结合KL散度和RSF模型的主动轮廓图像分割方法

针对主动轮廓模型在进行图像分割时计算复杂度较高的问题,提出一种基于区域的变分水平集主动轮廓模型图像分割方法.新模型将Kullback-Leibler(KL)散度信息加入到RSF(region-scalable fitting)模型中,在新模型的能量项中通过RSF能量项计算区域内某点和该区域"中心"之间的拟合距离来表示目标区域的相似性,同时通过最大化KL能量项使模型能更容易分离图像中的不同灰度区域,进而使图像分割的计算时间显著降低.该模型可以很好地处理图像的模糊边界和图像噪声等问题,并适用于合成图像和实际图像的分割.通过实验结果的对比可以看出,本模型在保证分割精度的前提下,加快了边缘的收敛速度,提高了图像分割的效率.

基于Bregman散度和RSF模型的水平集图像分割方法

在自然图像中经常会出现亮度不均匀的现象,虽然基于局部信息的水平集方法在不均匀图像的分割方面取得了较好的效果,但是该类方法在主动轮廓的能量上存在局部最小值和计算复杂度高等问题.针对这些问题,本文提出了基于Bregman散度分布和区域可伸缩拟合能量模型(Region-Scalable Fitting,RSF)相结合的水平集图像分割方法.本方法利用包含特征点信息(Bregman散度)的全局信息项加快远离目标边界曲线的演化速度,提高算法对初始位置的鲁棒性;利用RSF模型的局部信息项提高对亮度不均匀图像的分割能力,吸引轮廓曲线向物体边界收敛,并停止在目标对象的边界处.通过对合成图像、医学图像和其它真实图像的对比实验,可以看出本文模型与现有模型(LCV、RSF和LGIF)相比,对亮度不均匀图像具有更强的处理能力和更高的处理效率,且对噪声具有更强的鲁棒性.

带线性正则化项的RSF模型

RSF(Region-Scalable Fitting)模型能够分割灰度不均一图像,但对活动轮廓的初始化和噪声较为敏感。运用理论探究与实验相结合的方法,基于RSF模型,添加一个新的水平集线性正则化项,得到了一个新的活动轮廓模型。实验表明,该模型能够分割灰度不均一图像,对初始轮廓的大小和位置不敏感,抗噪性也较强。

石油岩芯CT图像裂缝分割算法研究

针对裂缝区域分割的需求和石油岩芯CT图像的特点,改进了现有的水平集分割算法。首先对图像中值滤波去噪后运用C-V模型对图像进行初分割,把背景区域和岩芯区域准确分开,得到岩芯区域的轮廓;然后调整轮廓外区域的灰度值,使之等于岩芯区域平均灰度值,增强目标区域;最后再进行RSF模型细分割,得到最终分割结果。对于高斯噪声污染严重的岩芯图像,先采用了邻域加窗的非局部均值去噪方法,再用改进水平集算法分割,实验结果表明该分割方法是有效的。

全局和局部拟合的活动轮廓模型

在现有的活动轮廓模型中,PC模型和RSF模型是两个著名的基于区域的模型。PC模型对活动轮廓的初始化和噪声不敏感,但不能分割灰度不均一图像。RSF模型能够分割灰度不均一图像,但对活动轮廓的初始化和噪声较为敏感。基于PC和RSF模型,提出一个以偏微分方程形式表达的基于区域的活动轮廓模型。实验表明该模型能够分割灰度不均一图像,对初始轮廓的大小和位置不敏感,抗噪性也较强。

甲状腺结节超声图像分割算法研究

超声甲状腺结节分割是发现与识别甲状腺良恶性肿瘤的关键技术之一。针对模糊聚类法无法准确分割超声图像甲状腺结节边缘,而局部拟合(RSF)模型法对手动初始化轮廓敏感的问题,提出一种融合空间约束模糊C均值聚类和局部拟合RSF模型的分割结节方法。用空间约束模糊C均值聚类法(SKFCM)对图像进行聚类并二值化聚类结果作为RSF模型法初始轮廓,克服了RSF模型法对初始轮廓敏感问题,水平集演化参数也将通过聚类结果自动给出,不再需要人为设定。同时改进了RSF模型法拟合项,并利用高斯正则化规则RSF模型水平集,提高了RSF模型演化效率,缩短了收敛时间。仿真实验结果表明,提出的甲状腺结节超声图像分割方法能够快速准确地分割出结节区域。

基于贝塞尔滤波的水平集正则化图像分割方法

针对水平集函数在演化过程中的初始化敏感和数值稳定性问题,提出了一种新的基于贝塞尔滤波的正则化方法,并将其嵌入到经典的可变区域拟合(Region-Scalable Fitting,RSF)模型中,从而构成新的能量模型。首先,利用K均值算法进行自动初始化,再加以修正生成标准的初始水平集函数,以解决RSF模型对初始化敏感的问题;其次,利用RSF模型自身优点对图像进行迭代分割,同时在迭代过程中利用提出的方法对水平集函数进行正则化处理,保持迭代过程中的稳定性;最后,实现精确的分割效果。实验结果表明,提出的正则化方法有效地保持了水平集函数的稳定性。将新的模型与多种基于区域的模型进行对比,仿真实验表明,提出的方法具有较高的算法效率与分割精度。

修正局部极小值的局部灰度差异分割模型

针对现有局部模型在分割灰度不均匀图像时容易陷入局部极小值,导致演化曲线停留在背景处或目标内部无法继续演化从而造成分割失败的现象,提出本模型。该模型在能量泛函中增加局部灰度差异项,通过最大化演化曲线上所有点的邻域内目标和背景的差异来驱动演化曲线越过图像背景处或目标内部,直到准确地停留在目标边缘。实验结果表明提出的模型可以有效地解决局部模型因陷入局部极小值而导致的误分割问题,同时提高对分割灰度不均匀等复杂图像的准确性,并减小对初始轮廓的敏感性。

基于全局和区域可伸缩拟合局部熵活动轮廓模型的超声图像分割

针对区域可伸缩拟合局部熵(region-scalable fitting based on local entropy,RSF_LE)模型图像分割效率低的问题,本研究提出一种改进的RSF_LE模型。定义带有加权局部灰度拟合项以及辅助的加权全局灰度拟合项的能量泛函,其中加权局部灰度拟合项负责对目标边界附近的轮廓进行诱导,使其靠近目标物边界,加权全局灰度拟合项利用图像的全局信息来引导远离目标的轮廓向目标靠拢,该方法可以克服传统的RSF_LE模型分割算法效率低下的问题,并提高了该方法的鲁棒性。

可变尺度区域拟合模型的侧扫声纳分割方法

为解决现有侧扫声纳图像目标分割准确度不高的问题,提出一种联合最大熵去噪和可变尺度区域拟合模型的侧扫声纳图像分割方法。首先,计算图像一维熵,基于最大熵原则对侧扫图像进行降噪处理,提高图像质量,并根据峰值信噪比评判降噪效果;然后基于可变尺度区域拟合模型,采用高斯核函数对分割活动轮廓进行约束,分割降噪后的侧扫声纳图像。通过对含有不同目标物的侧扫声纳图像进行分割实验,验证了联合最大熵去噪和可变尺度区域拟合模型的有效性。

基于区域的主动轮廓模型的医学图像应用

对脑部MRI中各个大脑组织的准确分割在临床医学上具有重要的意义。该文综述了MR图像不均匀性校正方法及近几年来脑部MRI的分割方法的研究新进展,包括聚类算法、基于形变模型的分割方法、图割算法、形态学分水岭算法和基于图谱的MRI分割算法等。综合多种方法的优点,取长补短,在算法中引入图像的空间结构信息、纹理信息以及一些先验知识,有望在新理论技术上和新工具方面有所突破。

联合小波变换和RSF模型的CT图像分割方法

为解决工业计算机层析成像(CT)图像的伪影和弱边缘问题,提出一种基于小波变换的图像区域可伸缩拟合能量最小化分割方法,实现图像边缘的精确定位,从而提高图像测量精度。首先,采用小波变换对图像进行预处理,降低金属伪影。然后,采用所提方法精确分割图像,提高感兴趣区域边缘的定位精度。实际数据测量结果表明,所提方法可有效降低图像弱边缘的影响,测量相对误差低于0.7%,相较Chan-Vese算法,测量精度提高了1.4倍,满足实际测量需求。

RSF模型的优化及其在MRI脑肿瘤分割中的应用

磁共振成像(MRI)具有图像模糊,灰度不均等特点,其分割问题一直都是研究的热点和难点。可变区域拟合(RSF)能量模型是一种较新的区域活动轮廓模型,可用于灰度不均匀图像的分割。然而,RSF模型设定的水平集函数(LSF)不适合初始轮廓内外灰度分布不同的环境,应用于整体灰度环境复杂的脑肿瘤MRI图像时,通常得不到理想的分割结果。构建新的LSF,并辅以mean shift平滑算法可使其更适用于肿瘤图像的分割,使新模型具有更好的收敛性和目标指向性。利用优化后的模型进行一系列实验,其结果表明:该算法鲁棒性强,可以快速、准确地分割出MRI图像中的脑肿瘤,具有显著的临床意义。

局部窗口动态选择的RSF模型

针对PDE(partial differential equation)图像分割模型-RSF(region-scalable fitting energy)模型对初始轮廓线选择敏感问题,提出根据图像的灰度变化信息动态选择高斯核函数窗口大小的改进RSF模型.实验表明,该模型提高了RSF模型对初始轮廓线的鲁棒性.