改进的Fast Marching肝脏分割方法

为提高肝脏分割效率、改善分割效果,针对传统Fast Marching(FM)方法固定参数值T对肝脏分割结果的影响,提出了一种改进的FM肝脏分割方法。根据对腹部CT图像序列的肝脏区域灰度统计信息,估算出每幅图像上肝脏区域大小,进而自适应调整FM中的到达时间参数T,有效消除传统的固定参数值对分割效率和准确率的影响。对10套腹部CT图像序列的实验结果表明,该方法能够全自动、快速、准确的分割出肝脏区域。其中,处理单副CT图像所需的平均时间为0.3s,平均准确率为97%,其高效性、准确性为临床诊断和手术导航提供了有利信息。

改进的Fast Marching方法在医学图像分割中的应用

Fast Marching方法应用于医学图像分割取得了较好的分割结果,但是Fast Marching方法对边缘比较模糊的图像不能准确完整地分割出来。提出了一种结合像素间信任连接算法和Fast Marching方法的医学图像分割方法,首先用高斯滤波器对图像进行滤波,然后对图像用基于像素间信任连接的算法提取待分割图像中目标区域,取得较大的同质区,最后用Fast Marching方法对图像进行分割。实验结果表明,该方法对边缘模糊和目标内部存在伪边缘的医学图像能取得较好的分割结果。

基于Fast Marching Method的肝脏CT图像序列自动分割

快速行进法(fast marching method,FMM)已被证明在图像分割方面具有优势,在此基础上提出了一个混合分割的算法。这个方法加入了图像分割后处理步骤,成功解决了活体肝脏CT系列图像自动分割问题。首先是通过滤波去噪等处理得到速率系数图像,然后根据CT图像相邻层间的相似特点计算FMM所需的参数进行图像分割,最后使用开运算修正肝脏边缘。整个序列分割过程只需用户定义一个种子点,减少了人工干预,从而提高了效率和准确性。

Snake模型初始轮廓选取的研究

针对Snake模型处理复杂背景图像时的初始轮廓自动选取问题,该文采用分水岭算法先对图像进行分割,并将得到的边界作为Snake模型的初始边缘轮廓。由于分水岭算法具有将目标物体从复杂背景中分割开来的优点,使得在应用Snake模型对复杂图像进行分割时减少了人工的干预。经过实验对比,采用分水岭算法对玉米秸秆图像进行边缘轮廓的提取能达到较好的效果,为自动进行Snake模型的计算提供了一种较好的初始轮廓处理方法。

基于区域信息的Snake模型医学图像分割

本文针对Snake模型应用于图像边缘检测时对于噪音过于敏感的不足和易于从弱边界溢出,提出了一种新的约束力。在新的约束力的作用下,Snake模型可以很好地减小噪音的干扰,防止曲线溢出弱边界,并使初始曲线具有更大的选择空间,使模型的分割性能更好。实验证明该模型可以分割出较好的目标边界。

基于Level Set方法的医学图像分割

对图像分割进行了研究,这是医学图像处理中的关键问题之一.提出了一种结合Fast Marching算法和Watershed变换的医学图像分割方法.首先用非线性扩散滤波对原始图像进行平滑,然后利用Watershed算法对图像进行过度分割,最后用改进的Fast Marching方法对图像进行分割.除此之外,根据区域之间的统计特性的相似度重新定义了Fast Marching方法的速度函数.实验结果表明,该方法能够快速、准确地得到医学图像的分割结果.

基于快速水平集算法的图像分割方法

针对水平集算法计算量大,本文提出了一种使用改进的快速水平集算法的图像分割方法。本文方法是一种极限的窄带法;首先水平集的曲线进化用两个序列元素之间的交换实现;其次提出了平滑过程处理进化后的曲线;本文方法不需要解偏微分方程,运算速度很快,而且能够得到和标准算法相近的结果;实验结果证明本文算法速度快,适合于实时图像系统中的应用。

基于改进的双快速行进法的图像分割方法

由于回转窑烧结图像境界模糊、噪声严重,传统方法难以有效地分割出烧结图像中的物料区、火焰区、充分燃烧区和黑把子区等关心区域(ROIs)。提出了利用敏感区域改进双快速行进法与利用能量衰减方程除去区域间耦合的图象分割新方法。首先,在快速行进法中引入了敏感区域的概念,定义了新的终止条件,利用改进后的双快速行进法与图像融合方法进行物料区和黑把子区的粗分割;然后,提出了采用能量衰减方程除去烧结物料对火焰区的影响,利用大津方法对火焰区进行粗分割,并通过粗分割的火焰区与黑把子区的差分来进行火焰区的精分割。对回转窑烧结图像的分割试验表明,利用本方法能够有效地从回转窑烧结图像精确地分割出ROIs。

CT图像分割几种算法

图像分割在许多图像分析和图像识别过程中都是必需的步骤。目前,借助图像分割技术来进行医学影像处理正成为当今医学界的一个发展方向。本文正是在这一背景下对医学影像处理中的几种分割算法进行了研究,主要包括FastMarching分割算法、LiveWire分割算法、区域增长分割算法和阈值分割算法;同时,结合脑部CT片进行了实验研究,为这些算法在医学影像处理上的应用提供了一定的科学依据。

基于水平集方法的图像分割

目的:提取T1加权MR脑图像中的侧脑室。方法:首先用高斯滤波对原始图像进行平滑,然后利用改进的FastMarching方法对脑图像进行分割。根据T1加权MR脑图像的成像特点并结合区域信息重新定义了Fast Marching方法的速度函数,该速度函数具有良好的抗泄漏能力。结果:对一系列T1加权MR脑图像进行了分割实验,成功提取出了侧脑室。结论:改善了传统Fast Marching方法在弱边界处易泄漏的缺陷,具有更好的分割效果。

基于Level set方法的医学图像分割

本文引入了一种基于偏微分方程的曲线进化方法—Level set方法,通过与Fast marching方法的结合,可以实现运算速度的大大提高。同时引进了更有效的Kim提出的GMM(Group Marching Method)方法,减少了运算量,并给出了改进方法。最后,把该方法用于仿真图与医学图像分割中,获得了较好的效果。

一种改进的快速C-V水平集红外图像分割

当红外图像中包含较强噪声时,C-V模型水平集分割方法会产生大量冗余轮廓;同时,C-V水平集采用偏微分方程(PDE)实现,存在计算量大、分割速度慢的缺点。为此,本文提出了改进的快速算法,该算法保留了C-V模型的全局优化特性,并通过窗口滤波整合图像邻域空间信息来构建曲线进化的外部速度,从而提高C-V模型的抗噪性并减少分割中产生的冗余轮廓;采用基于双链表的快速水平集算法来实现曲线的演化,去除了传统算法中的重新初始化和PDE求解的过程,减少了迭代步数,提高了分割的速度。实验结果表明,本文算法对边缘模糊、噪声较大的红外图像能实现快速而有效的分割。

基于点线投影模型与几何误差制约规则的图像匹配算法

当前较多图像匹配算法主要通过求取Haar小波的方法获取特征描述符进而完成图像匹配,忽略了特征点对应邻点的投影特性,当匹配图像之间存在旋转、缩放等变换时,易导致匹配图像中存在较多的错误匹配以及漏匹配等不足。对此,提出了一种基于点线投影模型耦合几何误差制约规则的图像匹配算法。首先,引入FAST算法用于准确、快速的检测图像的特征点。然后,利用像素点对应的梯度值构建点线投影模型,用以获取特征点的主方向。以特征点为原点构建极坐标,将特征点邻域进行区域分割,通过联合分割区域中的分布直方图以求取特征向量,从而形成特征描述符。最后,利用Euclidean模型求取特征点的最近邻与次近邻之比,完成特征点匹配。利用匹配特征点之间的映射关系,构造几何误差模型对特征点集的误差进行度量,根据度量结果构建几何误差制约规则,对匹配特征点进行优化,实现图像匹配。实验结果表明,与当前图像匹配算法相比,算法不仅具有较高的匹配精度,而且还具有较好的鲁棒性能。

结合双树复小波变换和改进密度峰值快速搜索聚类的乳腺MR图像分割

针对乳腺MR图像组织复杂、灰度不均匀、难分割的特点,本文提出双树复小波(DTCWT)变换结合密度聚类的图像分割方法.首先利用复小波域双变量模型结合各向异性扩散函数对图像进行去噪处理;进而通过简单线性迭代聚类(SLIC)算法将图像划分成一定数量的超像素区域,根据事先设置的阈值搜索每个超像素的近邻,从而降低基于K近邻的密度峰值快速搜索聚类(KNN-DPC)算法寻找每个样本近邻的时间;最终,引入超像素区域的近邻信息度量样本密度,采用KNN-DPC算法的分配策略自适应聚类.仿真和临床数据分割结果表明,所提算法能有效的实现乳腺MR图像的分割.

基于知识的三维核医学图像左心室心肌区的提取

从心脏PET或SPECT图像中提取完整的心肌区域是定量分析心功能的前提。心脏的PET和SPECT图像边界模糊,在病理状态下可能有局部显像缺失,致使图像分割困难。本研究提出一种基于医学知识的快速推进法,利用拟合的椭球模型将边界演化推进到局部低显像区,从而分割出一个完整的左心室心肌区域。实验图像测试和实际图像分割表明这种算法对于有显像缺失的三维核医学心脏图像的分割是有效的。

基于C-V模型的改进快速水平集图像分割法

针对水平集方法计算复杂度高,无法满足实时系统要求的缺陷,提出一种改进的快速水平集算法。该算法对快速水平集算法进行简化,采用单链表表示轮廓曲线。利用C-V模型的二值拟合项来设计曲线演化的速度函数,保留了C-V模型的全局优化特性。还给出了一个基于单链表中轮廓点个数变化的水平集演化终止准则。该算法不仅明显提高了分割速度,且对噪声图像也能实现高效的分割。

基于快速推进法的血管内超声图像序列的三维分割

目的血管内超声(intravascular ultrasound,IVUS)是近年来临床诊断血管病变的一项新技术。对IVUS图像进行分割,提取出图像中血管壁的内膜和中-外膜轮廓,是IVUS图像序列定量分析和三维重建的重要步骤。方法本文提出一种基于快速推进法的IVUS图像序列三维并行分割方法。在完成对原始图像的滤波去噪、抑制导管伪影等预处理后,获取IVUS序列纵向视图,并从中提取出血管壁的内膜和中-外膜轮廓,然后将该轮廓映射到每帧IVUS横向视图中,得到各IVUS帧中血管壁的内膜和中-外膜轮廓,最后采用快速推进法对初始轮廓进行演化变形,最终提取出目标轮廓。结果对临床IVUS图像数据进行实验,与逐帧处理的串行分割方法相比,本文方法明显提高了处理效率,克服了传统串行处理方法运算效率低的缺点。结论该方法对血管疾病的临床诊治具有重要意义。

一种基于二维粒子的自动检测乳腺钼靶片上微钙化点簇的方法

乳腺钼靶片上的微钙化点簇是早期乳腺癌的重要信号,目前,无论是采用人工阅片或是计算机辅助诊断系统都很难对微钙化点簇进行可靠的检测.提出了一种基于二维粒子的自动检测乳腺钼靶片上微钙化点簇的方法,以二维粒子为单位进行可疑区域的提取和微钙化点的判别,很好地克服了传统的基于像素级别的检测方法容易受到干扰和基于数学形态学的检测方法很难确定合适结构元素的问题.提出的快速多元分割算法克服了基于经典Fast Marching的多元分割算法在乳腺钼靶片上进行二维粒子分割时运算时间过长的问题,显著提高了二维粒子的分割速度.在DDSM数据库上的实验结果表明,新的检测方法具有比较满意的检测精度和处理速度.

基于Level Set方法的低对比度医学图像分割

基于Level Set方法,提出了一种应用于对低对比度医学图像进行分割的改进的FastMarching方法.该方法结合演化曲线在演化过程中平均能量的变化特性,重新定义Fast Marching算法的停止准则,从而提高了算法的鲁棒性和自动性.实验结果表明,所提出算法的分割效果良好.

一种改进的快速图像修复算法

目前基于结构的图像修复算法中,基于快速行进的图像修复算法能够简单快速的修复数字图像中的破损区域,但是修复效果一般,特别是边缘区域的保持效果较差.在快速行进算法中引入了梯度权函数和距离权函数,通过对邻近点的加权计算进行排序,然后按权值大小对破损区域进行逐步修复,并利用梯度排序对边缘进行保持.实验结果表明该算法修复效果要优于原快速行进算法,但在速度方面却难以保持.引入梯度和距离权函数可以使修复效果更好.