基于模糊C均值聚类能量最小化的超声图像分割

 提出了基于模糊C均值能量最小化的活动轮廓模型.该模型首先对待分割图像进行模糊C均值聚类得到前景和背景的模糊隶属度值,然后将待分割目标的局部像素信息和它的隶属度值作为活动轮廓模型的水平集函数的初始值,改进了传统的求解Euler-Lagrange方程使活动轮廓的能量极小化的模型,利用快速算法直接计算模糊C均值能量最小化驱动传统活动轮廓模型的曲线演化.将提出算法与经典的活动轮廓模型分割算法比较,对仿真和临床的超声图像分割实验结果表明：提出算法能很好地分割像素不均匀、边界模糊、含有斑点噪声的超声图像,具有较好的分割性能和较快的分割速度.     

基于法向力活动轮廓模型的医学图像分割

提出法向力活动轮廓模型并应用到医学图像分割中，实验结果表明该模型能扩大初始轮廓曲线收敛范围，正确分割侧脑室图像．而且，初始轮廓曲线愈接近目标真实边界，迭代次数愈少，分割速度愈快．     

基于法向力活动轮廓模型的医学图像分割

提出法向力活动轮廓模型并应用到医学图像分割中,实验结果表明该模型能扩大初始轮廓曲线收敛范围,正确分割侧脑室图像.而且,初始轮廓曲线愈接近目标真实边界,迭代次数愈少,分割速度愈快.     

活动轮廓模型在医学图像分割的综述

医学图像分割作为图像处理领域的一个研究热点,长期受到广大科研工作者的关注。活动轮廓模型作为医学图像分割的一个重要工具,在近30年的研究中得到了长足的发展。根据活动轮廓模型的表达方式不同,将活动轮廓模型分为参数活动轮廓模型、几何活动轮廓模型;相对于参数活动轮廓模型,几何活动轮廓模型中曲线的运动过程是基于曲线的几何度量,如曲线的法线、曲率等;又由于水平集方法在几何活动轮廓模型的成功应用,使得几何活动轮廓模型在曲线的拓扑变化、数值求解等方面有不少优势。为了全面展示活动轮廓模型的发展历程及其在医学图像领域的应用,首先简述活动轮廓模型的发展历程及一些偏微分方程的基础知识;然后,详细分析几种较为经典活动轮廓模型;接着,对两种类型的活动轮廓模型进行对比分析;最后,对全文进行总结,并对活动轮廓模型的发展与未来进行展望。     

小波能量引导下基于活动轮廓模型的部分实性肺结节分割

由于部分实性肺结节(pGGO)中的实性成分存在亮度不均匀和边界模糊等问题,传统的活动轮廓模型很难取得精确的分割结果.为此,文中提出了一种改进的小波能量引导下的活动轮廓模型来完成pGGO中实性成分的分割.首先,通过小波变换将图像的灰度信息转变成小波系数,对低通小波系数进行模糊化,以抑制图像局部区域过增强和欠增强,同时结合高通小波系数计算图像的小波能量并构建活动轮廓模型的区域项,以加强肺结节中实性成分与周围磨玻璃影的区分;然后,利用高斯混合模型计算肺结节图像的后验概率,将后验概率差作为活动轮廓模型的边界检测函数,使得在实性成分的边界处边界检测函数趋于0,轮廓曲线停止演变.实验结果显示,文中提出的模型得到的真阳性率为0.95、假阳性率为0.23和相似度为0.80,有助于pGGO中实性成分的确定.     

一种全局隶属度和小波能量相结合的活动轮廓模型

计算机化X射线体层照相(computeried tomography, CT),图像中的磨玻璃型肺结节,由于其具有模糊的轮廓,且肺结节区域与其邻域的亮度值相差很小等特性,一般的图像分割算法很难对其进行精准地分割。针对该问题,提出一种全局隶属度和小波能量相结合的活动轮廓模型。首先,利用全局隶属度函数调整初始活动轮廓曲线,使之与目标边界的距离更接近,且形状更相似;同时,基于全局隶属度的边界停止函数能快速收敛于目标边界,使得预测曲线更加贴合待分割目标;其次,基于小波能量的局部活动轮廓模型数据项增强了目标与背景之间的对比度,进而能更精准地分割在低对比度和亮度非均匀场景中的目标轮廓。将该模型应用于全实质及部分实质磨玻璃型肺结节的CT图像中,实验证明了本文算法的优越性。     

基于肤色及深度信息的人脸轮廓提取

提出并实现了一种新的提取人脸封闭轮廓的方法.首先通过三目立体视觉系统获得彩色图和深度图,然后利用彩色图的肤色信息和深度图的深度信息而惟一确定的面部区域,最后再通过对面部肤色区域轮廓提取并结合活动轮廓模型(Snake)提取下巴,从而完成整个人脸轮廓的提取.该算法能够较好地提取人脸的轮廓线,克服了下巴边界难以从颈部区域提出的困难,定位精度高,边缘连续性好,满足了人脸轮廓特征提取的要求.     

结合区域间差异性的水平集演化模型

水平集方法在图像分割中得到了广泛的应用.其中基于边缘的活动轮廓模型主要通过梯度信息驱动曲线演化到目标边界,但基于梯度信息使得在分割时会产生过分割,并且对于灰度不均匀图像处理效果不理想,有可能得到不令人满意的结果.而基于区域的活动轮廓模型则是通过区域信息控制曲线移动,使得分割的结果立足于整体图像信息.基于上述原因,本文通过在水平集中提出了一种新的区域分量,在能量泛函中加入目标区域灰度和背景区域灰度的差的平方,提出了一种改进的图像分割算法.研究结果表明,与一般的活动轮廓模型相比,加入区域间差异性信息的活动轮廓模型的分割结果更加符合实际情况并且收敛速度更快,效率更高,得到的分割结果更令人满意.     

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.     

快速有效的全局和局部能量驱动的活动轮廓模型

由全局和局部拟合能量驱动的活动轮廓模型(LGIF模型)对活动轮廓的初始化和噪声不敏感,且能够分割灰度不均匀图像;但是该模型的演化方程在每次迭代中需要进行多次高斯卷积,使得分割速度非常慢;基于这一缺点提出了一个新的模型;实验表明:该模型不仅能够分割灰度不均匀图像,而且分割效率优于LGIF模型。