利用分区处理和水平集算法分割序列三维乳腺MRI

对比增强的磁共振成像技术是检测乳腺肿瘤的新方法,但需处理大量随时间变化的三维影像序列。为了从这种四维影像中分割出乳房组织,该文提出了自动分区域分割方法。先分割乳房与空气,并统计乳房部分的灰度;再分割乳房与胸腔,将前面统计出的乳房灰度作为先验知识设定初始轮廓和特征图像,采用基于阈值区间的三维水平集算法,并将前一时间点的结果作为后一时间点分割的初始轮廓,从而实现自动的四维分割。临床数据实验表明,该方法可有效地分割四维乳腺磁共振影像,且自动化程度和分割准确度均较高。     

基于改进LGDF模型的超声图像自动分割方法

基于局部高斯分布拟合能量(LGDF)模型的图像分割方法,对初始轮廓选取及参数选择较敏感.如果初始轮廓手动选取不当会由于陷入局部极小值而导致分割失败,且分割速度较慢.针对以上不足,提出了一种改进的LGDF模型的超声图像自动分割方法.该方法的正则化项由具有双极值点的势函数构成,在水平集函数进化过程中,可以避免由单极值点势函数造成的水平集函数震荡和扭曲,从而加快了收敛;另外,将局部熵阈值分割的结果作为LGDF模型的初始轮廓,接近真实轮廓,可以克服手动选取初始轮廓的影响.实验结果表明,该方法能自动获取合适的超声图像初始轮廓,并得到较好的分割结果,同时大大提高了分割速度.     

乳腺MRI图像肿瘤轮廓的提取

提出一种改进的混合水平集方法提取乳腺肿瘤图像.首先利用最大类间方差法与区域生长法将乳腺初始轮廓从乳腺MRI图像中提取出来,然后将此乳腺初始轮廓曲线作为水平集的初始轮廓曲线进行演化,进而找到肿瘤的边界.应用本方法对福建肿瘤医院提供的临床数据进行了实验验证分析.实验结果表明,该方法对于复杂的乳腺MRI序列图的肿瘤分割具有较好的效果.     

一种层次化的乳腺肿瘤分割方法

超声图像是乳腺癌辅助诊断常用的工具之一.肿瘤分割是乳腺超声图像分析的基础.乳腺超声图像中的灰度不同质性、纹理及形状的多变性等复杂特点使得肿瘤的精确分割较为困难.提出了一种层次化的分割框架.首先将局部灰度聚类假设引入活动轮廓模型作为底层分割模型,对图像进行初始分割;然后提出基于超像素和支持向量机(Support Vector Machine,SVM)的高层分割模型,对初始结果再进行高层分割.在高层分割过程中,首先使用简单线性迭代聚类(Simple Linear Interactive Cluster,SLIC)提取超像素,然后提取超像素的灰度、纹理和局部特征,最后使用SVM进行分类.高层分割模型是基于底层模型的分割结果学习获取的,能够检测到底层模型可能分割错误的区域,与底层模型具有较好的互补性.因此,提出的层次化分割框架具有较好的鲁棒性.在自建乳腺超声数据库上的实验结果证明了提出方法的有效性和鲁棒性.     

乳腺 MR 图像的有效分割

乳腺核磁共振影像（ MR）的有效分割一直是医学影像分析领域的研究热点。针对目前人工解读图像信息的不足,提出一种自动化分割乳腺MR图像的方法,该方法结合传统FCM算法和最小距离分类器实现了感兴趣区域中不同位置、灰度值相似的样本点按距离分类。算法首先根据图像的灰度信息利用FCM算法实现聚类,其次自动提取感兴趣区域的聚类信息,并利用最小距离分类器对其按距离分类。实验结果表明,该算法对乳腺核磁共振影像的分割具有较高的准确性,提高了其组织划分的精度,且自动化程度比较高,为后续进行肿瘤区域的自动提取与识别奠定基础。     

改进LIC模型的甲状腺结节超声图像分割算法

针对传统LIC(Local Intensity Clustering)模型在分割灰度不均匀图像时速度慢、精度不高且对初始轮廓位置敏感的缺点,提出了改进的LIC模型并将其用于甲状腺结节超声图像的分割.结合高斯概率分布引入局部方差变量构建新的局部灰度描述形式,将水平集演化设置在窄带范围内,以提高分割精度和速度;将标记分水岭算法获得的分割结果作为改进模型的初始轮廓,克服传统模型对初始轮廓敏感的缺点.对比实验结果表明,该改进模型能实现对甲状腺结节超声图像的快速自适应分割,并且在精度与分割速度上都较传统LIC模型有很大提高.     

利用多重直方图分割方法分割致密影像中的物体

本文以乳腺Ｘ光片图像的分析研究为例，介绍了一种多次利用灰度直方图信息自动分割致密影像中物体影像的方法。     

基于全局划分与局部划分的自适应活动轮廓模型

为了分割边界模糊图像,文章提出基于划分函数的自适应活动轮廓(Adaptive active contour model based on global division and local division, DGDL)模型.通过建立一个局部划分能量项,将其与全局划分能量项进行线性组合,并基于迭代次数建立一个自适应函数自动选取全局与局部能量,得到基于全局划分与局部划分的活动轮廓模型.利用人工合成图像与真实图像作为分割对象进行实验,结果表明,DGDL模型对初始轮廓鲁棒,迭代次数较少且耗时短,还能分割边界模糊和灰度不均图像,并具有良好的分割性能.     

无需初始轮廓的局部图像拟合模型

[目的]基于图像局部信息的区域活动轮廓模型可以较好地分割灰度不均图像,但存在对初始轮廓的位置及大小比较敏感的缺点,而且不同初始轮廓可能会产生不同的甚至是错误的分割结果.因此,需研究避免初始轮廓的选取对图像分割结果影响的方法.[方法]受局部图像拟合模型和灰度重加权局部二值拟合模型的启发,提出一个无需初始轮廓的局部图像拟合...     

基于Bayes分类算法和活动轮廓模型的新疆肝包虫CT图像分割方法

肝包虫病是新疆常见的寄生虫病,严重危及人类健康。目前,医院常采用CT影像技术对该病进行诊断。肝包虫CT图像有其特有的病理特征,图像的灰度分布存在不均匀性和边界模糊性,且不同的包虫囊肿类型,其CT图像表现各异。本文针对该病的CT影像特征,提出一种同时对肝脏及包虫病灶进行分割的迭代算法。在每一步迭代过程中,算法分为初始分割和优化分割两个步骤:首先,在CT切片图像中确定位于正常肝脏及包虫病灶区的种子点,根据种子点的位置,利用Gauss概率模型拟合不同区域的灰度分布,并结合Bayes分类算法对肝脏及病灶区同时进行初始分割;然后,利用基于先验形状力场的活动轮廓模型算法优化初始分割结果,从而获得精确的肝脏及病灶区的边界。为了验证该算法的有效性,将算法对不同病人的CT切片图像进行分割实验,并从主观和客观两个方面,将算法的分割结果与医师手动分割结果进行对比评估,结果表明,该算法能在分割肝脏的同时准确地提取包虫病灶区。     

基于帧间相关性的乳腺MRI三维分割

针对乳腺磁共振图像序列的肿瘤分割问题,提出一种基于超像素和改进C-V模型的三维全自动分割方法.该方法利用磁共振图像序列的帧间相关性,约束相邻帧图像的分割轮廓.采用超像素算法提取肿瘤的大致轮廓,再用改进的C-V水平集算法对可疑区域边缘进行优化,使其更接近肿瘤的实际边缘.将该方法及3种对比方法应用于89例乳腺MRI序列图像.以手动分割的轮廓为基准,该方法得到的平均重叠率为87.84%,,相比于C-V模型的58.90%,、超像素和水平集结合的76.36%,、K均值+C-V的83.62%,,有明显提升.实验结果表明,该方法的全自动分割结果对于肿瘤起始和终止帧图像具有较高的分割精度.     

基于倾斜影像点云的建筑物提取算法研究

多视倾斜影像密集匹配后能够生成海量点云数据,但数据本身缺乏有效的建筑物分类信息.针对此问题,提出一种基于倾斜影像点云的建筑物提取算法.首先对三维点云进行去噪处理和植被的剔除,将点云进行空间格网分区后降维到二维平面,通过赋予二维平面格网内每个点一定的权值,进而对格网进行特征值重采样.然后对二维平面进行图像形态学处理,利用骨架提取算法找到建筑物的轮廓,将该轮廓和三维点云进行融合后重新整饰建筑物边缘,提取出最终的建筑物点云.两组实验结果表明,该方法提取的建筑物点云轮廓清晰,建筑物立面提取较好,该算法具有较好的稳健性.     

一种带心肌瘢痕的心脏磁共振图像左室壁分割方法

从心脏磁共振图像中分割出左心室内外膜轮廓线,是心脏三维重建及心脏功能评定的先决条件.针对带心肌瘢痕的心脏磁共振图像,提出了一种基于显著性检测定位的左心室内外膜分割方法.方法采用视觉显著性检测和分水岭变换,提取左心室血池区域,准确确定了左心室位置;然后提取血池区域轮廓线作为内膜初始轮廓,在带形状约束的活动轮廓模型作用下演化得到左心室内外膜.实验结果证明,该方法定位较为准确,能使初始轮廓迅速收敛到内膜边界,分割得到的内外膜以及心肌区域均较为准确.     

肝脏MR图像自适应分割方法

提出一种基于自适应边缘检测和自适应灰度阈值的肝脏MR图像序列分割方法.方法通过构造频率图像自动选取序列中含有最大肝脏区域的图像切片,以此图像切片为起点,向上、向下对序列图像依次进行分割.在分割的过程中,将相邻图像的分割结果作为当前分割图片的掩膜图像,以表示当前图像中肝脏区域的大致轮廓,据此轮廓,统计当前图像中肝脏区域灰度值变化范围,进行自适应阈值分割,最后利用集合关系及质心位置合并阈值分割后的肝脏区域.以此方法对福建省肿瘤医院提供的30个腹部MR图像序列进行分割实验,结果证明该方法对肝脏MR图像分割的有效性.     

基于Snake模型的图像目标轮廓自动跟踪方法

针对实验数据像素灰度的分布特点，提出了一种对目标轮廓线进行有效和可靠的搜索和跟踪策略．由于数据中病变组织与其邻近组织像素灰度差别相对明显，首先通过来用一种改进的轮廓自动跟踪方法对目标轮廓进行跟踪，将得到的轮廓线经采样得到其离散控制点作为Snake轮廓搜索和跟踪算法的输入，既克服了Snake方法对初始轮廓线控制点分布的局限性，又避免了采用单一轮廓跟踪方法跟踪目标轮廓线的不确定性，提高了分割病变组织的速度和准确性，此方法具有较高实用意义。     

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.     

基于改进CV模型的高原鼠兔图像分割

针对CV模型无法分割灰度不均图像的问题,提出改进CV模型.在CV模型能量泛函中引入前景灰度不均抑制项,使CV模型能够对前景灰度不均图像进行分割.此外,在图像预处理阶段引入四叉树方法和大津法,缩小CV模型分割图像的搜索范围,减少分割时间;弥补CV模型须要手动设置初始轮廓的问题.实验结果表明:改进CV模型能够实现对前景灰度不均图像的精确分割,且耗时少,在背景抑制、目标区域轮廓定位等方面效果好.     

基于二维图像和多点统计方法的多孔介质三维重构研究

提出了一种基于多孔介质二维薄片图像和多点统计方法的多孔介质三维重构方法.将微米精度的多孔介质二维薄片图像作为初始的训练图像,利用多点统计方法重构其下层图像.将每次获得的下层图像作为新的训练图像,利用多点统计方法继续重构该训练图像的下层图像.二维重构图像的每个像素对应成三维空间的一个体素,依次叠加每层的二维重构图像得到最终的三维多孔介质图像.将该方法应用于砂岩样品的三维重构,通过与真实情况下砂岩体数据的比较发现,该方法重构的多孔介质具有与其相似的孔隙结构特征.     

结合图像显著与灰度不一致性的目标自动提取

该文将图像过分割技术与图像显著性相结合,提出了一种基于图像显著性与灰度不一致性的目标自动提取方法。该方法可在没有任何人工干预的情况下准确地提取出图像的感兴趣目标。首先,通过像素不一致性因子和邻域不一致性因子确定出图像的不一致性种子点和一致性种子点;然后,使用等价类划分的方法对两类种子点分别进行生长,得到不同的等价类,合并残余类之后得到图像的初分割块;最后由初分割结果结合显著性检测算法提取出完整的感兴趣目标。考虑到像素的局部邻域信息,首次将图像的底层特征——像素的灰度不一致性应用于图像分割,并以此为基础进行目标提取。实验表明,该方法能够有效地实现显著目标的自动提取。     

一种基于轮廓监督的动态规划乳腺X线影像肿块分割算法

肿块分割是基于乳腺X线影像的计算机辅助诊断系统的重要环节。良好的分割结果能够更好地反映肿块的病理特征。为后续可疑区域的特征提取和分类提供依据。已有大量文献探讨肿块的分割算法。基于动态规划（DP）的肿块分割算法结合了肿块的边缘信息,以及灰度和大小等先验知识。传统的基于DP的算法自适应性和鲁棒性不足。为克服这些缺点,提出一种基于轮廓监督的动态规划方法,该方法首先使用对比度受限的自适应直方图均衡增强肿块感兴趣区（ROI）的对比度,并使用高斯掩膜掩蔽外围组织;然后。将肿块ROI变换到极坐标,结合肿块的边缘、灰度和大小信息计算局部代价。并根据局部代价矩阵计算累积代价矩阵：最后,在基于动态规划的轮廓跟踪过程中,引入轮廓监督机制。避免周围组织和对比度不足的影响。本文对比了改进后算法与传统算法的分割效果。实验结果表明,高斯掩蔽和轮廓监督的引入,有效地掩蔽了肿块周围组织,避免了轮廓偏离。该算法提高了肿块分割准确性。且具有更好的鲁棒性。