基于GCBAC的羽毛分割改进算法

针对基于活动轮廓模型的图割(Graph cuts based active contours,GCBAC)算法在进行羽毛分割时所出现的过度分割和邻域重叠问题,利用羽毛杆左右端顶点作为约束种子使活动轮廓线必须经过该点以改善过度分割;将轮廓线两侧膨胀改为单向外侧膨胀以改善相邻轮廓线邻域重叠问题.结果表明,该算法交互简单,鲁棒性强,能有效完成羽毛杆分割提取.

基于图割与改进水平集的目标提取方法

在Li模型的基础上引入C-V模型外部能量项重新构造能量函数,给出一种结合区域与边缘信息的变分水平集模型,结合基于图割理论的GCBAC算法,提出一种图割与改进变分水平集结合的目标提取方法。该方法能够让2种模型有机结合达到优势互补的效果。实验结果表明,该方法具有快速、鲁棒、抗噪性强等优点。

基于人工蜂群算法的SPECT-B超甲状腺图像配准

为了提高甲状腺肿瘤检出的准确率,提出一种基于人工蜂群算法的SPECT和B超甲状腺图像配准。首先,针对来自两个不同成像设备的SPECT和B超甲状腺图像灰度差异大的特点,使用NSCT和GCBAC相结合的方法提取B超图像感兴趣的轮廓特征,用KFCM的方法提取SPECT图像的轮廓特征;然后以互信息作为相似性测度,建立仿射变换模型,并以改进的人工蜂群算法作为优化策略来优化配准所需的空间变换参数。实验结果表明,该方法可以有效提高配准速度,具有较好的配准效果。

结合LiDAR与遥感影像的水域边界提取方法

针对高分辨率遥感影像提取水域边界不准确、不完整的问题,提出了高分辨率遥感影像结合机载LiDAR点云数据提取水域边界的新方法。首先将配准后的LiDAR点云数据网格化,生成DSM影像,然后运用数学形态学分析获取水体的初始边界信息,最后基于活动轮廓模型的图割算法对构建的边界缓冲区进行优化分割,从而获取精确的水域边界。实验结果表明,该方法能够去除部分水域干扰噪声且能够得到比较精确的边界信息,具有较好的视觉效果和较高的工程应用价值。

基于改进蝙蝠算法的甲状腺SPECT-B超图像配准

为了提高甲状腺肿瘤检出的准确率,提出基于改进蝙蝠算法的甲状腺SPECT(single-photo emission computed tomogropby)-B超图像配准方法.针对甲状腺SPECT图像与B超图像灰度差异大,采用2类图像共有的甲状腺及肿瘤轮廓特征进行配准.采用阈值分割法提取SPECT图像中甲状腺及肿瘤轮廓;采用Shearlet变换与基于活动轮廓模型图割算法相结合的方法提取B超图像中甲状腺及肿瘤轮廓;以归一化互信息为相似性测度,以改进的蝙蝠算法为优化算法,优化配准所需的空间变换参数.实验结果表明,提取的B超图像中甲状腺及肿瘤轮廓更准确,改进的蝙蝠算法使配准具有更高的准确性和较好的鲁棒性.