一种改进的B-Snake肝癌图像分割算法

针对肝癌CT图像特点,提出了一种改进的B样条曲线的Snake模型图像分割算法,该算法首先对腹部CT图像进行预处理,获得肝脏癌变部分的初始轮廓,再构造闭合B样条Snake模型,最后使用MMSE最小化外力变形模型以实现图像的准确分割。实验结果表明,该方法对于肝癌CT图像取得了肝脏癌变部分目标的良好分割效果。     

弱边缘医学超声图像目标区域的自动定位与分割

医学超声图像分割是图像处理中的一项关键技术.以胆结石超声图像为例,介绍一种新的弱边缘超声图像分割算法.首先采用基于直方图凹度分析的阈值分割方法确定Snake模型的初始蛇,再基于Snake模型结合贪婪算法对图像进行目标分割.实验结果表明该算法对弱边缘现象较为严重的医学超声图像进行目标分割时,定位准确,且分割效果良好.     

测地线主动轮廓模型在图像分割中的应用

Snake模型在图像分割中的应用主要有以下的缺陷:对初始位置敏感;实现曲线的拓扑变化比较困难。测地线主动轮廓模型是一种几何主动轮廓模型,在解该方程时采用LevelSet方法,这样曲线不管怎么演化,水平集函数总保持某种性质。通过实验表明,该模型受初始位置影响不大,而且能很好处理多目标物体分割问题,同时在遇到模糊的图像边缘时,可以利用曲线的几何结构信息,来获得图像的边缘。     

彩色图像目标轮廓提取算法研究

提出了一种新的彩色图像的边缘提取方法：首先选取信道相关性最低的lαβ彩色空间,在此空间中采用基于小波变换的图像边缘检测方法进行了边缘点检测,并进行了阈值的有效确定;然后利用改进的GVF Snake模型CGVF（Color Gradient Vector Flow）Snake模型进行目标初始轮廓线的自动设置,通过极少次的逼近,得到彩色图像的目标边缘.实验结果表明,本方法提高了边缘检测的准确性,同时可以成功检测出彩色图像的目标轮廓.     

一种改进的Snake模型

Snake模型对初始位置敏感，因此要求初始轮廓应尽可能地靠近真实轮廓，否则结果常达不到要求。使用Snake模型分割序列图像时，常常利用连续图像的相关信息来获取某一图像的初始轮廓，这样获得的初始轮廓有时不仅不靠近真实轮廓，而且它的一部分在真实轮廓内，而另一部分在外。针对该问题做了研究，极大地放宽了初始轮廓选取条件。     

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.     

基于局部统计特征约束的Snake模型图像分割方法

针对血管内超声(IVUS)图像边界模糊不清的问题,提出一种基于局部统计特征约束的Snake模型图像分割方法.首先利用IVUS图像的先验知识建立图像特征的统计信息,并以此信息构造变化的膨胀力,同时构造了轮廓曲线的内部平衡力,以此构造新的Snake模型,然后利用该模型进行图像分割.实验结果表明,该Snake模型对初始轮廓依赖性小,对噪声不敏感,能准确分割出具有模糊边界的目标图像.     

一种改进的Snake模型及其在医学图像分割中的应用

以超声肿瘤图像为例,将改进的Snake模型应用到超声图像的目标轮廓提取中,并取得了较好的效果。首先采用数学形态学方法对图像进行增强预处理,从而提高图像的对比度,将肿瘤区域凸显出来;然后利用改进的Snake模型提取肿瘤的边缘。该方法与传统的轮廓提取方法相比,具有捕获范围广、抗噪性强等特点。实验结果表明,采用该方法可以准确地提取肿瘤区域的轮廓,在临床上具有广泛的应用前景。     

基于改进Snake模型的医学图像分割

活动轮廓模型(Snake模型)被广泛应用于医学图像分割之中,传统的Snake模型在分割图像时要求初始轮廓线必须给定在图像边缘附近,且难以收敛到凹陷轮廓。本文针对Snake模型的这点不足,通过改进外部能量项,提出了一种基于梯度矢量流活动轮廓模型的医学图像分割算法。该算法用梯度矢量流代替图像梯度进行外部能量的计算,克服了传统Snake模型力场范围小以及不能收敛于凹形边缘的缺点。实验结果表明:改进模型能够有效的分割心脏MRI图像,是一种有效的方法。     

对复杂边缘检测的Snake改进算法

针对Snake原始模型对包含凹陷形状目标或信噪比较低的图像边缘检测结果差的问题,通过对复杂形状目标及含噪声图像的特性研究,从能量函数和迭代策略两个方面对Snake原始模型进行改进,增加了新的控制能量,并对各能量因素的影响权值进行了讨论,同时对蛇点采用了动态分布方法,以适应不同的目标形状特性.仿真结果表明,改进后的Snake模型较原始模型大大减弱了对蛇点初始位置的依赖,并在一定程度上有效地克服了图像噪声对迭代算法的影响,提高了对复杂目标的边缘检测性能.     

采用改进Snake模型的胸片肺野自动分割方法

为了解决传统Snake模型应用于X光胸片肺野分割时,对人工初始化轮廓的选择敏感、对凹陷区域分割不准确等问题,提出一种基于自动初始化Snake模型的X光胸片肺野自动分割方法.该方法首先通过Otsu法对原始图像进行二值化,得到包含肺野、背景区域的二值图像,并经过图像取反和连通域处理,运用形态学方法,得到只含有肺野区域的二值图像;然后,通过边界提取,完成对Snake模型轮廓的自动初始化;最后通过Snake模型的演化,得到分割结果.实验结果表明:该方法能摆脱Snake模型对人工初始化轮廓的依赖,提高分割的鲁棒性,同时对凹陷区域的分割更准确,具有更好的分割效果.     

基于水平集和视觉显著性的植物病害叶片图像分割

为了提高植物病害叶片图像分割的准确性和效率,提出了一种基于水平集和视觉显著性的彩色图像分割方法.首先采用基于小波变换的显著性检测算法得到活动轮廓模型中曲线演化的初始位置,并构造一个基于显著区域的图像活动轮廓模型,再设计一个向量值图像的边界检测算子,引入到距离正则化水平集演化的改造中,以构造一个初始化轮廓更灵活,演化速度更快,目标分割更精确的新的水平集能量泛函.最后的实验对比表明,该方法具有较好的叶片病害部位分割效果.     

基于Snake模型的图像目标轮廓自动跟踪方法

针对实验数据像素灰度的分布特点，提出了一种对目标轮廓线进行有效和可靠的搜索和跟踪策略．由于数据中病变组织与其邻近组织像素灰度差别相对明显，首先通过来用一种改进的轮廓自动跟踪方法对目标轮廓进行跟踪，将得到的轮廓线经采样得到其离散控制点作为Snake轮廓搜索和跟踪算法的输入，既克服了Snake方法对初始轮廓线控制点分布的局限性，又避免了采用单一轮廓跟踪方法跟踪目标轮廓线的不确定性，提高了分割病变组织的速度和准确性，此方法具有较高实用意义。     

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。     

基于K-means和GVF Snake模型的纤维图像分割

在纤维图像自动识别系统中,分割出完整连续的纤维是纤维特征分析的必要前提.针对纤维图像的背景和前景灰度区别不大、光照不均对图像的影响等特征,提出融合K-means和GVF(Gradient Vector Flow)Snake模型的纤维图像分割算法.该算法以提取完整连续的纤维轮廓为标准,利用K-means聚类分割结果为GVF Snake模型的初始轮廓线,并对得到的存在毛刺的轮廓结果采用轮廓跟踪去除毛刺,从而得到完整连续的单根纤维图像.该算法不仅能有效解决传统图像分割方法对纤维图像分割的不连续问题,而且能有效抑制纤维图像中噪声的影响.     

边界连接算法探测尿沉渣管形边界

图像的边缘信息是图像分割的重要基础．在图像噪音较小的情况下，经典边界算子可以得到较好的处理结果．但是在处理噪音较大的图像时，经典算子就难以满足要求了．在经典算子的基础上，结合边界跟踪和曲线拟合的理论，得到了能较好处理一般质量图像边界的算法．将该算法应用于模拟图像和实际尿沉渣图像管形边界的探测，比较准确地得到了对象的连续边界。     

目标组织轮廓的三次非均匀B样条逼近

提出断层医学图像中目标组织轮廓最少数据点描述的样条曲线建模方法．首先采用多边形逼近将图像分割和轮廓跟踪所获得的目标组织轮廓线上几乎共线的部分离散数据点去除；再以剩下的轮廓数据点作为型值点，采用周期B样条曲线逼近的方法，得到控制误差条件下最少数据点描述的目标组织轮廓曲线，并依照IGES标准，输出医学内植物设计和骨组织有限元分析所需的目标组织样条曲线几何模型．     

基于小波双立方插值的Bessel拟合图像复原算法

对模糊图像复原的目的在于对图像进行去模糊、去噪及建立在特征值基础上的矢量化处理,最大限度恢复原图像。本文提出了一种基于小波双立方配比插值的贝塞尔拟合图像边缘特征复原的新算法,在初始图像降质处理基础上通过小波双立方配比插值（Wavelet Bi-cubic）、双三次插值法得到融合样本图像,并在Canny边缘检测基础上提出对拟合边缘特征点的贝塞尔曲线拟合,最后将图像特征轮廓分别进行Delaunay剖分算法的矢量化处理,保留原始灰度色彩复原图像。实验对这三种方法的轮廓复原图像与原始清晰图像进行对比,由具体参数（PSNR、SSIM、FSIM以及运算时间TOC等）说明验证。实验结果表明,经由小波双立方配比插值与贝塞尔拟合得到的轮廓图像复原比双三次插值与贝塞尔拟合得到的轮廓图像复原效果要好,且明显缩短运算时间。     

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。