对前列腺疾病的临床诊断和治疗有较好的参考价值。

基于符号压力函数驱动的活动轮廓图像分割

针对用于图像分割的距离正则化水平集演化模型(DRLSE)具有初始化曲线不灵活,曲线演化方向不具有自适应性等缺点,提出一种新的活动轮廓模型。构造一个融合了局部信息和全局信息的符号压力函数(SPF),并证明SPF能够调节目标区域内外的压力符号;把SPF融入到DRLSE模型,从而解决初始化曲线必须设置在目标边缘的内部或者外部的问题。实验结果表明,新模型的初始化曲线可以置于图像的任何地方,能有效分割亮度不均匀和弱边缘图像,也能有效的分割包含多目标物体以及深度凹陷区域的图像。