自适应随机游走图像分割算法

传统的随机游走算法图像信息描述单一,目标轮廓易受背景干扰;针对这一问题,提出一种自适应随机游走图像分割算法.算法首先建立了一种基于纹理相似性的权函数表达式,借助Gabor能量滤波器,首次将纹理特征引入到随机游走算法中,来突出图像的结构信息;其次,为了更加准确地计算节点间的连接权值,算法还提出一种自适应权值计算方法,根据图像边缘密度,自适应地计算纹理和灰度特征在权函数中所占的权重.最后应用狄利克雷边界条件,实现图像分割.实验结果表明,所提算法更好地刻画了图像的结构信息;与传统方法相比,具有更好的适用性和分割准确性.     

一种小波分解尺度空间中的随机游走图像分割方法

依据随机游走模型所确定的图像分割方法等价于电路网络的稳态电路结构求解方法,最终都将归结为求解大型稀疏线性方程问题.由于求解一般的大型方程的算法复杂度无法达到线性复杂度水平,文章提出了一种基于小波分解金字塔尺度空间上的多层图像分割算法.首先将原始大小的图像通过正交小波变换分解为低尺度图像及相应小波分量,并对低尺度图像持续进行小波分解,直到尺度合适计算为止;随后对最低尺度图像进行随机游走算法,即求解一个小规模的稀疏线性方程组,将得到的解重构为上一尺度图像,并依据相应的小波分量提示控制松弛迭代的松弛因子;最后持续上述过程直到0尺度图像,图像分割结果就可以通过某个阈值所确定.算法在标准灰度测试图像中进行了测试,测试结果表明,计算时间和分割结果有较大程度的提高.     

头颈部肿瘤PET图像分割随机游走方法

针对肿瘤放疗生物靶区高精度勾画难题,根据头颈部肿瘤PET(positron emission computed tomography)影像特点,提出了肿瘤PET图像分割随机游走方法.首先,根据PET SUV(standardized uptake value)影像,采用三维自适应区域生长和数学形态学膨胀方法确定随机游走方法的种子点,将包含肿瘤的感兴趣区域分为核心肿瘤区域(标记为前景种子点)、正常组织区域(标记为背景种子点)和待定区域.然后,利用头颈部肿瘤和周围正常组织PET图像具有不同的对比度纹理特征,将PET SUV及其对比度纹理值作为随机游走方法中边的权值计算依据.实验结果表明,该法不仅比传统随机游走方法平均提速9.34倍,而且,以临床医生手工勾画的大体肿瘤区作为参考标准,相似度平均提高32.5%(P0.05).本文方法能够有效地自动勾画头颈部肿瘤放疗生物靶区.     

基于结构张量与随机游走的图像分割算法

将结构张量与随机游走算法相结合,提出一种新的图像分割策略.算法通过分析结构张量特性,提出尺度向量的概念来计算像素间的连接权值,然后应用随机游走算法实现分割.利用尺度向量得到的权值刻画了图像局部的结构信息,更有效地实现了图像分割.此外,还提出了一种自适应各向异性的滤波函数,用以代替高斯函数对结构张量进行平滑,使所得到的结构张量可以更好地保留图像的复杂结构信息.实验表明,所提算法具有更好的分割准确性和稳定性.     

基于随机游走算法的CT图像肺肿瘤分割

针对CT图像肺肿瘤分割中复杂大肿瘤分割的准确性和自适应问题,提出了一种基于随机游走算法的分割方法.首先,根据图像灰度信息提取肺实质;针对大肿瘤与周围肺组织粘连的复杂情况,先提取有凹陷的肺实质,再根据肺实质先验轮廓,用曲线段形变模型修补肺实质的凹陷边界.然后,用区域生长法自动确定目标种子点和背景种子点;对于大血管与肿瘤粘连的情况,需要少量交互修改个别背景种子点.最后,用随机游走算法完成大肿瘤的分割.实验结果表明,该方法的准确性高,分割结果能够满足临床治疗效果分析和病理学研究的要求.     

基于灰度与边缘的图像分割方法

提出一种基于多图像信息的图像分割方法，利用Ｂａｙｅｓ分类准则，根据每个像的多图像信息向量将其分为目标或背景，并对动态图像组成的图像序列或静态图像的分割给出了不同的像素分类准则，同时给出了硬件实时实现的原理。该方法适用于图像序列，低对比度图像和其它难于用一种图像信息分割的图像，实验证明了该方法的有效性。     

一种基于改进随机游走的肺结节分割方法

传统的肺结节分割方法无法精确分割出肺结节外部毛刺,并且无法分离出与血管和胸壁相连的肺结节.针对这些问题,提出一种改进的随机游走算法并应用于肺结节的分割中.首先,根据Dirichlet边界条件计算得到的未标记点到标记点的概率值的大小将图像分为目标区域,背景区域和不确定区域,应用欧式距离计算不确定区域中节点与标记点的灰度差异并根据距离的大小将其进行分类.其次,提出了一种两点间抛物线法用于对初始分割结果进行二次分割.实验结果表明,与传统方法相比,所提方法实现了肺结节的精确分割,提高了计算机辅助诊断对肺结节进行分析和鉴别的精度.     

融合随机森林的C-V模型肝脏超声图像分割

医学图像分割是临床诊断的关键环节,分割结果将直接关系到后续对病灶的识别。C-V模型(Chan-Vese)大量应用于各种医学图像分割过程。围绕肝脏超声图像,针对传统C-V模型依赖初始轮廓及运算复杂耗时的特点,融合随机森林方法,提出一种基于边缘引导能量函数和局部约束特征的分割方法,利用随机森林节点生长和分类速度快的优势,在粗分割的基础上形成无需初始化的C-V模型,而后借助分类特征得到精准的肝脏区域及病灶分割结果。实验证明,经过优化的改进方法是可行有效的,对于图像中的组织和病灶区域能有效分割和提取     

基于灰度与边缘的图像分割方法

提出一种基于多图像信息的图像分割方法，利用Ｂａｙｅｓ分类准则，根据每个像素的多图像信息向量将其分为目标或背景，并对动态图像组成的图像序列或静态图像的分割给出了不同的像素分类准则，同时给出了硬件实时实现的原理，该方法适用于图像序列、低对比度图像和其它难于用一种图像信息分割的图像。实验证明了该方法的有效性。     

多尺度形态聚焦测量和优化随机游走的多聚焦图像融合算法

在传统的多聚焦图像融合方法中,聚焦测量产生的决策图往往对噪声和错误配准敏感,同时在聚焦检测区域中容易出现毛刺、小孔以及小块孤立区域等识别错误.针对上述问题提出了一种基于多尺度形态聚焦测量和优化随机游走的多聚焦图像融合算法.首先,多聚焦图像通过多尺度形态聚焦测量生成初始的决策图,多尺度形态聚焦测量有高的聚焦区域检测精度并...     

半直线上随机游动一个派生链的性质

自然科学中大量的问题都可以归结为随机游动的问题.随机游动考虑的是质点在数轴上的随机运动,若质点可以在整个数轴上运动,则称这种随机游动为无限制随机游动.着重讨论了在0点上具有反射壁的右半直线上随机游动一个派生链的常返性和正常返性.设{Xn,n∈Z }为半直线上的随机游动.令T0=0,Tj=min{n>Tj-1;Xn-Xn-1<0},j 1,在P(Tj<∞)=1的条件下,讨论了其派生链的常返性和正常返性.     

一类具有奇异跳动的随机环境中的随机游动

引入了一类具有奇异跳动的半直线上随机环境中的随机游动模型,该模型是对半直线上一维紧邻或有界跳幅的随机环境中随机游动模型的推广。利用经典马氏链的常返、暂留准则并结合适当的不等式构造出在固定环境情形下状态的常返、暂留的几个判别准则,并在状态常返的情形下进一步研究了状态的正常返与零常返性。通过将环境随机化,利用环境序列的极限理论得到了这类随机环境中的随机游动状态常返、暂留的判别准则及正常返与零常返的判别准则,所得结论是一些文献结果的推广。     

基于方向信息测度的约束最小二乘图像恢复方法

根据约束最小二乘图像恢复方法,设计了一种新的图像恢复方法,把图像方向信息测度的概念引入到图像恢复算法中．它的优点在于,克服了约束最小二乘恢复方法中平滑噪声的同时,边缘信息也被平滑了的缺点,能够在边缘信息保持与噪声平滑之间取得更好的折中．满足了人眼对边缘比较敏感的视觉特性要求．实验证明,这是一种较好的图像恢复方法．     

一类具有吸收点的平面随机游走

本文研究一类具有吸收点的平面随机游走,它较L.Sharpiro在[2]中研究的情况更复杂:将直线y=x上的点按模3分类,取其中一类或两类作为吸收点。本文求得了从(0,0)出发到点(i,j)的一切安全路径的权和S_(ij)的表达式,并且说明了在两个概率模型中的应用。     

半直线上独立随机环境中随机游动的常返性

主要研究了在随机变量独立但不同分布的情形下,右半直线上随机环境中的随机游动的常返性和非常返性,并进一步研究常返性中的正常返和零常返,得到了较完善的结果,推广了Solomon的研究框架。     

一类随机环境中可逗留随机游动的吸收概率

在非负有限整数集上,构造了随机环境中具有两个吸收壁可逗留的随机游动,证明了这种模型的存在性,并计算了其吸收概率.     

Image segmentation and lightness perception

The perception of surface albedo (lightness) is one of the most basic aspects of visual awareness. It is well known that the apparent lightness of a target depends on the context in which it is embedded, but there is extensive debate about the computations and representations underlying perceived lightness. One view asserts that the visual system explicitly separates surface reflectance from the prevailing illumination and atmospheric conditions in which it is embedded, generating layered image representations. Some recent theory has challenged this view and asserted that the human visual system derives surface lightness without explicitly segmenting images into multiple layers. Here we present new lightness illusions--the largest reported to date--that unequivocally demonstrate the effect that layered image representations can have in lightness perception. We show that the computations that underlie the decomposition of luminance into multiple layers under conditions of transparency can induce dramatic lightness illusions, causing identical texture patches to appear either black or white. These results indicate that mechanisms involved in decomposing images into layered representations can play a decisive role in the perception of surface lightness.     

基于顾及像素空间信息的加权FCM聚类的图像分割

针对标准的FCM算法没有考虑像素的空间信息而对噪声比较敏感和没有考虑不同样本数据对聚类效果的不同影响的不足,提出了一种顾及像素空间信息的基于图像的灰度直方图加权的FCM聚类算法,它在Szilagyi等提出的算法基础上通过引入图像的灰度直方图加权对算法中的目标函数进行修改. 对人工合成图像和真实图像的数值模拟结果均显示出该算法的优良性能.     

Optical implementation of quantum random walks using weak cross-Kerr media

Weak cross-Kerr media provides additional degrees of freedom of qubits in quantum information processing. In this paper, by exploiting weak cross-Kerr nonlinearity, we propose an optical implementation scheme of one-dimensional quantum random walks. The random walks are described by the interaction of single photons with cross-Kerr media. The proposed scheme can also be used to implement one-dimensional quantum random walks on an infinite line.