基于主动形变模型的医学序列图像的分割

对主动形变模型(active shape model)方法进行了改进,将其用于CT序列图像的分割,实现了对一些边缘不清晰的软组织的分割。一个组织在CT序列图像中其形状变化往往是连续的,据此,我们先在序列图像中按顺序每间隔几幅抽取一幅图像,用其他方法分割好;然后对分割结果使用主成分分析方法(Principle Component Analysis)计算其形变特征,生成可变形轮廓模板;再用这个模板去变形、配准、分割其他图像,从而达到一个比较理想的分割结果。     

基于Snake模型的病变CT肺部图像分割

传统的肺实质分割算法大多基于阈值法、区域增长、边缘提取以及形态学等方法,这对健康肺部CT图像可以得到比较理想的分割结果,但临床上所面临的CT图像大多具有各种病变,严重时会导致肺实质大面积缺失或呈区域性离散块状,这使得传统的肺实质分割算法效果不理想.为此,提出一种以生理解剖学知识为基础并基于Snake模型的肺实质分割算法.通过多组CT图像实验表明,无论肺内有无病变,该算法对CT肺部图像分割效果理想,而且速度快、完全自动.     

自适应边缘检测最大似然分割算法

由于SAR图像中存在较强的乘性斑点噪声 ,给SAR图像分割造成很大困难。研究了分割SAR图像用的最大似然区域增长分割算法 ,并提出在分割前先利用自适应边缘检测方法获得边缘图 ,然后利用边缘图对图像进行初始分割。理论分析和获得的分割结果证明 ,引入自适应边缘检测后 ,不但在图像的均匀区域能更好地抑制斑点而且可以更好地保持图像的结构信息 ,图像分割效果得到明显改善。     

基于模型的CT三维医学图像重建仿真

2DShepp-Logan头部模型是CT二维医学图像重建领域普遍采用的经典模型。提出一种思路—以3DShepp-Logan头部模型作为CT三维医学图像重建进行仿真实验和算法性能评价的基本参考模型。首先介绍3DShepp-Logan头部模型的设计以及仿真投影数据的计算,进而描述所设计的CT三维医学图像重建仿真计算过程。数值实验部分给出了基于3DShepp-Logan头部模型的CT三维医学图像重建仿真实例。实验结果表明了该思路的可行性和模型计算的准确性。     

基于主动轮廓模型的SAR图像分割方法综述

针对合成孔径雷达(synthetic aperture radar, SAR)图像分割这一研究热点,综合论述了基于主动轮廓模型(active contour model, ACM)的SAR图像分割方法。首先,介绍了经典的ACM及其数学原理,并通过理论和实验分析了这些模型应用于SAR图像分割时存在的问题;然后,对目前基于ACM的SAR图像分割方法进行了系统的梳理和分类讨论;最后,对基于ACM的SAR图像分割方法作了总结,并对将来的研究方向进行了展望。     

一种于基于有限元的形变模型算法

针对实时虚拟手术仿真中的弹性形变特性,本文提出了一种新的算法,该算法考虑到虚拟手术中存在的特殊情况,在形变模型的实时交互性与精确性之间取得了良好的平衡,模型的实时交互性是通过进行预处理实现的,此时响应操作的实时形变计算得到加速,模型的精确性则来自于基础算法有限元法的精确性。     

基于Snake模型的低对比度噪声心脏MRI图像分割

提出了一种基于Snake模型的低对比度、噪声心脏MRI图像分割算法。Snake模型通过轮廓线的变形得到感兴趣区域(ROI)的边界，但其分割结果依赖于初始轮廓线的位置，且变形曲线容易收敛于局部梯度极大值区域或从弱边界处泄漏，对于深度凹陷的区域也难以分割。通过增加局部面积能量项，扩大了Snake模型寻找边界的范围；在模糊C均值集群分类的基础上，构造模糊能量项，能够较好地处理心脏MRI图像中的弱边界、局部梯度极大值区域、伪影等现象。分割实验证明了改进的模型能够有效地分割低对比度、噪声心脏MRI图像。     

基于高斯混合模型图像局部自适应去噪算法

针对传统阈值小波去噪方法未考虑小波域尺度内和尺度间系数相关性的问题,采用基于小波域统计模型的新型去噪方法,图像小波域的先验统计模型采用高斯混合尺度模型。在计算信号的协方差矩阵时,对图像分块并用椭圆窗滑动求局部协方差矩阵,以达到局部自适应的去噪目的。实验表明,该方法与在子带内求协方差矩阵的方法相比,去噪效果有所提高。     

基于优化水平集方法的CT图像肺结节检测算法

对Chan-Vese水平集图像分割方法进行分析和改进,提出了结合全局区域均值和局部边界信息的水平集改进算法,应用于肺部CT图像分割和肺结节检测。在图像分割的目标函数中,在Chan-Vese方法基础上,引入局部边界统计特性能量项,以利于提高肺部医学图像分割的准确率和分割速度。实验表明,该方法可以很好地分割出肺实质轮廓和肺结节病灶区域,在分割速度上比Chan-Vese方法有了明显的提高,检测结果不依赖于初始设置,将人工交互降至最低,有利于实现CT图像肺结节自动检测。     

基于多模型方法的自适应卡尔曼滤波

针对一类观测噪声统计特性未知的离散时间系统设计一种多模型自适应卡尔曼滤波器。基于多个不同的固定观测噪声协方差阵建立多个固定模型卡尔曼滤波器,将多个固定模型卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器。针对每一个滤波器建立一个基于输出误差的指标切换函数,每一个采样时刻将指标切换函数取得最小值的滤波器的状态估计值切换为系统的当前状态估计值。仿真结果表明,与常规的自适应滤波器相比,此方法可以极大地改善滤波器的滤波效果。     

基于支持向量学习的多目标并行区域增长图像分割算法研究

为克服经典区域增长算法中生长规则以及特征选取的困难，提出了基于支持向量机的多目标并行区域增长图像分割算法。首先交互选择多个不同区域的种子点（假设邻近种子点的一小部分区域属于同一目标区域，不同种子点邻域分别属于不同目标区域），利用其邻域构造训练样本；然后利用这些已知的训练样本训练支持向量分类器；在区域增长过程中，利用训练所得的支持向量模型建立增长规则。为了避免初始种子点位置选择对算法性能的影响，采用了多区域并行竞争增长策略。仿真实验获得了较好的分割效果，表明提出的算法是合理可行的。     

一种基于HRCT影像的肺结节计算机辅助检测方法

肺癌是威胁人类生命的第一杀手,如果肺癌能在早期被发现、诊断和治疗,将大大提高肺癌患者的生存率。提出了一种自动的基于高分辨率CT影像(HRCT)的肺结节计算机辅助检测(CAD)方法,可以分为肺实质分割、感兴趣区域(ROI)识别、肺结节特征提取与分类、三维可视化显示几个步骤,综合采用了自适应阈值分割、数学形态学、偏微分方程与不变矩分析等算法。通过对多组肺癌患者CT影像的测试,该方法可以帮助医生有效的提高对于肺癌疾病的诊断准确率。     

灰度和彩色图象分割的一种改进算法

图象边缘检测技术是图象处理中最重要的内容之一,且已在图象分析和识别区域中得到广泛的应用。但由于边缘点不连续和难以把存在大量碎边缘的高细节区提取出来这两个原因,而不能直接实现完整意义上的图象分割。为了提高图象分割的边缘准确性和区域一致性以及降低分割错误率,提出用边缘生长的方法来解决不连续的边缘点链接问题,以便间接地将高细节区围成一个区域。该算法也可以嵌入到其他利用边缘信息的分割算法中。     

基于GABOR滤波的大脑MRI图像边缘检测

基于二维Gabor滤波提出了一种对大脑MRI图像进行边缘检测与提取的方法,通过分析、简化、分解Gabor函数,设计了Gabor函数的多个参数,包括中心频率φ,滤波方向θ,以及沿着x轴和y轴Gaussian包络的空间常量σ。在算法实现过程中,恰当选取了一组可以覆盖给定图象整个频率空间的滤波,用这组滤波分别提取图象的局部信息,然后按照一定的规则将滤波后提取出局部信息的多幅图像整合为一幅图像。实验结果表明,该方法相对于传统的Gabor滤波可明显的减少计算量,并可连续、有效的检测边缘信息,定位准确,检测效果明显,对噪声也显示出较好的鲁棒性。     

基于图切分的交互式图像分割算法

提出一种基于图切分(Graph Cut)的交互式图像分割新算法。首先,使用图切分技术获取初始轮廓并采取非均匀有理B样条(NURBS)拟合边界曲线。由于NURBS具有局部可控性,其控制点可视为隐式马尔可夫模型(HMM)的隐状态,边界特征和区域同一性被视为HMM观察状态,然后采用轮廓平滑性作为约束来定义一个状态转移模型。最后,通过维特比算法递归求取最优轮廓。实验证明该法鲁棒性好,允许用户简易、高效地分割图像。     

基于小波分解与神经网络的图像分割方法

采用小波变换进行图像分解，得到不同分辨率下的图像表示，进而构造多分辨率图像金字塔。然后讨论了利用小波变换进行消除噪声的方法，较好的去除了图像的噪声。最后，采用Kohonen神经网络进行图像聚类分割，该方法加快了聚类速度，提高了图像的聚类分割准确性。     

基于同质性分割的图像滤波方法研究

针对图像中存在的噪声,在同质性分割基础上提出了一种新的图像滤波方法.该方法首先利用形态学算子描述图像的不连续性,重新定义同质性,提高了图像的抗噪性.然后利用统计得到的同质直方图,并通过峰值寻找算法得到波峰、波谷,进而对图像进行分割.最后计算不同子区域的灰度均值,对满足条件的子区域进行合并得到滤波图像.实验结果表明,与其它滤波方法相比,该方法在滤除噪声的同时更好地保留了图像的细节和边缘信息,而且对含有不同噪声密度的图像均能得到较好的滤波效果.     

Image edge detection based on beamlet transform

Combining beamlet transform with steerable filters, a new edge detection method based on line gra-dient is proposed. Compared with operators based on point local properties, the edge-detection results with this method achieve higher SNR and position accuracy, and are quite helpful for image registration, object identification, etc. Some edge-detection experiments on optical and SAR images that demonstrate the significant improvement over classical edge operators are also presented. Moreover, the template matching result based on edge information of optical reference image and SAR image also proves the validity of this method.