基于GrabCut的免交互图像分割算法

针对GrabCut算法需要用户交互进行初始矩形框的设定而不能做到自动分割,且在前景图像较为复杂时分割效果不佳等问题,提出一种基于GrabCut的免交互图像分割算法。首先,训练Faster R-CNN网络,将待分割图像通过Faster R-CNN进行目标检测来得到前景目标所在区域矩形框;然后在k-means算法初始化高斯混合模型时加入位置信息,进行聚类以得到优化的初始高斯混合模型参数;最后对GrabCut算法分割结果中的边缘像素进行平滑后处理。试验结果表明,该算法无需用户交互即可完成分割且相比原始GrabCut算法具有更好的视觉效果和更高的分割正确率。     

用于图像分割的局部区域能量最小化算法

针对点对马尔可夫随机场(Pairwise MRF)模型中像素成对交互的结构不能充分描述图像丰富的局部统计特征问题,在研究Pairwise MRF模型基础上,提出了一种基于局部区域能量最小化的图像分割算法.该算法先利用图像局部区域信息构造局部区域能量模型,建立了一种局部交互的区域马尔可夫随机场分割模型,然后采用无环置信传播(LBP)算法对MRF全局能量进行优化.优化过程中,对局部区域能量进行收敛并按照MAP准则估计局部区域标号,通过LBP算法把局部区域信息传递到邻域区域中去.实验结果表明,所提出的新算法较标准LBP算法具有更好的分割结果,并有效地抑制了图像噪声信号和纹理信号对分割结果的干扰和影响.     

基于GVF Snake和边界跟踪的主动轮廓图像分割

梯度向量流蛇(GVF Snake)模型在处理图像分割问题上取得了较好的结果,但它对初始轮廓曲线的依赖程度较大且梯度向量场计算时间较长,故此提出一种基于GVF Snake模型和边界跟踪的轮廓提取图像分割算法。该算法利用边界跟踪算法进行粗糙的分割,获取边缘位置有效信息点,经采样后生成一条初始轮廓线。同时,基于拉格朗日法求解梯度向量场的方法,提出一个距离终止条件以提高计算速度。实验结果表明,与GVF Snake、手动GVF Snake和CV活动轮廓算法相比,该算法有效提高了图像分割的自动化程度和分割精度。     

基于智能人机接口的即时过程式图像对象提取方法

提出一种建立在智能人机接口即智能画笔上的采用即时局部信息的过程式对象分割方法.当用户驱动鼠标对目标对象的边界进行跟踪时,智能画笔动态地根据图像局部统计特征估计每个即时时刻对象分割计算所需的待分割区域、外观样本、对象轮廓等即时局部信息,通过能量函数将各种信息结合,利用图割优化算法快速计算局部分割结果并及时反馈.随用户对对象边界的跟踪结束而完成对象分割.实验结果验证了该方法在交互便捷性和用户对分割过程控制方面的优势,以及在分割效率和准确度等方面的优良性能.     

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.     

面向高分辨率卫星图像的几种图像分割算法稳定性对比分析

将基于均值漂移和图模型的图像分割算法及这两种算法的混合算法应用到高分辨率卫星光学图像,并对比了它们在分割遥感图像时的稳定性。均值漂移算法是一种基于核密度梯度估计的特征空间分析算法,其实质是一种统计优化过程。基于图模型的算法将一幅图像抽象为一个无向图,通过不断合并图结点,将这个图分割为多个连通分量,进而实现一幅图像分割。混合算法首先利用均值漂移技术对图像进行滤波,然后再使用图分割算法对图像进行分割。实验结果显示,均值漂移算法分割结果对其参数变化较为敏感,而基于图模型的算法和混合算法则较为稳定。     

交互标记控制的快速网格分割

提出一种快速的三维网格分割算法。与大多数针对顶点集合的分割不同,此算法是一种面集分割,对网格的曲率估计位于相邻两个面之间。在分水岭算法的基础上,由用户交互提供分割的指示标记,完成网格曲面分割。因此不存在过度分割、噪音干扰等问题。同时利用极小值原理,使得分割结果更接近人的主观视觉原理。实验证明分割过程是快速的,能够满足交互的需要。     

基于超像素的Grab cut前景提取算法

针对海量的像素以及迭代更新高斯混合模型参数导致的Grab cut很难兼顾精确分割和实时交互的现象,提出基于超像素的交互式快速分割框架,精简了问题规模,保证了分割的准确度和实时性.首先,采用融合边缘自信度的均值漂移算法将图像分割为一系列保持颜色、空间信息以及边界特性的同质区域;其次,以每个同质区域的RGB均值为结点,构建加权网络图,建立前景和背景两个高斯混合模型;然后,采用EM算法结合一种新的max flow/min cut算法来逼近高斯混合模型参数;最后,本文引入区域项的自适应调整参数来提高分割的准确度.实验结果表明,文中算法对用户交互可以及时做出分割响应,并且分割的结果更加合理.     

基于模糊区域的MRI大脑结构分割算法

提出了一种从核磁共振图像中自动分割大脑结构的方法。根据大脑解剖学知识构造了灰度信息、相对距离信息和相对方向信息等模型，并组合成一个模糊专家系统。为了提高分割结果的精确性，各模型信息被模糊化并经过数据融合以得到高的分割精度，对多组大脑核磁共振图像进行分割的实验结果证明了该算法具有良好的分割效果。     

结合区域特性的交互式图像分割

针对现有的交互式分割算法对用户标记的数量与位置敏感的问题,提出了一种与图像区域特性结合的分割算法.首先将均值漂移分割的小块区域作为虚拟像素,参与有权图构建,从而为信息向远方同质区域的像素传播提供路径;然后设计一个基于像素归属于各类用户标记的概率代价函数,并采用微粒群算法进行全局寻优,最后将获得的归属概率作为判据实现分割.实验结果表明,即使采用少量用户标记也可以获得满意的分割结果,说明该算法对标记的数量与位置具有很高的鲁棒性.     

基于Snake模型的B超心脏图像的腔体分割及算法研究

采用一种Snake模型，针对B超心脏图像的高噪声，选择并改进与适应的去噪技术和边缘算子等预处理，完成对心室心房的分割，从而为提高心室、心房的定量分析精度有重要意义。     

基于模糊集与区域生长算法的胎儿下腔静脉血管超声分割

本方研究了胎儿下腔静脉血管在B型超声图像中的分割问题.B型超声使用方便,在临床中有广泛使用,但其图像有噪声多、对比度差的缺陷.为了有效地在B型超声图像中分割血管,提出了一种基于模糊集与区域生长算法的分割算法;该算法预先使用模糊集算法处理,以提高图像对比度;并使用基于梯度改进的自适应区域生长算法进行分割.实验以医生的手工分割结果作为金标准,并与阈值分割和水平集算法进行了对比.实验表明,该方法的准确度和稳定性高于阈值分割和水平集分割方法结果.     

基于边带限制的梯度矢量流主动轮廓线模型的超声图像分割

主动轮廓线模型是广泛应用于数字图像分析和计算机视觉等领域的一种目标轮廓跟踪算法，非常适合于医学图像（如CT和MRI）的处理。但将这一模型应用于超声图像的分割和目标轮廓的跟踪时，由于超声图像不可避免地存在着斑点噪声、弱边界和与组织有关的纹理，往往使传统主动轮廓模型难以获得满意的轮廓跟踪效果。为此，在梯度矢量流主动轮廓线模型的基础上，引入边带限制概念，并将该模型应用于超声图像的分割。实验表明，该方法较好地限制了非目标边缘和噪声干扰的影响，而且对超声及其序列图像具有较好的分割效果。     

基于snake模型的目标检测

研究了snake模型在目标检测中的应用.分析了传统目标分割方法的不足和snake模型在目标检测中的优势,即在目标检测中能充分利用已知的目标形状信息;研究了传统snake模型在用于目标检测时存在的难以收敛到凹陷区域的问题;提出了适合目标检测的新的snake算法.在新snake模型中,能量函数的外力项用傅里叶描述子来构成.实验结果表明新的snake模型能使轮廓收敛到凹陷区,可以实现目标的检测.这一结果丰富了目标检测的方法,拓宽了snake方法的应用范围.     

Random Walk Based Method for Automatic Segmentation of Intravascular Ultrasound Images

Intravascular ultrasound( IVUS) is an important imaging technique that is used to study vascular wall architecture for diagnosis and assessment of the vascular diseases. Segmentation of lumen and media-adventitia boundaries from IVUS images is a basic and necessary step for quantitative assessment of the vascular walls.Due to ultrasound speckles, artifacts and individual differences,automated segmentation of IVUS images represents a challenging task. In this paper,a random walk based method is proposed for fully automated segmentation of IVUS images. Robust and accurate determination of the seed points for different regions is the key to successful use of the random walk algorithm in segmentation of IVUS images and is the focus of the present work. Performance of the proposed algorithm was evaluated over an image database with 900 IVUS image frames of nine patient cases. The preliminary experimental results show the potential of the proposed IVUS image segmentation approach.     

基于模糊C均值聚类能量最小化的超声图像分割

 提出了基于模糊C均值能量最小化的活动轮廓模型.该模型首先对待分割图像进行模糊C均值聚类得到前景和背景的模糊隶属度值,然后将待分割目标的局部像素信息和它的隶属度值作为活动轮廓模型的水平集函数的初始值,改进了传统的求解Euler-Lagrange方程使活动轮廓的能量极小化的模型,利用快速算法直接计算模糊C均值能量最小化驱动传统活动轮廓模型的曲线演化.将提出算法与经典的活动轮廓模型分割算法比较,对仿真和临床的超声图像分割实验结果表明：提出算法能很好地分割像素不均匀、边界模糊、含有斑点噪声的超声图像,具有较好的分割性能和较快的分割速度.     

一种基于空间域和频谱域特征的图象分割方法

提出了一种基于空间域和频谱域特征的神经网络的医学图像分割方法．本方法不需要教师监督,能自动生成最优的网络输出节点,即分类数．对ＣＴ,ＭＲＩ和超声图像的分割表明本方法有效方便．     

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.     

一种快速模糊聚类分割算法

本文把区域生长技术与FCM聚类方法结合起来,提出了一种快速FCM聚类分割算法.由于大大减少了参与聚类的样本数目,有效地提高了FCM聚类分割的速度.通过对遥感TM图像的分割实验,本算法比经典FCM聚类算法速度提高三倍以上.