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.     

改进的快速C-V模型指静脉图像分割算法

为快速准确地进行指静脉图像的分割, 在经典C-V模型的基础上, 增加了距离惩罚项和边缘检测函数, 并使图像演化不基于内部区面积。改进后的算法保留了C-V模型全局优化的特性, 同时有效避免了重新初始化过程, 并对图像边缘更加敏感, 使改进后的算法适合对指静脉图像的分割。仿真实验结果表明, 改进后的C-V模型能较好地处理指静脉图像边界模糊和灰度分割不均的问题, 同时还可提升分割效率。     

快速非匀质图像分割方法

针对灰度非匀质图像分割困难及效率低下的问题,提出一种基于局部区域活动轮廓模型快速分割方法.该方法结合核函数和割测度定义一个新的能量函数.一方面,在中心点被核函数掩模的局部区域内,用邻近点的加权均值拟合数据项能有效处理图像的非匀质分布.另一方面,用割测度逼近的曲线长度作为全局正则性,利于轮廓快速定位于物体边界.最后,在轮廓演化过程中,使用基于栅格图的最大流算法,避免了传统模型计算代价高昂的水平集函数.合成图像和真实图像的实验结果表明,提出的方法能有效快速地分割灰度非匀质图像中的弱边缘物体及多灰阶复杂结构物体;同时,对初始轮廓线位置和噪声具有较好的鲁棒性.     

结合区域间差异性的水平集演化模型

水平集方法在图像分割中得到了广泛的应用.其中基于边缘的活动轮廓模型主要通过梯度信息驱动曲线演化到目标边界,但基于梯度信息使得在分割时会产生过分割,并且对于灰度不均匀图像处理效果不理想,有可能得到不令人满意的结果.而基于区域的活动轮廓模型则是通过区域信息控制曲线移动,使得分割的结果立足于整体图像信息.基于上述原因,本文通过在水平集中提出了一种新的区域分量,在能量泛函中加入目标区域灰度和背景区域灰度的差的平方,提出了一种改进的图像分割算法.研究结果表明,与一般的活动轮廓模型相比,加入区域间差异性信息的活动轮廓模型的分割结果更加符合实际情况并且收敛速度更快,效率更高,得到的分割结果更令人满意.     

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.     

叶菜根系图像的变分水平集分割算法

植物根系图像分割是根系构型特征提取和分析的前提.针对传统图像分割方法在处理叶菜根系弱边缘图像中存在分割精度和稳定性较差的问题,提出了一种基于改进C-V(Chan-Vese)模型的变分水平集分割算法.该算法不仅保留了C-V模型对于处理弱边缘图像的适用性,并针对叶菜根系图像局部灰度不均的特点引入了图像梯度信息,改进了原C-V模型.通过对小白菜根系样本图像的分割处理试验,证明了变分水平集分割算法的有效性.研究结果表明,相比传统的阈值处理、边缘检测及区域生长等算法,本文算法能更加精细地解决叶菜根系图像弱边缘和局部灰度不均的问题,并在分割精度和算法稳定性上具有明显的优势.变分水平集算法应用于叶菜根系构型观测系统中,可以有效地提高观测精度.     

基于局部灰度聚类的高斯分布拟合模型

针对高斯分布拟合模型对初始轮廓敏感的问题,提出一个基于局部灰度聚类的高斯分布拟合模型.新模型根据图像局部像素灰度聚类特点,采用灰度偏移场和一个分片常量函数共同拟合图像的局部灰度均值,实现了图像全局信息和局部信息的有机结合,使轮廓可以从任意初始位置向目标边缘演化,最后收敛在边缘上.新模型采用一种快速有效的数值方法实现,水平集函数在整个演化过程中不必重新初始化,活动轮廓演化速度得到显著提高.实验结果表明,本文算法能够在不同的轮廓初始化情况下获得准确的分割结果.     

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.     

基于水平集和视觉显著性的植物病害叶片图像分割

为了提高植物病害叶片图像分割的准确性和效率,提出了一种基于水平集和视觉显著性的彩色图像分割方法.首先采用基于小波变换的显著性检测算法得到活动轮廓模型中曲线演化的初始位置,并构造一个基于显著区域的图像活动轮廓模型,再设计一个向量值图像的边界检测算子,引入到距离正则化水平集演化的改造中,以构造一个初始化轮廓更灵活,演化速度更快,目标分割更精确的新的水平集能量泛函.最后的实验对比表明,该方法具有较好的叶片病害部位分割效果.     

基于深度残差网络的医学超声图像多尺度边缘检测算法

为提高医学超声图像在临床诊断的效果, 需先对图像进行优化检测和识别, 提出一种基于深度残差网络的医学超声图像多尺度边缘检测算法. 首先, 通过对原始医学超声图像进行自动标注, 构建医学超声图像灰度分布矩阵, 利用分布矩阵完成医学超声图像的多尺度分割; 其次, 构建医学超声图像多尺度边缘的轮廓模型, 提取多尺度图像边缘特征; 再次, 构建深度残差网络结构, 采用深度残差学习算法进行超声图像的底层图像信息融合; 最后, 对融合后的边缘图像数据进行多尺度边缘检测. 实验结果表明, 该算法的图像分割精度高, 特征提取准确率达80%以上, 图像边界中间断区检测效果较好, 边缘点查全性较高, 算法检测耗时短、收敛性强.     

融合RGB颜色空间的植物图像分割模型

针对植物图像分割中常见的受复杂背景影响、弱边界及连通性问题,提出一种改进的双凸模糊变分图像分割模型.该模型首先通过RGB颜色空间模型将彩色植物图像划分为两个部分,令植物图像中的目标对象保持原来的颜色,其他部分则设置为与目标对象差异较大的颜色背景,并以提取出的目标对象轮廓作为初始轮廓;其次,使用log边缘检测算子提高对噪声的稳健性,并对植物图像进行图像增强处理;最后在双凸模糊变分模型的基础上提出了一种新的变分分割模型.实验结果表明,该方法把平均JS值提高到95. 68%,实现对莲座植物图像中目标对象边缘轮廓的准确提取,有效解决了受复杂背景影响和像素间的连通性问题.     

一种基于犹豫中智集和水平集的图像分割方法

皮肤镜图像分析技术的第一步为图像分割,分割的结果会直接影响到后续的处理过程,针对具有背景噪声、模糊边缘和灰度不均的皮肤镜图像,提出了一种新的结合水平集的犹豫中智集图像分割方法;首先利用犹豫中智集理论将图像转换为犹豫中智集图像,其中犹豫中智图像由三类子集组成(T、I、F),利用犹豫中智集图像突出表达图像的目标信息和边缘信息;然后针对传统 DRLSE 水平集的不足进行改进,构造新的边缘停止函数,并增加灰度驱动能量项,最后通过改进的DRLSE 水平集对 ISIC(2018)皮肤镜图像进行分割测试;实验结果的交并比(Jaccard Index)值均大于 95%,且均方误差(MSE)、峰值信噪比(PSNR)和结构性相似指数(SSIM)均表现良好,表明方法能够准确、有效的分割具有模糊边缘和灰度不均的皮肤镜图像,对后续的皮肤镜图像的处理与诊断奠定了基础。     

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模型。首先，利用局部图像信息构造局部图像拟合函数，并在拟合函数中加入灰度权重；其次，通过极小化拟合图像与原图像之间的差值来构造图像的局部能量泛函；最后，运用变分法和最速下降法推导出所提模型的水平集函数演化方程。上述步骤采用有限差分方法进行数值实现。【结果】所提模型允许水平集函数常值初始化，即是无需初始轮廓，这有效避免了初始轮廓对分割结果的影响。此外，还可以保持分割的亚像素精度，能够有效分割多目标、背景复杂以及含伪影、孔洞等多类图像。【结论】实验结果表明，无需初始轮廓的分割模型完全避免了轮廓初始化带来的诸多问题，而且实现简单，分割快速。     

一种基于局部和全局拟合的混合多相水平集分割模型及算法

提出了一种混合多相分割主动轮廓模型,用于精确地分割灰度图像。针对图像去噪和细小边缘的模糊问题,提出多尺度信息增强和各向异性张量扩散结合的方法,并利用快速预分割获得初始轮廓线。在全局项中,用多种局部特征变量重构拉普拉斯能量拟合函数处理大的目标边缘;为了更好地分割拓扑结构复杂的区域,提出了一种分割深度可控的区域分割能量,并构造了计算局部自适应最佳分割阈值的深度系数。在局部项中,采用局部高斯分布拟合处理灰度不均匀区域。模型使用指数函数作为停止速度函数,并加入鲁棒性的曲线演化停止条件,提高了分割效率。新模型适用于分割灰度图中医学核磁共振图像和背景单一的自然图像,通过与最新的多相水平集模型和深度学习模型对照,结果显示新模型能更好地处理目标的拓扑结构,对边界的定位精确,分割精度更高。     

融入全局信息的局部拟合的活动轮廓模型

提出一种结合局部和全局灰度信息的图像分割模型.该模型通过引入新的控制参数,降低了局部拟合项在局部二值拟合的活动轮廓模型(LBF模型)中的主导作用,同时增加了全局信息在模型中的辅助作用,从而改进了局部二元拟合项.实验结果表明,改进的模型不仅能分割灰度不均的图像,而且提高了轮廓初始化的灵活性.针对一些合成和真实的图像,改进的模型减轻了对轮廓初始化位置、大小及噪声的敏感性,同时加快了曲线的演化速度,减少了CPU时间.     

快速有效的全局和局部能量驱动的活动轮廓模型

由全局和局部拟合能量驱动的活动轮廓模型(LGIF模型)对活动轮廓的初始化和噪声不敏感,且能够分割灰度不均匀图像;但是该模型的演化方程在每次迭代中需要进行多次高斯卷积,使得分割速度非常慢;基于这一缺点提出了一个新的模型;实验表明:该模型不仅能够分割灰度不均匀图像,而且分割效率优于LGIF模型。     

基于三阶样条曲线拟合的改进Snake模型在医学超声图像分割中的应用

鉴于医学超声图像所具有的复杂性,采用基于样条曲线拟合的改进Snake模型来实现对心脏超声图像的分割.为了克服传统Snake模型对初始轮廓的依赖性,采用扇形法获得靠近目标边界的初始轮廓点,并且得到的轮廓点是有序点集.能量最小化过程运用贪婪算法来获得图像的特征边缘点,最后采用三阶样条拟合的方法来获得连续的图像边缘.实验结果表明,采用本方法可以获得连续、封闭的边缘曲线,能够较好地将目标从图像中提取出来.     

基于局部统计特征约束的Snake模型图像分割方法

针对血管内超声(IVUS)图像边界模糊不清的问题,提出一种基于局部统计特征约束的Snake模型图像分割方法.首先利用IVUS图像的先验知识建立图像特征的统计信息,并以此信息构造变化的膨胀力,同时构造了轮廓曲线的内部平衡力,以此构造新的Snake模型,然后利用该模型进行图像分割.实验结果表明,该Snake模型对初始轮廓依赖性小,对噪声不敏感,能准确分割出具有模糊边界的目标图像.