基于定向局部对比度的眼底图像视盘检测方法

视盘作为眼底图像的一个重要特征,其自动检测方法在眼底病变图像分析中有着重要的作用。提出一种基于定向局部对比度滤波的方法,有效地提取眼底图像中的局部亮度区域;结合视盘区域的局部血管特征,选择定位出正确的视盘感兴趣区域;采用数学形态学方法和区域主动轮廓模型,可较准确地检测出视盘轮廓。对开放的STARE数据库上的81幅眼底图像进行测试,其中含31幅正常和50幅病变图像(含严重病理图像),用该方法正确检测出视盘73幅,准确率约为90.1%。结果表明,该方法有效地克服大块亮斑病灶对视盘检测的影响,且仅需提取粗血管,计算较为简单,说明了算法的有效性。

基于梯度矢量流snake与多尺度分析的血管内超声图像轮廓提取

提取血管内超声(IVUS)图像的血管内腔轮廓对冠状动脉疾病的诊断有积极意义。本文提出了一种基于梯度矢量流(GVF)snake与多尺度分析的轮廓提取新方法。针对传统GVF snake的轮廓初始化、抑制噪声和伪像干扰两个难点,本文方法在如下两个方面进行了改进:第一,利用序列图像的特性产生时间方差图并得到初始轮廓,从而实现轮廓提取过程的全自动化;第二,引入多尺度分析,使GVF snake在离散小波变换得到的多尺度图中形变,从而增强了算法的鲁棒性。对仿真图像和实际IVUS图像的实验表明,该方法在轮廓提取的精度方面优于传统的GVF snake方法。

改进的主动轮廓模型在脑肿瘤MRI图像轮廓提取中的应用

针对主动轮廓模型(Snake)处理图像时的初始轮廓选取问题,采用改进的区域增长法对图像进行预分割,并将得到的边缘作为主动轮廓模型的初始边缘轮廓;然后分别用sobel算子与梯度矢量流(GVF)代替图像梯度进行主动轮廓模型外部能量的计算,在速度满足要求的情况下,提高了目标区域的提取精度。实验结果表明,基于GVF的主动轮廓模型在脑肿瘤的轮廓提取中能取得更好的效果。

血管内超声图像序列的边缘自动检测方法

针对具有强背景噪声及伪影干扰的血管内超声图像,提出一种自动提取血管壁内外膜边缘的新方法。利用图像序列的空间和时间相关性对噪声进行抑制,在GVF-Snake模型中引入调节因子和自适应法向外力,扩大边缘的捕捉范围,以提高活动轮廓对噪声的鲁棒性和提高图像提取精度,同时利用三次B样条增强边缘平滑性,加快收敛速度。实验结果表明,该方法的检测准确性较高,运行时间较短。

一种新型的视盘分割方法

视盘的检测对于眼底图像分析和计算机辅助诊断视网膜神经疾病有重要意义。论文提出了一种新型的视盘分割方法,新方法的思想是在去除血管的背景图像应用梯度向量场GVF活动轮廓模型。首先,从原始图像获取部分背景图像的像素,即获得在去除图像中血管像素之后的部分像素,然后利用取得部分背景的像素重塑整个背景图像,最后在恢复的背景图像中应用GVF活动轮廓模型分割出视盘,GVF Snake模型的初始曲线为Hough circle。选取了不同的眼底医学图像进行了大量的实验,结果表明论文算法的分割结果十分准确,具有较好的分割效果。

基于主动轮廓模型的行人边缘检测应用研究

应用主动轮廓模型对道路现场的行人轮廓和障碍物进行精确轮廓的提取,为基于视觉的辅助驾驶系统中的潜在障碍物分类提供一个有效的手段。首先讨论主动轮廓模型,然后分别应用GVF-Snake模型和level set模型对行人轮廓边缘进行提取实验,并对实验结果进行分析。

一种基于光流的GVF主动轮廓线模型在颈动脉超声动态图像序列边缘提取中的运用

颈动脉超声图像边缘的提取对冠状动脉疾病的诊断和治疗有着重要的意义。本文提出了一种针对颈动脉超声动态图像序列的边缘跟踪方法。根据前一帧图像的边界轮廓,通过计算当前帧与前一帧之间的光流场来预测当前帧图像的初始轮廓,再使用GVF主动轮廓线方法进行分割。然后依次处理图像序列的每一帧图像。实验证明,这种方法相对与独立的分割每帧图像更有效率,并且由于使用了光流来进行预测,具有很好的动态跟踪能力。

多相主动轮廓模型的眼底图像杯盘分割

目的视盘及视杯的检测对于分析眼底图像和视网膜视神经疾病计算机辅助诊断来说十分重要,利用医学眼底图像中视盘和视杯呈现椭圆形状这一特征,提出了椭圆约束下的多相主动轮廓模型,实现视盘视杯的同时精确分割。方法该算法根据视盘视杯在灰度图像中具有不同的区域亮度,建立多相主动轮廓模型,然后将椭圆形约束内嵌于该模型中。通过对该模型的能量泛函进行求解,得到椭圆参数的演化方程。分割时首先设定两条椭圆形初始曲线,根据演化方程,驱动曲线分别向视盘和视杯方向进行移动。当轮廓线到达视盘、视杯边缘时,曲线停止演化。结果在不同医学眼底图像中对算法进行验证,对算法抗噪性、不同初始曲线选取等进行了实验,并与多种算法进行了对比。实验结果表明,本文模型能够同时分割出视盘及视杯,与其他模型的分割结果相比,本文算法的分割结果更加准确。结论本文算法可以精确分割医学眼底图像中的视盘和视杯,该算法不需要预处理,具有较强的鲁棒性和抗噪性。