基于形态学运算的种子轮廓自动获取方法

为解决传统手工初始化种子轮廓影响肝脏分割算法稳定性的问题,提出了一种基于形态学运算的自动种子轮廓获取方法.根据序列CT图像中肝脏的灰度特性和结构特性,利用线性灰度变换、阈值滤波、中值滤波及对比度增强对肝脏CT图像进行预处理操作,进而通过形态学腐蚀运算快速准确获取肝脏自动分割需要的种子轮廓.实验结果表明,该自动种子轮廓获取方法可以快速、准确地定位出肝内种子轮廓,保证种子轮廓不会因操作人员不同而发生位置变化.     

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.     

基于距离场的非线性图像插值分割方法

对于医学序列切片,需要图像分割技术将图像中感兴趣区域ROI(region of interest)提取并进行三维重建.提出一种基于距离场的非线性图像插值分割方法,该方法克服了软组织因灰度值分布不均匀难分割的问题,可以快速提取ROI区域.实验表明用该方法进行医学序列切片的分割,可以得到良好的分割结果,并已成功地应用于医学数据的三维重建系统中.     

一种改进的基于梯度的自适应边缘检测算法

对常见的边缘检测算法进行改进,从梯度的定义出发,提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边缘处像素灰度值的差异,将模版中的9个像素分两组进行分析,计算出像素的梯度幅度和梯度方向.按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

基于清晰度评价的自适应阈值图像分割法

阈值法是一种被广泛使用的图像分割方法.本文从图像中信息的变化情况出发,提出一种基于图像清晰度评价的新颖的自适应阈值分割方法.该方法采用清晰度评价函数作为阈值化后图像内灰度相似性变化的度量方法,通过反复迭代并结合皮尔逊相关性直至找到最佳的分割阈值.通过多组图像数据尤其低对比度图像,包括钢板表面轻微缺陷等图像进行了测试对比.结果表明:相比传统阈值分割方法及其改进算法,在低对比度图像的处理上,本文方法能够自适应地准确找到合理阈值,具有优异的图像分割性能.     

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.     

应用局部自适应阈值方法检测圆形标志点

利用圆形标志点的几何和灰度特征,在图像中搜索具有符合该特征描述的区域,对圆形标志点进行粗定位.对粗定位区域的扩展区域使用最大类间方差阈值分割法分割出圆形标志点轮廓,并对像素轮廓进行最小二乘拟合,计算出圆形标志点的中心坐标及拟合轮廓各参数,根据该参数筛选保留所需标志点中心坐标.结果表明:该方法使用局部的大津阈值检测圆形标志点,能够避免全局阈值的缺陷,提高标志点检测的检出率;采用最小二乘椭圆拟合提取标志点中心,能够达到亚像素级精度.     

中国数字人切片图像的自动配准与分割方法研究

提出了一种新的方法,用于解决数字人数据集重建前的切片图像配准和分割问题.首先利用改进的彩色空间动态阈值法和形态学处理提取切片图像的定位杆坐标,在此基础上对原始图像进行变换,从而实现数据集的配准;其次根据配准后数据集相邻切片目标轮廓在位置和形状上的相似性,利用前层切片分割结果指导初始化位置和限制搜索空间的主动轮廓模型,实现了配准后数据集的自动分割.所提出的方法在数字人切片图像的分割中取得了令人满意的效果,并且该方法还可以应用在CT、MRI等医学图像序列中的器官和部件的分割中.     

一种用于超声图像序列分割的水平集演化方法

超声图像具有低信噪比、边界模糊、边界部分缺失、灰度不均等特点,对它的分割极具挑战性.而图像分割又是图像定量、定性分析的关键环节,分割的精确性对后续的分析、处理工作影响重大.距离保持水平集演化(DRLSE)方法对超声图像中出现的弱边界、被部分遮挡边界的分割较差,容易受噪声和灰度不均的影响,因此易造成弱边界泄漏、局部最优等误分割问题;并且初始轮廓对位置敏感,这使得分割的正确性严重依赖初始轮廓位置的选择,故不能对图像进行批量处理.为此提出了一种优化策略:融合基于局部区域的灰度信息和基于边缘的梯度信息构造新的边缘停止函数和面积项权系数,使得演化曲线不仅能够自适应地改变演化方向更有利于对图像序列的处理,同时对斑点噪声和灰度不均问题也有很好的抑制能力;另外,构造了一个先验形状约束项,利用前一帧的分割结果对当前帧的分割进行约束,促进曲线正确演化至目标边界,使得对边界部分遮挡的图像也有着更精确的分割效果.通过合成图像和真实超声图像对分割算法进行了性能分析,设计了基于边缘的豪斯多夫距离和平均绝对距离对算法分割轮廓和医生分割轮廓之间的距离差异性进行度量,实验证明优化策略相比于DRLSE模型和其传统优化模型,有着更高的分割精度,分割效果更出色.     

一种针对超声检测图像的自适应阈值设置方法

在对图像阈值分割进行分析和已有算法的基础上,提出了一种针对超声波无损检测C扫描图像的自适应阈值设置方法,以实现对超声波C扫描图像的准确定量评估。该方法根据C扫描图像的灰度分布自动地计算相应的阈值,并进一步对特征区域进行分离和评估,从而克服固定阈值方法受超声波能量偏差影响大、难以准确评估的缺点。将该方法获得的结果与最大类间方差、最小交叉熵等方法的处理结果以及通过腐蚀试验获取的实际检测界面结果进行了对比,结果表明:该自适应阈值设置方法与其他分割方法相比,评估的结果更加准确,运算时间更短,并且结果受超声波能量偏差的影响最小。     

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.      

基于神经网络的自适应图像分割

非均匀光照条件下的图像目标难以用阈值选取方法分割，本文使用神经网络建立自适应阈值曲面，以此作为图像分割的依据．自适应阈值曲面由图像中具有高Ｌａｐｌａｃｅ值的边缘拟合而成，拟合过程由神经网络实现．计算机摸拟证实了此设想的可行性以及相对阈值分割方法的优越性．     

图像测量中条带图像的分割

在图像测量中，需对复杂光场下获取的图像进行分割，用常用的阈值分割方法对其进行分割时，不能很好地克服光照明暗不同对图像产生的影响，提出了一种基于零交叉检测器的动态阈值选取方法，经过在实际项目中运用，证明其效果良好，能有效克服非均匀光场对图像分割结果所带来的影响。     

基于分水岭变换的互相遮挡交通标志自适应分离

针对交通标志检测中标志互相遮挡导致检测性能下降的问题,提出一种基于分水岭变换的互相遮挡标志自适应分离算法.基于RGB归一化阈值分割算法对标志图像进行二值化处理,然后构造区域轮廓特征矢量对二值图像中各个兴趣区域进行匹配,确定并提取互相遮挡标志候选区域Blob.对提取的低维数Blob进行形态学膨胀处理,使不连续的边缘趋于连续,然后利用欧氏距离变换和分水岭变换寻求标志间分水岭脊线,利用脊线实现标志的自适应分离.实验结果表明算法取得较好的分离效果,在整个标志检测应用中,与现有算法相比,检测率提高了6.1%,处理速度提升了近3倍.     

基于分割图像最大信息量的阈值化算法

简述了目前利用熵的原理对图像进行阈值化分割的几种方法,把图像假设为L个符号的信息源,图像的分割类比于数据信号通过有扰信道过程,分割后的图像具有一定信息量,提出使分割后的图像具有最大信息量的阈值化方法。将图像背景与目标的条件概率假设为正态分布,利用贝叶斯公式估计出其后验概率,搜索使分割后的图像具有最大信息量的阈值,比较了新算法与其它基于香农熵算法的特点和分割性能。     

基于Tetrolet变换的自适应阈值去噪

提出一种新的阈值函数,在Tetrolet变换域中利用此阈值函数通过最小均方误差进行自适应图像去噪.此方法主要优点是利用图像Tetrolet变换的多尺度框架和方向性来保留原始图像的边缘和纹理等重要信息,同时在Tetrolet变换域中利用新阈值函数通过LMS算法来对图像自适应去噪.实验结果表明:该算法具有更高的峰值信噪比和更好的视觉效果,是有效可行的.     

电视图像目标实时分割与识别算法

研究一种电视图像目标实时分割和识别算法.在二维图像不变矩和相对矩的基础上,进一步组合优化得出4个不变矩,结合复数矩、圆方差和椭圆方差组成目标特征向量,利用k-近邻法实现目标的识别和分类.图像分割采用改进矩不变阈值分割和基于梯度的自适应阈值分割提取目标.仿真实验表明,提取的目标特征量对于平移、缩放和旋转均能保持较好的不变性.用该分割算法分割的图像边缘清晰,分割时间为8 ms,易于硬件实现.     

基于自适应阈值的棉网图像中结杂的识别

在棉网图像中,棉结和杂质(简称结杂)大多都混杂在聚集的纤维网中难以检出和识别.针对这一问题,提出了一种将最大类间方差法(Otsu法)与线性回归相结合的棉网图像结杂分割方法.首先对棉网图像进行预处理,然后根据Otsu法获取棉网图像与背景分开的阈值,再根据线性回归找出该阈值与结杂灰度的关系,获得结杂分割的最佳阈值,从而实现结杂的识别.     

基于动态阈值选择和细化算法的角膜细胞轮廓抽取

角膜细胞图象轮廓提取的关键是分隔出细胞与背景,生成二值图象．由于角膜细胞图象的光照不均匀,用单一域值无法兼顾亮区与暗区．提出了一种基于动态域值选择和细化算法的角膜细胞轮廓抽取算法．首先对处理图象进行灰度平均和中值滤波平滑处理,消除细胞内部的不均匀性和保持细胞之间的边界;然后用动态域值选择算法分割细胞和背景;最后使用细化算法抽取细胞的轮廓．此算法应用于角膜细胞图象,处理结果证明了算法的有效性．     

一种新的图象分割方法

大多数图象处理系统都需将目标从背景中分离出来。本文介绍一种新的自适应门限图象分割方法。门限曲面通过梯度值较大的象素点即可能的边缘点灰度值内插得到。