Liver Hydatid CT Image Segmentation Using Smoothed Bayesian Classification Method and Modified Parametric Active Contour Model

Liver hydatid disease is a common parasitic disease in farm and pastoral areas, which seriously influences people's health. Based on CT imaging features of this disease, an iterative approach for liver segmentation and hydatid lesion extraction simultaneously is proposed. In each iteration, our algorithm consists of two main steps: 1) according to the user-defined pixel seeds in the liver and hydatid lesion, Gaussian probability model fitting and smoothed Bayesian classification are applied to get initial segmentation of liver and lesion; 2) the parametric active contour model using priori shape force field is adopted to refine initial segmentation. We make subjective and objective evaluation on the proposed algorithm validity by the experiments of liver and hydatid lesion segmentation on different patients' CT slices. In comparison with ground-truth manual segmentation results, the experimental results show the effectiveness of our method to segment liver and hydatid lesion.

基于K_means硬聚类算法的葡萄病害彩色图像分割方法

为了提高植物病害图像的分割精度与效果,根据植物病害症状及图像的特点,提出了一种基于K_means硬聚类算法(HCM)的葡萄病害彩色图像非监督性分割处理方法。该方法是在L*a*b*颜色空间模式下利用ab二维数据空间的颜色差异,以平方欧式距离作为像素间的相似度距离、以均方差作为聚类准则函数对颜色进行二分类聚类,并通过数学形态学运算对聚类结果进行校正。利用该方法对3种葡萄病害彩色图像进行分割的结果表明,该方法能够较为准确地将病斑区域从彩色图像中分割出来,对葡萄病害彩色图像的分割处理比较理想,鲁棒性好,分割准确率高。

阈值法在肝包虫病CT图像分割中的应用

目的探讨阈值法在肝包虫病CT图像分割中的应用价值。方法选择20张患有肝包虫病的病患CT图像,对CT图像进行归一化预处理,然后对其进行阈值法分割。结果成功分割17张,分割失败3张,分割成功率为85%,过度分割和漏分割情况较少,分割的结果图像比较清晰饱满,光滑连通性好,基本没有线条缺损的现象。结论阈值法适合肝包虫病CT图像的分割,基本能达到比较准确的判断。能很好地帮助肝包虫病CT图像的纹理特征、形状特征及其他特征的提取,较理想地将目标与背景分开来实现分割。

基于灰度共生矩阵的新疆地方性肝包虫CT图像特征提取方法

特征提取是图像理解与分析的关键。为提取表征新疆地方性肝包虫病的CT影像特征,提出一种基于灰度共生矩阵对肝脏和包虫病灶进行特征提取的方法。首先,对肝脏CT切片图像进行归一化,利用中值滤波和直方图均衡化对肝脏及病灶区同时进行去噪和增强,从而得到更清晰的灰度图像;然后进行灰度级压缩,利用基于灰度共生矩阵的纹理特征提取方法分别提取新疆地方性单囊型、多囊型肝包虫和正常肝脏CT图像的角二阶矩、熵、惯性矩、逆差分矩及相关性的均值和标准差作为纹理特征。统计分析发现,单囊型和多囊型肝包虫CT图像在角二阶矩、熵和逆差分矩等方面存在显著差异,具有统计学意义。最后,采用Bayes判别分类,分类正确率达到93.33%。结果表明,研究采用的纹理提取方法对描述肝包虫CT图像特征具有较理想的效果,一定程度上有助于对肝包虫CT图像进行分类和检索。

基于Bayes分类算法和活动轮廓模型的新疆肝包虫CT图像分割方法

肝包虫病是新疆常见的寄生虫病,严重危及人类健康。目前,医院常采用CT影像技术对该病进行诊断。肝包虫CT图像有其特有的病理特征,图像的灰度分布存在不均匀性和边界模糊性,且不同的包虫囊肿类型,其CT图像表现各异。本文针对该病的CT影像特征,提出一种同时对肝脏及包虫病灶进行分割的迭代算法。在每一步迭代过程中,算法分为初始分割和优化分割两个步骤:首先,在CT切片图像中确定位于正常肝脏及包虫病灶区的种子点,根据种子点的位置,利用Gauss概率模型拟合不同区域的灰度分布,并结合Bayes分类算法对肝脏及病灶区同时进行初始分割;然后,利用基于先验形状力场的活动轮廓模型算法优化初始分割结果,从而获得精确的肝脏及病灶区的边界。为了验证该算法的有效性,将算法对不同病人的CT切片图像进行分割实验,并从主观和客观两个方面,将算法的分割结果与医师手动分割结果进行对比评估,结果表明,该算法能在分割肝脏的同时准确地提取包虫病灶区。

脉冲耦合神经网络对肝包虫图像分割

在应用脉冲耦合神经网络模型分割图像的研究中,确定模型的参数是一个难点问题,其中连接系数β在脉冲耦合神经网络中起着重要的作用。本文使用最小交叉熵D(P,Q;t)和标准差,简化了脉冲耦合神经网络模型的连接系数β的估计公式,该方法可以自动确定并简化脉冲耦合神经网络模型的连接系数β。实验结果表明,该方法对肝包虫医学图像的分割效果显著,能获得较好的视觉结果并具有较强的普适性。

基于G-R分量与K-means的马铃薯病虫害图像分割

针对复杂背景下马铃薯病虫害图像色彩复杂多样的问题,提出了一种基于G-R分量与K-means的图像分割方法。该方法首先提取G-R分量灰度化图像,然后对图像进行中值滤波和形态学变换操作以去除部分背景,最后将处理过后的图像转换到L*a*b*色彩空间并提取ab分量进行K-means聚类分割。本文利用该方法将暗头豆芫菁及芫菁、马铃薯重花叶病毒病及马铃薯黄痿病病斑从原彩色图像中准确提取了出来。该方法能够较为准确、完整地将目标病虫害从彩色图像中提取出来,在马铃薯病虫害治理方面有较好的应用价值。