基于GVF Snake和边界跟踪的主动轮廓图像分割

梯度向量流蛇(GVF Snake)模型在处理图像分割问题上取得了较好的结果,但它对初始轮廓曲线的依赖程度较大且梯度向量场计算时间较长,故此提出一种基于GVF Snake模型和边界跟踪的轮廓提取图像分割算法。该算法利用边界跟踪算法进行粗糙的分割,获取边缘位置有效信息点,经采样后生成一条初始轮廓线。同时,基于拉格朗日法求解梯度向量场的方法,提出一个距离终止条件以提高计算速度。实验结果表明,与GVF Snake、手动GVF Snake和CV活动轮廓算法相比,该算法有效提高了图像分割的自动化程度和分割精度。     

基于小波变换的改进DDGVF医学图像分割算法

针对传统Snake模型不能很好地分割带有凹陷边缘图像的问题,提出了一种改进的结合小波的动态方向梯度向量流(简称DDGVF)模型.该算法首先利用小波变换的多尺度特性对待分割图像进行3层分解,然后在每层分解的图像下进行DDGVF算法的分割,不断获得更加精细准确的目标轮廓,最后达到准确分割.针对合成图像、含有噪声的图像和真实的CT以及MRI医学图像进行仿真实验.结果表明:改进算法能很好地解决传统Snake模型不能深入分割凹陷区域、捕获目标范围小等问题,并且具有分割时间较少的优点,是一种高效准确的医学图像分割算法.     

WaterBalloonsSnake模型的数字图像轮廓提取算法

为解决数字图像如左心室MRI图像存在着弱边缘、与周围组织之间的低对比度区域的特点,传统的Snake模型算法分割数字图像,出现变形曲线泄漏现象这一问题,提出一种改进的Balloons Snake模型-Water Balloons Snake图像分割算法.该算法利用数学形态学理论自动获取左心室数字MRI图像的重心以及边界形状变化允许空间,采用分水岭变换算法获取图像轮廓内壁分水岭线,并以此作为Snake数字模型的初始样条曲线进行进一步轮廓捕获.以小香猪左室加标记MRI数字医学图像作为应用研究对象,对比了几种模型的不同处理结果.实验表明WaterBalloons Snake模型算法比经典Snake模型或Balloons Snake模型算法能够更有效地处理变形曲线泄漏问题,并且具有较快的收敛速度.     

基于边缘保护扩散的梯度矢量流测地线活动轮廓模型

针对梯度矢量流测地线活动轮廓(gradientvectorflowgeodesicactivecontour,GVFGAC)模型对弱图像边缘敏感,轮廓演化难以进入目标细长的凹部,容易陷入局部极小值的问题,提出了一个基于边缘保护扩散的梯度矢量流测地线活动轮廓模型.在新模型中,采用各向异性扩散方式构建一个新的梯度矢量流场,使活动轮廓能够有效地克服弱边缘的干扰,收敛到期望的边缘位置.实验结果表明,与GVFGAC模型相比,新模型能够获得较好的分割结果,综合性能优于GVFGAC模型.     

基于小波分析与Snake模型的图像边缘检测方法

利用小波分析理论和GVF(梯度矢量流)Snake动态轮廓模型方法，提出了一种图像边缘检测的新方法-WVF(小波变换矢量流)Snake模型。计算机模拟表明，该方法克服了小波分析方法得到的边缘不连续的缺点，同时比GVFSnake模型具有更好的抗噪性。从而提高了动态轮廓模型方法检测复杂图像边缘线的能力。     

基于推广的长程外力场的库仑Snake算法应用于MR心室图像的分割

提出了一种Snake算法的新的外部能量模型,用基于库仑定律的图像库仑场代替传统Snake中的外力场,并对该外部能量场进行了推广,根据图像的边缘特征自动设定参数,使其外力具有真正的长程性．实验结果表明,该方法提高了分割精度,减少了外部能量场中存在的局部最小,从而大大减少了对初始轮廓的限制,同时减少了人工干预。     

基于改进活动轮廓模型的超声图像分割

活动轮廓模型被广泛应用于医学图像分割之中，文中提出了一种改进的快速活动轮廓分割法。原算法在优化过程中容易缩成一点，其初始轮廓必须给定在图像边缘附近，改进的快速活动轮廓算法给出了不同于原算法的内部能量函数，并增加一自适应的约束力，扩大了算法捕捉图像特征的范围。实验结果表明：该算法快，能在更大的范围内捕捉图像特征，是一种有效的分割超声图像的算法。     

主动轮廓模型及其在医学体分割中的应用

利用医学序列切片在灰度值和空间位置上的相关性,对传统主动轮廓模型进行改进,将其应用于医学体数据分割中.以物体轮廓采样到其相邻两采样点中点的距离为内部能量函数,同时通过制约轮廓的长度,使其尽可能短来达到;利用图像区域的局部梯度信息,同时利用序列图像之间局部区域的全局信息及其相关性重新构造外部能量函数;并根据内外部能量的比值,动态的调节权值参数.实验结果表明,改进算法既可以有效地检测出一些拐角点和凹点,又可以避免目标边缘收敛于某些噪声点或伪边缘点,可达到良好的体分割效果.     

基于三阶样条曲线拟合的改进Snake模型在医学超声图像分割中的应用

鉴于医学超声图像所具有的复杂性,采用基于样条曲线拟合的改进Snake模型来实现对心脏超声图像的分割.为了克服传统Snake模型对初始轮廓的依赖性,采用扇形法获得靠近目标边界的初始轮廓点,并且得到的轮廓点是有序点集.能量最小化过程运用贪婪算法来获得图像的特征边缘点,最后采用三阶样条拟合的方法来获得连续的图像边缘.实验结果表明,采用本方法可以获得连续、封闭的边缘曲线,能够较好地将目标从图像中提取出来.     

改进的几何活动轮廓演化及其在目标跟踪中的应用

为提高几何活动轮廓分割算法的分割效率和准确性,设计了新的边缘检测与跟踪算法.首先采用矢量图像计算图像的梯度值,并设计能够自适应调整阈值的边缘指示函数,进而提出改进的变分水平集演化模型;然后设计基于该改进模型的边缘检测算法,并在无迹卡尔曼滤波器框架下设计了运动目标的跟踪算法.实验结果表明,文中算法不但显著地提高了轮廓演化模型的灵活性和收敛速度,而且对阴影、遮挡、目标形变和背景干扰等具有较好的鲁棒性.     

Snakes外力场的改进及其左心室MRI的精确分割

参数活动轮廓模型（Snakes）分割图像时有两个明显的缺陷：要求初始轮廓线位于图像特征附近，且对深度凹陷区域的分割也不理想。基于梯度向量流（GVF）Snakes较好地解决了传统Snakes的两个本质缺陷。但是，由于GVF Snakes内力的性质和GVF的光滑性，使得对曲率大的边缘点不能精确定位。该文通过采用各向异性方程对图像扩散平滑和边缘增强，改善计算势能力场和梯度向量力场指向边缘的精确度。两种力场的有机组合作为Snakes的外力场。这种新的力场Snakes具有GVF Snakes和势能力场Snakes的优点，对左心室核磁共振图像（MRI）进行分割能得到精确的边缘轮廓。     

基于边带限制的梯度矢量流主动轮廓线模型的超声图像分割

主动轮廓线模型是广泛应用于数字图像分析和计算机视觉等领域的一种目标轮廓跟踪算法，非常适合于医学图像（如CT和MRI）的处理。但将这一模型应用于超声图像的分割和目标轮廓的跟踪时，由于超声图像不可避免地存在着斑点噪声、弱边界和与组织有关的纹理，往往使传统主动轮廓模型难以获得满意的轮廓跟踪效果。为此，在梯度矢量流主动轮廓线模型的基础上，引入边带限制概念，并将该模型应用于超声图像的分割。实验表明，该方法较好地限制了非目标边缘和噪声干扰的影响，而且对超声及其序列图像具有较好的分割效果。     

控制活动轮廓演化的快速图像分割方法

针对目前图像分割方法较难精确、 快速地实现图像分割的问题, 提出一种控制活动轮廓演化的快速图像分割方法. 首先用外部能量与内部能量加权和作为曲线能量函数, 用封闭曲线外部与内部能量建立活动轮廓波模型； 然后用最优路径移动更新曲线能量, 获取所需图像分割目标； 最后引入粒子群优化算法获取全部初始轮廓点的最优控制点, 根据最优控制点控制活动轮廓演化达到实现目标图像准确分割的目的. 实验结果表明, 该方法的图像分割精度明显高于目前典型的图像分割算法, 提高了图像分割的抗噪性能及图像分割速度.     

顺序统计滤波能量驱动的鲁棒快速图像分割

为了提升图像分割的速度与初始轮廓和参数鲁棒性,提出了一种基于有序统计滤波能量驱动的鲁棒主动轮廓模型。首先用顺序统计滤波的边力函数来代替传统的数据拟合,进一步引入边力函数能量泛函快速自适应地吸引曲线向目标的边界演化。为了有效地调节水平集函数,利用优化后的长度项对曲线进行平滑和缩短,并通过标准梯度下降法将能量泛函最小化。最后实验结果表明提出的方法能够更加快速、准确地分割图像,并且对初始轮廓和参数具有较强的鲁棒性。     

融合随机森林的C-V模型肝脏超声图像分割

医学图像分割是临床诊断的关键环节,分割结果将直接关系到后续对病灶的识别。C-V模型(Chan-Vese)大量应用于各种医学图像分割过程。围绕肝脏超声图像,针对传统C-V模型依赖初始轮廓及运算复杂耗时的特点,融合随机森林方法,提出一种基于边缘引导能量函数和局部约束特征的分割方法,利用随机森林节点生长和分类速度快的优势,在粗分割的基础上形成无需初始化的C-V模型,而后借助分类特征得到精准的肝脏区域及病灶分割结果。实验证明,经过优化的改进方法是可行有效的,对于图像中的组织和病灶区域能有效分割和提取     

常值初始化的自适应活动轮廓模型

李纯明提出的水平集方法(LI模型)很好地解决了测地活动轮廓模型(GAC)的重新初始化问题,但该模型对边缘信息较弱或者灰度不均匀的图像分割结果仍然不理想.针对这些问题,提出常值初始化的自适应活动轮廓模型,该模型中自适应力的系数包含了图像的灰度信息,从而提高了活动轮廓在演化过程中对模糊边界的识别能力;同时,重新定义的外部能量,避免过分割现象.实验结果验证了模型的有效性.     

融合C-V和GVF的测地线活动轮廓模型

对于有凹陷边界或弱边界的待分割目标,采用传统的测地线活动轮廓(GAC)模型无法进行准确的图像分割.为了解决这一问题,提出了一种融合C-V模型、GVF模型和GAC模型的图像分割算法.在该算法中,GAC模型的单位内法向量与GVF模型的梯度矢量流共同作用,促使轮廓曲线向目标的边界方向运动;而GAC模型单位内法向量与C-V模型的区域信息的力场共同作用,不仅促使轮廓曲线向目标的边界方向运动,而且使轮廓曲线稳定在目标的边界上.仿真实验证明了上述方法的有效性,同时还证明了该方法对轮廓曲线的初始位置具有较好的适应性.