改进型Snake算法在尿沉渣图像处理中的应用

尿液有形成分的检查是医院的三大常规检验之一,目前迫切需要能计数有形成分的自动分析仪替代人工检验。由于尿液图像是典型的弱边缘图像,经典的边缘提取方法均不能取得良好的效果,在此介绍了一种改进型Snake算法。实验表明,采用该算法对尿液图像有形成分进行边缘提取能获得较好的效果。     

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.     

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.     

基于水平集方法的显微细胞图像分割

利用变分法推导了图像边缘检测Snake模型对应的Euler方程, 证明了水平集方法3种离散格式(向前差分、 向后差分、 中心差分)的不稳定性, 采用迎风差分格式构造水平集算法, 对显微细胞图像进行边缘检测, 实验结果表明, 该算法是稳定的和收敛的.     

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.     

基于推广的长程外力场的库仑Snake算法应用于MR心室图像的分割

提出了一种Snake算法的新的外部能量模型,用基于库仑定律的图像库仑场代替传统Snake中的外力场,并对该外部能量场进行了推广,根据图像的边缘特征自动设定参数,使其外力具有真正的长程性．实验结果表明,该方法提高了分割精度,减少了外部能量场中存在的局部最小,从而大大减少了对初始轮廓的限制,同时减少了人工干预。     

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.     

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.     

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.