基于CT图像的自动肺实质分割方法

在肺癌、肺气肿等肺部疾病计算机辅助诊断方法中,肺实质分割是最核心的步骤.提出一种基于三维CT图像序列的新的自动肺实质分割方法,综合利用了阈值分割、区域增长及数学形态学等算法,并在特定体层通过图搜索算法精确定位左右肺前后连接线狭窄区域,有效解决了肺实质边缘结节易分割遗漏及左右肺分离的难题.通过多组胸部CT序列图像的实验证明,该方法对于肺实质分割非常精确有效.     

一种改进的CT胸部图像肺组织分割方法

为了对病变肺部图像进行准确分割,对通常的肺组织分割算法进行了分析和改进,将小波变换与数学形态学引入肺分割算法.通过小波变换对图像进行分解,再运用数学形态学对分解后的各个分量执行不同的修补方法:对低频分量作形态学闭运算,对高频分量作形态学开运算;从而在适当的尺度修正图像的基本特征而不影响细节特征,在重构之后获得理想的肺区域.利用改进后的算法,对医院的36组临床HRCT数据进行分割,并与手工分割结果和通常算法的分割结果进行了比较.结果表明,该方法分割结果准确,能有效提高肺组织分割的平均敏感性.     

一种改进的最大类间方差图像分割法

该文根据脑部切片图像中白质的特点,将均方差因素引入传统分割方法,提出了一种改进的最大类间方差图像分割方法.采用连通域标记进行图像预分割,借助形态学的开运算进行滤波处理,根据改进的最大类间方差分割原理进行白质提取.将该方法与传统最大类间方差法对序列脑切片的白质分割结果进行定性比较,并借助漏检率和误检率指标进行定量评估,发现两种方法的平均漏检率均约为0.03,平均误检率分别为0.251和0.026,表明该方法能够综合利用图像的区域特性和边缘特性,分割更加准确有效.     

基于数学形态学的医学图像自动阈值分割

提出了一种自动分割癌细胞图像的方法.该方法利用数学形态学开运算型边缘检测算子对图像边缘锐化;利用邻域平均与中值滤波方法平滑图像;利用改进的判别分析法自动选取灰度阈值进行图像自动分割;利用自动分割区域与手动分割区域的误差和平均最短距离对自动分割效果进行评价.用该方法对20幅癌细胞图像进行自动分割实验,证明了其对图像分割的有效性.     

基于改进分水岭算法的医学图像分割

医学图像存在病变区域和背景区域,病变区域是分割的重点。针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将形态学滤波、多尺度形态学梯度和控制标记符分水岭相结合的分割策略。首先利用数学形态闭-开运算完成预处理以滤除原始医学图像中的噪声和非感知信息。其次做闭运算以平滑图像,并对平滑的图像计算多尺度的形态学梯度。再次对形态学梯度图像进行重建,然后采用控制标记符的分水岭变换算法对重建后的梯度图像进行分割。最后将分割结果变换回原始尺度。仿真实验结果表明,这种改进的方法不但使经典分水岭算法中的过分割现象得到了很好的抑制,医学图像中的病变区域被有效分割出来;而且分割算法简单,同时具有多尺度的特点,能够适应医学图像分类与信息提取的需求。     

基于CT图像的肋骨定位和追踪

本文以CT图像为基础,针对肋骨的定位与追踪问题设计一个检测系统。系统可以自动检测出CT图像中的肋骨区域,并精确地勾画出肋骨的轮廓。首先对CT图像做预处理,消除噪声。然后采用OTSU方法自动选取合适的分割阈值,将CT图像二值化;采用形态滤波方法去掉二值化图像中的散点以及桥接裂缝,从而得到平滑轮廓的效果,将每个独立的连通区域标记出来;最后,通过提取出的特征对不同的肋骨进行分类,并且在不同的图像中追踪到相同的肋骨。     

基于黄色诱捕板的黄曲条跳甲识别与计数方法

为了及时掌握严重危害蔬菜生长的害虫—黄曲条跳甲的发生状况及其危害程度,提出了基于黄色诱捕板的黄曲条跳甲识别与计数方法.首先,采用最大类间方差法(OTSU)获得图像的黄色诱捕板区域.在黄色诱捕板上以连通区域面积阈值获得候选区域,并对候选区采用OTSU算法、颜色平滑算法和主动轮廓模型进行目标图像分割.在此基础上,对候选区域提取颜色特征、纹理特征和几何特征,并采用支持向量机的方法,对黄曲条跳甲进行识别和计数.所提出的基于黄色诱捕板的黄曲条跳甲识别与计数方法的准确率、精确率和召回率分别为88.16%,92.00%和81.56%,达到了及时获得黄曲条跳甲灾情的目标.     

基于数学形态学的SPOT影像桥梁提取

利用数学形态学的方法对SPOT遥感影像桥梁提取进行了研究。首先运用二维特征模糊闺值分割,分别得到包含水体信息和道路桥梁信息的二值影像;进一步使用形态学开闭运算去除细小噪声,使用像素区域标记法提取出面积较大的独立水体,并通过膨胀与腐蚀运算得到连通水体;最后辅以相关知识,采用Hough变换提取出桥梁的边界。实验结果表明,该方法快速有效,识别准确率较高。     

复合形态滤波和改进型分水岭算法的图像分割

提出了一种基于复合形态学滤波和改进型分水岭的图像分割算法.为克服传统分水岭算法进行图像分割时产生的过度分割和耗时的不足,定义了由开-闭以及闭-开加权组合形成复合形态学滤波器,应用该滤波器对图像进行滤波;其次,设计一种应用内、外部标记的形态学分水岭算法,确定区域中梯度低频成分的局部极小值作为内部标记,区域之间确定为外部标记,内、外标记随处理信息的变化而变化,从而实现了对图像信息的自适应分割.仿真结果表明,采用本文算法实现的图像分割,其抗噪的MSE、PSNR性能明显地优于开-闭、闭-开单一运算的抗噪性能;同时,减小了梯度图中由于噪声造成虚假局部极小值而产生的过分割现象,准确地提取图像信息的轮廓、边缘等信息.     

基于模糊形态学的图像边缘轮廓提取改进分割算法

图像边缘轮廓提取在国计民生、军事等领域有广泛应用,为了克服噪声等影响导致的图像过度分割现象,探讨了一种基于模糊形态学的图像分割改进算法.该方法借助模糊形态学的开、闭运算,首先对原始图像进行平滑处理,然后基于形态学梯度算子进行梯度计算,最后基于改进分水岭算法与IFT分割算法的融合,对梯度图像进行分割得到期望的边缘轮廓图像.仿真以图像识别为例,实验显示基于改进的图像分割算法可较好地消除过分割现象,正确识别图像,实现目标与背景的分离.研究结果表明,提出的图像分割算法是合理可行的.     

基于胸部CT影像的肺血管树分割关键技术研究

肺支气管的排除和血管组织的精确探测,是影响肺血管树分割精度的重要因素.经形态学处理后的CT影像可提高对器官信息的探测能力,因此提出形态学辅助的区域生长方法用于支气管分割,并引入泄漏判断条件抑制分割泄漏.针对血管组织的提取,提出多阈值分割方法,通过引入多尺度滤波器获取不同尺寸半径血管的最大响应尺度信息,计算血管组织相应的分割阈值,实现分割阈值的动态匹配.实验结果表明:应用于10套CT影像,血管组织分割准确率为97.062%,,血管分支抽取率为93.95%,,肺血管树分割精度得到较大提高.     

一种融合分割和消失点提取的车道线检测方法

针对路面干扰时车道线检测鲁棒性差和消失点检测误差大的问题,提出了一种基于融合分割和消失点提取的车道线检测方法.对获取视频帧图像进行灰度化和高斯滤波处理之后,利用Canny边缘检测算法对图像进行边缘提取.以边缘点最多的一行作为上界划分预处理图像的动态感兴趣区域(ROI),结合大津算法(OTSU)分割出预处理图像的车道线背景,提取车道线信息.采用直线段检测(LSD)算法对ROI区域内车道线标志进行提取,并结合改进的消失点检测方法快速提取车道线.实验结果表明:所提出的方法对多场景下离线照片的平均正检率为97.16％,识别速度为34 ms/帧,能够很好地对多场景下车道线进行快速检测.     

基于CT图像的肺实质细分割综合方法

肺实质的分割是肺结节检测和诊断的基础,是肺部疾病计算机辅助诊断的关键步骤之一。针对肺部计算机断层扫描（computer tomography,CT)图像,采用最佳阈值法进行初步分割,去除背景,用结合上下文分析的区域生长法去掉气管、支气管,对左右肺连结的情况进行像素分析,分开左右肺,对提取出来的肺区用滚球法进行修复,得到肺实质图像。去除气管和分割左右肺的算法是针对肺部CT图像的特征提出的,具有简单高效的特点。实验表明,该综合方法的准确性和可靠性较高,有较好的应用前景。     

局部C V主动轮廓模型快速图像分割算法

经典的C V模型分割算法在处理较大尺寸图像时存在需多次迭代、运算时间长的缺点。在分析图像尺寸和初始逼近图像与获得稳定解的迭代次数与运算时间的关系的基础上,提出了一种改进的基于阈值分割及快速连通域标记算法的局部C V图像分割算法,对大尺寸图像进行处理。采用OTSU算法对图像进行初步的阈值分割,再利用快速非递归连通域标记算法进行连通域的标记及图像的局部分片。对分片后的小块图像以其阈值分割的结果作为初始逼近图像采用C V算法进行分割处理。算法分析及仿真结果证实,与经典C V算法相比较,改进的算法能够以很少的迭代次数和很短的运算时间达到稳定解,能够对含有丰富轮廓细节的大尺寸图像进行快速有效的处理。     

基于动态自适应区域生长的肝脏CT图像肿瘤分割算法

为提取人体肝脏CT图像中的肿瘤区域,提出一种基于动态自适应区域生长的算法进行肿瘤分割. 通过自适应区域生长算法对CT图像进行预分割,得到感兴趣区域（region of interest,ROI）,利用数学形态学滤波填充ROI中的空洞区域,最终提取肿瘤区域. 通过对多组病人的CT图像进行实验,结果显示该算法对肝脏肿瘤的分割效果良好.      

基于三维曲面重建的CT图像肺边界缺陷修复

针对CT图像的肺实质分割中由边界粘连型肿瘤造成的肺边界缺陷修复问题,提出了一种基于三维曲面重建的修复方法.对肺实质边界曲率变化较大处的缺陷,二维图像上无法获得足够多的特征对肺实质边界进行修复.本文方法首先使用质心灰度法改进了三维区域生长算法,提取肺实质进行三维重建.再使用阈值法提取分布在缺陷周围的三维点云,对三维点云进行曲面重建即可得到完整的肺实质轮廓.实验结果表明:该方法与传统的凸包算法和滚球法相比,能够更加完整有效地修复边界粘连型肺实质边界的缺陷.     

基于改进水平集的水稻虫害分割算法

目前水稻虫害分割大部分采用传统的低级特征提取,存在易丢失细节信息、形状描述不充分等不足.基于改进水平集方法的分割算法,首先将图像由RGB(red,green,blue)颜色空间转为HSV(hue,saturation,value)颜色空间,选取色调H(hue)矩阵进行处理;在高斯滤波后进行基于开闭运算的形态学重建,在保留重要区域轮廓的同时去除较暗斑点及枝干标记;然后将其膨胀后阈值分割作为改进水平集方法的初始水平集函数;最后采用有惩罚项的改进水平集方法进行分割.改进算法有效减少了迭代次数,节省了运行时间,且分割效果好.结果表明,该算法不但提高了水平集方法的效率,而且在水稻虫害的分割上有良好的分割效果.     

多尺度特征融合的图像语义分割

针对多尺度下的目标分割问题,提出了一种多尺度特征融合的图像语义分割方法.该方法改进了空洞空间金字塔池化(ASPP)模块,采用6种不同采样率空洞卷积并行架构增强了对输入图像信息的提取,该模块可以获取多尺度的卷积特征,从而进一步增强图像分割能力.通过在PASCAL VOC 2012数据集上进行训练和验证,达到了82.0%的平均像素准确率和71.9%的平均交并比.实验结果表明:通过改进空间维度上的ASPP模块,该方法可以达到良好的图像语义分割效果.     

基于随机游走算法的CT图像肺肿瘤分割

针对CT图像肺肿瘤分割中复杂大肿瘤分割的准确性和自适应问题,提出了一种基于随机游走算法的分割方法.首先,根据图像灰度信息提取肺实质;针对大肿瘤与周围肺组织粘连的复杂情况,先提取有凹陷的肺实质,再根据肺实质先验轮廓,用曲线段形变模型修补肺实质的凹陷边界.然后,用区域生长法自动确定目标种子点和背景种子点;对于大血管与肿瘤粘连的情况,需要少量交互修改个别背景种子点.最后,用随机游走算法完成大肿瘤的分割.实验结果表明,该方法的准确性高,分割结果能够满足临床治疗效果分析和病理学研究的要求.     

基于极限学习机的医学图像分割方法

为了辅助放射科医生制定合理的放疗计划,避免放疗损害人体正常的组织器官,减轻医生简单重复的工作负担,亟需一种自动/半自动算法对CT图像进行分割,描画病变组织边界轮廓。传统的分割算法主要考虑经验风险最小化(ERM)问题,较少关注算法问题的复杂度和运行效率等问题。针对已有算法的不足,提出了基于ELM的医学图像的分割技术,结合滤波去噪、形态学提取和边缘检测等图像处理方法,设计了一种应用于CT图像的轮廓描绘方法。广西肿瘤医院提供的CT图像分割结果表明:相比于SVM、OTSU及区域生长法,本文所提方法能够显著的降低分割所需时间,提高分割效率,而将分割结果与医生手工描绘轮廓相比,能够满足医学上放疗图像引导治疗要求。