一种改进的FCM多分辨率图像分割算法及其应用

提出了一种改进的模糊C均值聚类多分辨率图像分割算法,该算法利用像点的邻域信息对像点的模糊隶属度函数进行修正。实验证明:该算法具有对噪声不敏感的优点,在进行图像分割,特别是对含噪图像进行分割时能获得较好的效果。     

基于非齐次Markov随机场的无监督图像分割新算法

提出了一种基于非齐次Markov随机场(MRF)的图像分割算法,并运用模糊空间元素的模糊相似度模型,估计非齐次MRF的参数,改进了传统的基于齐次MRF的图像分割算法.通过对模拟脑部MR图像和临床脑部MR图像分割实验,表明该算法比传统的基于齐次MRF的图像分割算法和模糊C-均值等图像分割算法具有更精确的图像分割能力,并且运算简单、运算速度快、稳健性好.     

基于广义模糊算子的工业RT图像增强

在分析传统的图像模糊增强算法缺陷的基础上,提出了一种广义模糊增强的方法。该算法通过引入广义模糊集合的概念,将图像映射到广义模糊空间,设计一个分段正弦函数作为模糊隶属度,并采用了相应的增强算子,利用广义模糊变换范围大的特点,通过对工业RT检测焊缝图像进行广义模糊增强处理,使图像获得令人满意的增强效果。引入模糊熵的方法分析增强效果,并分析了广义模糊增强算法中影响增强效果的因素。     

图像分类数的自适应估计准则与最优分割算法

在图像分割算法中，将图像灰度分为多少类是首先需要决定的问题，它将直接影响分割的最终结果。因此，必须合理地估计图像分类数，它在理论分析和应用上都是很重要的一步。本文提出了一种基于马尔可夫场的图像分类数的自适应估计准则。当该准则达到最小时对应的类数就是图像正确分割所要求的分类数。准则中各参数由期望最大法和最大伪似然法来估计。试验表明，本文的算法能通过自适应的调整参数而正确地找到图像的分类数，并且在此分类数下能自动得到图像的最大后验分割。     

马尔科夫随机场在生物医学图像分割中的应用

目的：建立一种图像分割方法,以适应精确的生物医学图像分析。方法：根据马尔科夫随机场图像模型,利用最大后验概率准则（ＭＡＰ）,提出一种迭代松驰分割算法。结果：在用于生物医学图像以及ＣＴ重建图像的分析事得到较为理想的实验结果。结论：该算法与经典的图像分割算法相比具有分割精度高、可以进行多区域图像分割的特点。     

基于广义模糊吉波斯随机场的噪声图象分割

基于吉波斯随机场分割模型的图象分割方法是一种常用的重要方法。本文结合广义模糊集理论，针对噪声大的模糊图象分割问题，重新定义了吉波斯场的集团势函数，将广义模糊隶属度引入势函数，建立了新的分割模型。在此基础上用条件迭代模式（ICM）法对图象进行了优化分割。实验表明，该方法能有效地分割退化的模糊图象。     

改进FCM算法在颅脑磁共振图像分割中的应用

模糊C均值（FCM）聚类算法广泛应用于医学图像分割中,但该算法在分割低信噪比图像时,会产生较大的偏差。为解决这一问题,本文提出一种改进的FCM算法,充分考虑相邻像素之间的影响,对FCM的目标函数做一定的修改。实验表明,该算法与FCM算法相比,既能有效分割图像,又对低信噪比图像具有很好的分割效果。     

基于直方图统计快速FCM算法的医学脑部图像分割

针对模糊聚类算法（FCM）在脑部MRl图像分割中存在计算量大的缺点,提出了一种结合直方图峰值信息和统计信息的快速FCM（HF—KFCM）算法。算法首先利用多尺度窗口遍历的方法找到直方图的峰值点,然后将其作为模糊聚类的初始化中心。并采用基于直方图统计的快速聚类方法减少每一次迭代的运算量。仿真结果表明,相比于FCM算法和其他改进FCM算法,该算法的分割结果在聚类有效性和模糊性上提高显著。     

颅脑MRI图像模糊聚类分割算法中模糊聚类数的讨论

目的探讨颅脑MRI图像模糊聚类分割算法中最佳模糊聚类数。方法利用VC 编程读取DICOM格式的MRI图像,然后运用模糊聚类分割技术对50幅图像在不同的模糊聚类数参数下进行处理,进行对比分析。结果当模糊聚类数为5～6时,模糊聚类有效性函数最小,图像处理的效果达到最佳水平。结论进行颅脑MRI图像模糊聚类分割时,模糊聚类数应取5或者6。     

一种基于GA和梯度下降法的快速模糊系统学习方法

分析了现有模糊系统的两类主要的学习算法存在的缺陷.针对半梯形和三角形隶属度函数,提出了一种保证隶属度函数ε-完备性的方法.实现了一种新的基于遗传算法和梯度下降方法的快速模糊系统学习算法.通过实例进行了模拟,验证了该方法的高效性,以及保证隶属度函数完备性和模糊集合语义一致性的优点.     

马尔可夫随机场在弥散张量磁共振图像分割方法中的应用

本文利用弥散张量磁共振成像(DT-MRI)的弥散张量信息,引入Frobenius范数,提出了一种基于马尔可夫随机场(MRF)的DT-MRI图像分割新算法.本文实验分别使用该算法和K均值算法对DT-MRI图像进行分割,并将分割结果与FA图像予以评估比较.结果 表明,新算法分割DT-MRI图像的精确度高于K均值算法.另外,新算法分割DT-MRI图像效果优于常规MRI(T2WI)图像.     

椭球先验约束的前列腺磁共振图像分割

目的 为了有效的利用图谱的先验信息和待分割图像的灰度信息,提出一种新的椭球先验约束下的前列腺MR图像多图谱分割算法.方法 将多图谱分割与椭球形状先验相结合,在多图谱分割过程中引入椭球先验知识,针对椭球先验约束下的前列腺感兴趣区域进行图谱选择,大大避免了前列腺周围组织与器官对图谱选择造成的干扰;其次,在图谱融合过程中加入椭球先验项进行约束,对通过配准技术引入的前列腺图谱形状先验进行校正和补偿,有效避免了由配准误差引起的错误分割的情况.结果 对50例前列腺MR图像进行分割实验,实验结果表明该算法对前列腺数据的分割精度均在80％以上,平均精度提高到了88.12％.结论 椭球先验约束的前列腺MR图像多图谱分割算法稳定有效,分割结果精确度高.     

利用Gibbs距离图Snake模型分割医学图像

目的 提出利用Gibbs距离图Snake模型分割医学图像的算法.该方法能克服医学图像周有的噪声和伪边缘干扰,收敛到正确的目标轮廓.方法 首先推导Gibbs形态学梯度,然后提出基于Gibbs形态学梯度的距离图Snake模型的医学图像分割方法.结果 本文所提出的算法克服了传统距离图Snake模型的上述缺点.结论 本文所提出的方法分割结果鲁棒性好,分割过程无须人工干预,适合应用于临床医学图像分割.     

基于狄利克雷分布和参数分析的高斯混合模型图像分割算法

传统的高斯混合模型对于含有噪声的图像不能进行有效的分割。针对有噪声图像的分割问题,提出了一种基于狄利克雷分布和参数分析的高斯混合模型图像分割算法。首先采用高斯函数对像素计算先验概率值,然后采用狄利克雷分布和定律关联像素间的邻域信息,并利用梯度下降法优化参数。实验结果表明,本文算法对无噪声和有噪声图像的分割结果比传统方法更有效,误分率更低。     

改进的随机游走算法在困难肺结节分割中的应用

目的：为了提高计算机辅助诊断对肺结节良、恶性判断的精度,提出一种新的基于随机游走的肺结节分割方法。方法：首先,采用自适应中值滤波对图像进行平滑处理,消除困难肺结节内部灰度分布不均匀而导致的误分割;然后,将拉普拉斯零交叉点引入到随机游走算法权函数定义中,并根据图像中节点与种子点的距离来对图像进行边缘增强,消除弱边缘的干扰,获得外部特征清晰的肺结节分割结果。结果：与传统图像分割方法相比,该方法实现了三种困难肺结节的精确分割,对肺结节定量、定性分析提供更加准确的客观依据。结论：改进的随机游走图像分割可以有效地对困难肺结节进行精确分割。     

基于模糊核聚类的MR图像分割新算法

在传统的模糊聚类算法中引入了核函数,同时引入了控制邻域作用的约束项,提出了改进的基于模糊核聚类的MR图像分割新算法.通过对模拟图和仿真的脑部MR图像的分割实验,证明本算法可以有效地分割含有噪声的图像.