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...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。展开更多
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...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。展开更多
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...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。展开更多
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 M...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。展开更多
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...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。展开更多
文摘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。
文摘针对颅脑出血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。
文摘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。
文摘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。
文摘近年来,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。