用Normalized Cut法自动提取乳腺超声图像中的肿瘤边缘

提出一种带权重邻域灰度信息的normalized cut(Ncut)方法,该方法能够全自动提取乳腺超声图像的肿瘤边缘.通过Ncut分块乳腺超声图像中的各块灰度及空间分布特征来识别待检测肿瘤的轮廓.对于少数分割不精确的结果,可用结合局部能量项的动态轮廓模型对所提取的初始边缘进行修正,使其更接近真实目标轮廓.对包含112幅乳腺肿瘤超声图像的数据库进行边缘提取,结果表明:该方法无需人工干预,能够准确有效地实现肿瘤分割,且计算量小,有望提高计算机辅助诊断的自动化程度.     

离散轮廓点集法提取超声图像前列腺边缘

提出一种基于离散轮廓点集的超声图像前列腺边缘提取方法,将经直肠超声图像中的腺体准确分割出来. 该方法根据前列腺的轮廓特征对候选轮廓点进行多级筛选,再除去由于各种干扰产生的非边缘点,得到位于实际边缘的离散轮廓点集,由此确定粗糙的腺体边缘. 随后利用一种快速水平集的曲线演化方法对初始边缘进行小 范围调整,使其更接近实际的腺体轮廓. 对临床应用中的经直肠超声图像进行边缘提取实验,结果表明该方法能克服腺体外部和内部区域灰度不均一以及边缘模糊等问题,提取的前列腺边缘位置准确,轮廓完整.     

基于改进的GAC模型的图像分割

利用各向同性非线性扩散的图像滤波,并改进了Li Chunming提出的GAC模型中的边缘函数和Heaviside函数,减少图像弱边缘泄露现象.采用改进后的GAC模型对肺部的CT图片,脑部的MR图片和脊椎的CT图像进行分割,取得了较好的分割效果.     

一种结合遗传算法的图像分割方法

模糊聚类算法是一种解决图像分割的常见算法,Stelios在模糊C均值聚类算法的基础上提出了FLICM算法,极大地改进了图像分割的效果。基于此,经过分析证明FLICM算法存在的不收敛问题,在此基础上改进了FLICM算法,并提出了结合遗传算法来解决因目标函数复杂度高而无法给出"闭合"迭代公式的问题。从结果来看,该算法不仅克服了FLICM算法不收敛的问题,而且取得了更好的图像分割效果,使得图像细节得到更充分的保留。     

一种稳健的目标提取与跟踪算法

融合了GVF-Snakes算法与基于细粒度的遗传算法,提出了一种稳健的目标轮廓提取与跟踪算法.该算法通过使用边界约束替代能量计算改进了GVF-Snakes算法,降低了算法计算复杂度,提高了它的搜索速度;另外,通过引用细粒度遗传算法来筛选控制点序列,提高了算法对极端凹陷边缘和噪声干扰轮廓的提取能力.通过合成和自然图像的目标轮廓提取和跟踪实验,证明了本文提出的算法具有鲁棒性和精确性.     

MRI的脑部肿瘤分割及其三维重建

脑部肿瘤精确分割和三维重建的研究对脑部肿瘤疾病的诊断具有重要意义.提出一种全自动的脑肿瘤分割方法,该方法首先利用人脑结构信息的对称性,通过区域生长法实现脑肿瘤的粗略分割,然后将粗分割区域作为初始水平集轮廓,利用改进的测地线活动轮廓(geodesic active contours, GAC)模型进一步精确分割.经实验分析可知,该模型具有良好的分割灰度不均匀的弱边缘能力.最后对分割出的脑部肿瘤序列图像进行面绘制重建及其可视化,以此为脑肿瘤研究提供更多维度的信息.     

基于简化Mumford-Shah模型的活动轮廓边缘检测模型

在Chan-Vese活动轮廓模型(C-V法)的基础上,提出了一种新的边缘检测模型.在该模型中,图像被定义为两个同质区域的组合,图像边缘检测问题转化为基于Mumford-Shah泛函的能量函数最小化问题.本文在分片常数优化逼近中,添加了图像梯度信息,通过调节该项的权重因子,可以得到基于不同灰度强度的图像边缘图.该方法采用了水平集数值技术,因此活动轮廓具备了拓扑变化的能力,并能克服C-V模型检测不出离灰度均值较远的边缘的问题,实验表明了其有效性.     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。     

一种改进的细胞图像分割迭代算法

图像分割是图像轮廓提取,纹理特征提取和形状特征提取等图像分析的重要基础。它也直接影响着图像更高级别的处理质量。提出一种改进的图像分割迭代算法,通过在一般的迭代算法中添加第二门限,以达到更精确的将各像素划分到所属区域降低误判概率的目的。在分析的基础上,给出了该算法与一般迭代分割算法的对比图像。为了观察分割效果,还给出了应用分割图提取边缘与Canny算子的对比图像。其结果均表明,噪声干扰下,改进算法的分割过程更为准确。     

一种B—样条主动轮廓线模型

主动轮廓线模型－“蛇”是一种将目标的轮廓模型与图像特征相匹配的方法,它利用物体的多边形表示,把目标公式化为一个适当的能量函数Ｅ,然后将Ｅ最小化得到所期望的轮廓线,从而能识别和跟踪序列图像中的可变形物体。本文对主动轮廓线模进行了简单回顾与分析,利用参数Ｂ－样条曲线建立了新的模型,称为“Ｂ－蛇”。利用Ｂ－样条的局域空控制,简洁表示及参数连续性等特点,提出了高系统的精确性及收敛速度,具表示角点的能力,它     

基于像元角点搜索的栅格矢量化

遥感影像图斑转化为面状矢量具有重要意义,而现有矢量化算法在“孔洞”处理方面存在不足. 为此,提
出了基于像元角点搜索的栅格矢量化算法,首先利用像元的角点建立轮廓点集合,然后由连接轮廓点的弧段集合
中的非共享弧段形成有效弧段集,最后通过搜索有效弧段集形成闭合边界. 实验表明,该方法可以有效解决带有孔
洞多边形的快速矢量化问题.     

基于统计方法和主动轮廓模型相结合的医学图像轮廓提取

采用最小描述长度作为目标函数实现点分布模型上轮廓点的自动选取,提出了一种结合统计方法与主动轮廓模型提取图像轮廓曲线的方法.对一系列图像训练得到该训练集的典型轮廓曲线,初始化新图像的主动轮廓模型曲线后,再用训练集得到的轮廓线约束其变形,提取图像最佳的轮廓曲线.实验表明,与传统主动轮廓模型比较,该方法具有更好的轮廓提取效果.     

视觉机制模拟中的局部参数自组织映射方法

为模拟视觉系统对彩色场景进行初步处理的机制,提出一种局部参数自组织映射方法. 以局部颜色均值、局部颜色对比度以及位置作为特征,用自组织映射进行分类,实现图像分割、边缘检测和轮廓分离等功能. 对仿真及自然彩色图像的实验结果表明,该方法能并行实现上述功能,将具有不同类型特征的部分映射到输出空间的不同位置,符合视觉系统的特征映射和并行处理的特性. 该方法为研究和模拟视觉系统的机制提供了参考,也可用于图像处理中的多任务并行处理.     

基于边缘和纹理结构实现叶片识别的应用研究

植物野外实习教学系统的主要功能是通过计算机图像处理技术对叶片边缘与纹理结构进行分析,自动提取叶片信息,确定叶片相关的理论知识.从图像预处理、叶片区域定位分割和叶片识别三方面实现植物野外实习教学系统的叶片识别模块,采用边缘和纹理结构实现叶片的定位分割与识别.实验结果表明,该方法能有效地识别出叶片并归类.     

应用启发式边缘生长的遥感影像分割

基于边缘的遥感影像分割方法有两个难点：边缘点检测和边缘线连接. 文中提出一种基于启发式边缘生长的分割方法. 首先对Canny 算子进行三方面的改进以准确提取边缘点：自适应小波去噪、最优双阈值计算、基于邻域全变分的边缘决策. 定义一个新的边缘连接异质性指标,包括空间异质性和光谱异质性. 在此基础上提出启发式的全局交互最优决策技术以正确连接断裂边缘线. 文中用快鸟影像和航空影像进行分割实验,并与eCognition 的分割结果进行定性和定量比较. 实验表明启发式边缘生长分割方法能正确地连接绝大多数边缘线,并提供准确的分割结果.     

优化算法中初始点选取的一种预处理方法

借助数学软件绘制出函数的图形和相应的等高线,通过观察等高线的走向确定极值点可能存在的区域,在该区域内选定初始点就可以快速地求得优化问题的极值.该方法对优化问题的初始点选取具有一定的指导价值.     

面向对象的机载LiDAR数据建筑物提取

基于LiDAR数据,提出一种由粗到细的面向对象的建筑物自动提取方法.首先通过机载LiDAR数据构建出归一化数字表面模型(normalized digital surface model, nDSM),利用首尾两次回波高程计算出归一化差值(normalized difference, ND),并采用形态学运算消除边缘特殊回波点.基于nDSM和ND数据,依据建筑物的高程及穿透性信息,用阈值分割法进行建筑物粗提取.结合nDSM和ND数据以及强度信息,对粗提取得到的备选建筑物采取多尺度分割,合并亮度值相差较小的邻近分割结果对象,达到对分割结果的优化处理.最后利用目标对象的亮度、形状、面积和空间关系等特征,完成建筑物的精提取.实验结果表明,该方法可得到较高精度的建筑物信息,是基于机载LiDAR数据提取建筑物的新思路.