The Method of Flotation Froth Image Segmentation Based on Threshold Level Set

A novel flotation froth image segmentation based on threshold level set method is put forward in view of the problem of over-segmentation and under-segmentation which occurs when the existing method segmented the flotation froth images. Firstly, the proposed method adopts histogram equalization to improve the contrast of the image, and then chooses the upper threshold and lower threshold from grey value of histogram of the image equalization, and complete image segmentation using the level set method. In this paper, the model which integrates edge with region level set model is utilized, and the speed energy term is introduced to segment the target. Experimental results show that the proposed method has better segmentation results and higher segmentation efficiency on the images with under-segmentation and incorrect segmentation, and it is meaningful for ore dressing industrial.

一种新的水平集停止项函数选取方法研究

现今的停止项采用的全局阈值法很难使经典水平集算法得到较准确的分割效果。为此,构建了一个新的停止项函数,该函数在梯度较小时为一个常数,超过某个阈值后为单调递减函数,直至到某个梯度时递减为零。这保证了采用该函数的水平集方法能够实现在同质区加速演化,在边缘区停止演化的目的。实验结果表明,采用新的停止项函数能够使水平集方法获得更好的分割结果。

基于变分水平集的图像分割模型

基于传统的变分水平集方法的图像分割,水平集函数必须周期性地重新初始化使之保持为符号距离函数,这存在如何选择重新初始化的时间和方式的难题。Li模型通过在能量泛函中引入一个内部约束能量,去除了水平集函数在演化过程中需重新初始化的难题。通过对Li模型的分析,提出了一个新的变分水平集的分割模型。该模型通过在能量泛函中加入一个较简单的内部约束能量,同样可以实现水平集演化过程中的无需重新初始化。并且通过对边缘停止函数的重新定义,引入了新的外部能量,使得本文模型对噪声图像的分割更具鲁棒性。实验表明无论是在收敛速度上,还是在对噪声图像的分割质量上,本文模型和Li模型相比都具有一定的优势。

结合自适应变化停止函数的边缘活动轮廓模型

在基于边缘的活动轮廓模型中,边缘停止函数的选择将直接影响模型的分割效果。传统的边缘停止函数仅仅是基于梯度模型建立的一个单调递减的正函数,基于这种边缘停止函数的活动轮廓模型存在两个缺点:一是对噪声比较敏感;二是对灰度不均图像分割不准确。为此,提出一个自适应变化边缘停止函数。实验表明,使用该边缘停止函数构造的边缘活动轮廓模型能够较好地克服上述不足。

基于优化水平集的细胞图像分割算法

介绍了一种基于优化水平集的细胞图像分割算法。优化水平集在水平集算法基础上添加了局部熵和灰度变换,以达到突出边缘和去噪的目的。为修正经典OTSU阈值法忽略目标与背景的类内平均距离,创新性地对阈值选择函数进行改进。实验结果表明,相比于传统算法,该算法在正确分割率和运行时间上更优,在复杂的细胞图像分割中具备有效性和可行性。

基于C-V模型的水平集方法在脑CT图像分割中的应用

阐述了C-V模型和多相水平集算法的原理。在分析了其优缺点后,引入了多阈值单水平集算法。并针对其不足,将李纯明惩罚函数项引入到多阈值单水平集算法,提出了无需重初始化的多阈值单水平集算法。实际结果表明,算法在保证分割精度的基础上,能够有效提高算法效率。

选择性自适应水平集演化模型

自适应距离保持水平集演化模型是在无需初始化模型基础上引入了可变权系数,从而很好地摆脱了演化曲线对初始位置的依赖。该模型存在着一些明显的不足:一是对噪声比较敏感;二是对灰度不均图像分割不准确。基于自适应距离保持水平集演化模型,引入了一个新的可变权系数,据此定义了一个新的边缘停止函数。实验表明,新的自适应距离保持水平集演化模型较好地克服上述两点不足。

基于梯度矢量流的水平集算法

针对传统水平集分割图像会出现演化曲线停止于梯度的局部极大值或孤立的边缘处的缺点,对速度停止项进行了改进。该方法将梯度阈值和梯度矢量流引入速度停止项中,利用梯度阈值来使边缘得到更好的保持;利用梯度矢量流来代替梯度场以扩大边界梯度场吸引曲线的范围,避免出现演化曲线停止于梯度的局部极大值或孤立的边缘处的现象。实验结果表明该方法优于传统水平集方法。

基于梯度矢量流的水平集算法研究

针对传统水平集分割图像时,经常会出现演化曲线停止于梯度的局部极大值或孤立的边缘处的缺点,对速度停止项进行了改进。该方法将梯度阈值和梯度矢量流引入速度停止项中,利用梯度阈值来使边缘得到更好的保持;利用梯度矢量流来代替梯度场以扩大边界梯度场吸引曲线的范围,避免出现演化曲线停止于梯度的局部极大值或孤立的边缘处的现象.实验结果表明该方法优于传统水平集方法.

结合新型边界扩展函数的水平集医学图像分割方法

针对核磁共振成像(MRI)图像具有高斯噪声与灰度不均的特点,提出了结合新型边界扩展函数的水平集图像分割方法。第一步对图像进行除噪预处理:利用傅里叶变换把图像转换到频域,然后用理想低通滤波器去除高斯噪声;第二步用改进型水平集方法对MRI图像进行分割:先按照阈值法确定水平集初值,即对图像作预分割,然后设计了一种新型边界扩展函数;在此基础上提出了结合边缘和全局信息的能量函数,通过欧拉-拉格朗日方程确定演化方程,经过若干次迭代,最终得到图像的分割结果。实验结果表明,改进的算法提高了图像分割的准确度,抗噪性能较强,图像细节信息保存完整,无需重新初始化,总体的分割效果比较理想。

神经元干细胞序列图像的结合局部灰度阈值的水平集分割算法

在光学显微镜成像的神经元干细胞序列图像中,针对目标与背景的弱对比度及细胞粘连、团簇等问题,提出一种新的分割算法.该算法基于无需初始化的水平集算法,通过引入曲率项来加速收敛;为降低算法的复杂度,提出衡量范数能量作为水平集进化的终止条件;最后结合局部灰度阈值法进一步分割粘连细胞.将该算法应用于2组细胞图像序列共120帧图像的分割中,不但解决了时间序列图像成像时焦距偏移带来的分割难题,而且能够准确地分离粘连、团簇细胞,并保留细胞的形态特征和位置信息.统计结果表明,分割成功帧所占整个序列的百分率较分水岭算法、传统水平集分割算法提高了30%～40%.

结合局部熵的无需重新初始化水平集演化

无需重新初始化模型是一个著名的变分水平集模型,在演化过程中无需周期性地重新初始化水平集函数。然而,由于其边缘停止函数是基于梯度的,因此仍然存在一些缺点:对噪声较敏感,弱边缘处易出现边缘泄漏,不能提取不连续边缘等。采用局部熵和灰度变换构造该模型的边缘停止函数。实验结果表明,使用新的边缘停止函数,能够克服上述不足。

局部熵驱动区域主动轮廓的局部化框架

提出一种将任意基于区域主动轮廓线模型进行局部化推广的框架。该框架的能量泛涵包含一个惩罚区域弧长的几何正则项和一个局部区域数据拟合项。根据图像像素空间排列的相关性,采用一个滑动窗函数提取图像局部熵,将图像从灰度空间转化到相应局部熵特征空间。在局部熵特征空间,采用另外的窗函数进行局部区域信息提取,从而推导出区域主动轮廓线模型的局部化框架。以CV模型为例推导局部化过程,并对2种常用的窗函数进行分析比较。实验结果表明,该方法可以成功分割一类包含有杂乱特征的图像。

乳腺肿瘤超声图像的反应扩散水平集分割

针对乳腺肿瘤超声图像分割,提出一种改进的反应扩散(RD)水平集分割算法。先使用Gabor各向异性扩散模型进行滤波,由此构造边界停止函数;再将该函数融入RD水平集演化方程,以控制曲线的演化得到乳腺肿瘤的边界。采用该方法和传统RD方法对77例病人的111幅乳腺超声图像进行分割实验,分割准确率分别为98.5%和98.0%,真阳性率分别为88.2%和82.7%,与金标准之间的均方根误差分别为3.6和4.6像素。结果表明,该改进算法可获得更加准确的乳腺肿瘤分割结果。

基于水平集的医学图像分割算法

针对具有灰度不均效应的医学图像分割问题,文中提出了一种快速结合全局和局部信息的水平集模型,即HLSGL。基于C-V水平集分割算法的全局信息,通过计算图像各像素点的局部拟合均值,引入局部信息能量项,使全局与局部信息叠加构成驱动力项,保证对图像边缘具有较好的局域化效果。在构造的驱动力项中引入一种新的速度停止函数,使分割过程能自适应地调节曲线演化速率,提高了分割效率。将HLSGL模型应用于不同种类医学图像,实验表明该方法可以高效地分割含噪声、弱边界、灰度不均的医学图像,得到较完整的轮廓曲线。与其他水平集模型的对比实验表明,HLSGL模型的准确性、鲁棒性、分割效率均得到改善。

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。

结合区域合并和水平集的图像分割方法

提出了一种新的图像分割方法.首先利用均值漂移方法对图像进行分割处理,在此基础上进行区域合并得到图像粗分割,然后利用粗分割的结果构造初始水平集函数,利用水平集方法获得图像的最终分割结果.并且针对水平集方法提出了一种新的边缘检测算子,重新定义边缘停止函数,使得对受到噪声影响图像的分割具有鲁棒性.实验结果表明,本方法能有效地提取图像目标,在图像分割质量上具有一定优势,具有较强的实用性.

水平集方法中速度停止项函数的改进

对速度停止项函数的研究发现,现今的速度停止项采用的单一全局阈值法很难使经典水平集算法得到较准确的分割效果。为此,提出了一种新的速度停止项函数,该函数通过引入变阈值较好的区分了图像的边缘区与同质区,以使采用该速度停止项函数的水平集方程实现在同质区加速演化,在边缘区停止演化的目的。实验结果表明,采用速度停止项函数能够使水平集方法获取更好的分割结果。

结合全局信息的局部图像灰度拟合模型

针对局部图像拟合(LIF)模型对初始轮廓大小、形状和位置敏感的问题,提出一个结合全局信息的局部图像灰度拟合模型。首先,构造了一个基于全局图像信息的全局项;其次,将该全局项与LIF模型中的局部项线性组合;最后,得到了一个以偏微分方程形式存在的图像分割模型。数值实现采用有限差分法,同时采用高斯滤波器正则化水平集函数以确保水平集函数的光滑作用。在分割实验中,当选取不同的初始轮廓时,该模型均能得到正确的分割结果,且分割时间仅为LIF模型的20%到50%。实验结果表明,所提模型既对演化曲线初始轮廓的大小、形状和位置都不敏感,又能够有效地分割灰度不均图像,且分割速度较快。此外,在无初始轮廓的情形下,该模型能快速分割一些真实图像和人造图像。

一种基于局部和全局拟合的混合多相水平集分割模型及算法

提出了一种混合多相分割主动轮廓模型,用于精确地分割灰度图像。针对图像去噪和细小边缘的模糊问题,提出多尺度信息增强和各向异性张量扩散结合的方法,并利用快速预分割获得初始轮廓线。在全局项中,用多种局部特征变量重构拉普拉斯能量拟合函数处理大的目标边缘;为了更好地分割拓扑结构复杂的区域,提出了一种分割深度可控的区域分割能量,并构造了计算局部自适应最佳分割阈值的深度系数。在局部项中,采用局部高斯分布拟合处理灰度不均匀区域。模型使用指数函数作为停止速度函数,并加入鲁棒性的曲线演化停止条件,提高了分割效率。新模型适用于分割灰度图中医学核磁共振图像和背景单一的自然图像,通过与最新的多相水平集模型和深度学习模型对照,结果显示新模型能更好地处理目标的拓扑结构,对边界的定位精确,分割精度更高。