尿液显微图像检测中的目标自动定位

尿液显微图像是典型的弱边缘图像,基于Snake模型的改进算法能有效改善对尿液显微图像中有形成分进行分割的效果.针对在弱边缘图像实施Snake算法前的预处理,提出一种如何对图像中各个有形成分进行目标中心自动定位以及对snake点实现自动初始化设置的新算法,特点为采用了图像二值化、数学形态学等处理方式.实验表明了算法的有效性.     

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.     

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。     

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.     

一种基于初始化Snake轮廓线的混合舌图像分割算法

Snake模型是一种常用的舌图像分割方法,但Snake对初始轮廓的定位准确度要求较高,且对噪声敏感.为此提出一种基于双层极坐标边缘检测的算法以获取舌体的粗略边缘,再使用Snake模型根据局部细节对舌体粗略边缘进行修正得到准确的舌体边缘.基于500幅舌图像进行的实验结果表明,该方法的分割正确率达到95.6%,是一种较有效的分割方法.     

序列超声图像边缘检测与跟踪的改进Snake模型

提出了一种序列超声图像边缘检测与跟踪的离散动态模型.在基于动态规划的Snake模型中,引入目标边缘的形状信息改进了内部能量约束形式;充分利用序列图像相邻层间的灰度相关信息弥补了传统Snake模型中图像梯度能量对噪声敏感的不足.实验结果表明,改进的Snake模型仅需少量的用户交互就能快速、准确地从超声序列图像中检测、跟踪出目标物体的边缘,在医学图像分析中具有一定的实用价值.     

基于深度残差网络的医学超声图像多尺度边缘检测算法

为提高医学超声图像在临床诊断的效果, 需先对图像进行优化检测和识别, 提出一种基于深度残差网络的医学超声图像多尺度边缘检测算法. 首先, 通过对原始医学超声图像进行自动标注, 构建医学超声图像灰度分布矩阵, 利用分布矩阵完成医学超声图像的多尺度分割; 其次, 构建医学超声图像多尺度边缘的轮廓模型, 提取多尺度图像边缘特征; 再次, 构建深度残差网络结构, 采用深度残差学习算法进行超声图像的底层图像信息融合; 最后, 对融合后的边缘图像数据进行多尺度边缘检测. 实验结果表明, 该算法的图像分割精度高, 特征提取准确率达80%以上, 图像边界中间断区检测效果较好, 边缘点查全性较高, 算法检测耗时短、收敛性强.     

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.     

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。     

超声图像的半自动分割

提出了超声图像半自动分割的一种新方法。其基本思想是通过引入一种新类型的力场和一个控制点插入策略 ,将用户交互作为一个重要因素与 B样条蛇模型的搜索过程相结合 ;并可通过交互学习 ,实时地训练蛇模型的纹理统计参数 ,达到用户满意的分割结果。算法特别适用于必须经过用户交互的连续切片的分割。实验结果证明了算法的快速性和可靠性。     

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。     

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.     

基于模糊规则自动获取的模糊主动轮廓模型

为了引入更多的不确定性先验信息来指导轮廓提取,首先提出了一种新的模糊主动轮廓模型(FuzzySnake),然后针对模糊主动轮廓模型中模糊推理规则难以确定的问题,提出了一种改进的遗传算法———多种群共生遗传算法,并用于相关模糊规则的自动获取,最后给出了用新的模糊主动轮廓模型从人工合成图像、加噪测试图像和实际的超声图像中提取目标轮廓的实验结果.实验表明,在模糊主动轮廓模型中利用多种群共生遗传算法进行模糊规则自动获取,不仅能有效克服模糊规则需向领域专家学习才能获取的局限性,而且能有效地降低传统模型对噪声的敏感性,使模型的参数调整得以简化.     

参数化水平集活动轮廓模型的快速图像分割算法

为了提高图像分割的速度,提出一种参数化水平集活动轮廓模型的快速图像分割算法.该算法中的水平集函数由参数向量确定,而非带符号距离函数,降低了水平集函数的维度.将参数化的水平集函数嵌入到经典的LGDF(local Gaussian distribution fitting)模型中进行图像分割,不需要重新初始化和额外的正则项,同时可选择较大迭代步长.实验结果表明:所提方法能够有效地分割超声、CT和核磁等医学图像,与带有正则项的分割算法LGDF和最近提出的快速分割算法MSLCV相比,在保证分割精度的同时,计算速度得到了明显提高.     

基于模糊集与区域生长算法的胎儿下腔静脉血管超声分割

本方研究了胎儿下腔静脉血管在B型超声图像中的分割问题.B型超声使用方便,在临床中有广泛使用,但其图像有噪声多、对比度差的缺陷.为了有效地在B型超声图像中分割血管,提出了一种基于模糊集与区域生长算法的分割算法;该算法预先使用模糊集算法处理,以提高图像对比度;并使用基于梯度改进的自适应区域生长算法进行分割.实验以医生的手工分割结果作为金标准,并与阈值分割和水平集算法进行了对比.实验表明,该方法的准确度和稳定性高于阈值分割和水平集分割方法结果.     

基于U-Net和Res_UNet模型的 传送带矿石图像分割方法

针对传送带矿石图像中矿石粘连和边缘模糊造成的分割不准确问题,提出了一种基于U-Net和Res_UNet模型的传送带矿石图像分割方法.该方法首先将待分割图像经过灰度化、中值滤波和自适应直方图均衡化处理后,利用预训练的U-Net模型提取图像轮廓;然后,将图像轮廓二值化后,利用预训练的Res_UNet模型进行轮廓优化;最后,利用OpenCV得到分割结果.与基于形态学重建的分水岭算法和NUR法分别对10张测试图进行实验比较,结果表明,所提出的利用深度学习实现矿石轮廓检测和优化方法分割的结果更加准确,证明了其对传送带矿石图像分割的有效性.     

基于贪婪Snake模型与多尺度分析的图像分割

为了准确分离目标区域,提出了一种基于贪婪Snake与多尺度图像增强相结合的新的轮廓分离模型.首先对输入的图像给定一个初始轮廓,然后应用多尺度分析进行图像增强,之后在不同的尺度中运用贪婪Snake模型进行轮廓的分离,最终分离出理想的目标轮廓.实验证明该方法提高了分割的精度.     

融合KFCM与改进DRLSE模型的甲状腺结节图像分割

针对超声甲状腺结节图像分割问题,提出一种融合模糊核(KFCM)聚类算法与改进距离正则化水平集演化(DRLSE)模型的分割算法,解决了DRLSE模型对初始轮廓敏感、演化参数需要人工设定及分割弱边缘能力较差的问题.该算法先利用KFCM聚类算法粗分割出结节区域并二值化作为水平集初始演化轮廓,然后利用初始演化轮廓围成的区域自动计算出水平集演化参数,最后采用高斯正则化规则演化水平集分割出甲状腺结节区域.对比实验结果表明,该算法提高了甲状腺结节的分割精度,在噪声干扰下也能准确地分割出结节区域.