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.     

模糊马尔可夫场模型与图像分割新算法

本文建立模糊马尔可夫场模型，并提出基于模糊马尔可夫场的图像分割新算法。该算法同时处理模糊性和随机性，因此能有效获取图像的先验知识。在模糊马尔可夫场与待分割图像之间用经典的马尔可夫场关联。模糊马尔可夫场是经典马尔可夫场的推广，当模糊马尔可夫场失去模糊性时，它将退化为经典的马尔可夫场。给定图像，随即进行模糊化处理；以最大后验概率作为优化准则修正模糊马尔可夫场的隶属度；最后按照最大隶属度原则消除模糊性，从而得到图像的分割。该算法可以有效地虑除噪和消除部分容积效应，得到更为准确的分割结果。     

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。     

基于同质直方图和DS证据理论的彩色图像分割研究

目的本文提出一种新颖的基于模糊同质直方图和数据融合技术的彩色图像分割算法。方法首先计算图像的同质特征和同质直方图,然后检测出直方图的峰值点对RGB彩色图像各层进行初始分割,最后计算各基色彩色图像的概率分配函数,使用基于正交和的Dempster-Shafer(DS)理论合并规则进行图像融合,得到最终的彩色分割图像。结果选用人工合成和多种医学图像进行仿真实验。定性分析表明基于本文算法的分割图像对比度和清晰度均最优,且图像中细胞边界清晰完整,细胞数量真实可靠;定量评估结果显示基于本文算法的图像分割敏感度均最高,显著优于现存的基于目标点到原型成员之间距离的优良模型(Model for Membership Functions,MMFD)和高斯分布假设和直方图阈值(Model Mass Function Method Based on the Assumption of Gaussian Distribution,MMFAGD)算法,且基于同质直方图优于FCM(Fuzzy C-Means)和HCM(Hard C-Means)产生的概率分配函数。结论基于模糊同质直方图的DS证据理论是一种可行的彩色图像分割算法,不仅能获得优质、稳定、准确的彩色分割图像,而且优越于其他现存的分割算法。     

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。     

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.     

基于改进区域生长算法的肝脏管道图像分割方法

在图像分割过程中,传统区域生长法种子点的选取需人工判定,工作量较大,效率较低。为了减少种子点选取时的用户交互量,本文提出了一种基于种子点位置预判的改进区域生长算法。该算法基于血管骨架线具有代表性的特点,通过坐标系的映射转换来预判图像中肝脏管道的位置,减少了人工参与,实现了图像种子点数目和位置的自动确定。肝脏图像分割实验结果表明,该算法在较少的用户交互情况下,实现了序列图像的种子点位置预判,获得了较满意的图像分割效果。     

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。     

一种基于分水岭和模糊聚类的多级图像分割算法

分水岭算法是一种广泛应用的图像分割工具,它能够自动生成单像素宽度的封闭轮廓。分水岭算法的不足在于它的过分割结果,即生成大量小的封闭区域,使目标物体淹没其中。本文提出一种对分水岭算法过分割结果的模糊聚类方案,首先为每个分水岭区域定义特征量,然后根据这些特征量以及相邻区域之间的分水岭显著性计算两个相邻区域之间的近似程度,进而计算所有分水岭区域的模糊等价矩形,最终形成图像的多级分割结果。本文对多种类型的图像进行了实验。     

一种用于纤维增强复合材料微观结构图像的阈值分割算法

提出了一种新的阈值分割方法,将原始图像划分为子图像,计算子图像变化统计分布矩阵及平均加权信息熵能量占总信息熵能量和的比例,判断子图像内是否含有目标纤维.提出一种改进的Otsu阙值分割算法对含有目标的子图像进行分割.实验证明:该方法适用于目标稀疏且对比度低、亮度分布不均匀的图像,应用在纤维增强复合材料微观结构图像阈值分割中,能较好抑制图像中的噪声,在不破坏纤维完整性的同时获得较满意的分割结果.     

一种基于高斯混合模型的快速水平集图像分割方法

水平集方法(LSM)图像分割的本质是求解一个随时间变化的偏微分方程,而使用变分法求解此水平集方程(LSE)往往要耗费过多的计算时间。为了减少算法的运行时间,提出了一种快速水平集图像分割算法。该算法在模糊聚类水平集方法(FCM-LSM)的基础上使用高斯混合模型(GMM)改造其隶属度损失函数,并利用离散网格Boltzmann方法(LBM)求解水平集方程。实验结果表明:本文提出的算法无论是在执行效率上还是在分割效果上都优于传统方法,证明了算法的可行性。     

低对比度医学图像全自动分割算法

由于医学图像的对比度较低以及各种组织器官的边缘往往较为模糊,医学图像的分割是医学图像处理中的一个经典难题。如果能将各种分割对象的先验信息加入到分割算法中,将会改善分割效果。针对CT图像中的前列腺器官分割问题,利用水平集函数获得初始分割轮廓,结合从手工分割图像中获得的形状和纹理先验信息,采用遗传算法来演化分割轮廓。仿真实验结果证明该方法能有效地分割出低对比度的医学器官。     

Improved Fuzzy Clustering Algorithms in Segmentation of DC-enhanced breast MRI

Segmentation of medical images is a difficult and challenging problem due to poor image contrast and artifacts that result in missing or diffuse organ/tissue boundaries. Many researchers have applied various techniques however fuzzy c-means (FCM) based algorithms is more effective compared to other methods. The objective of this work is to develop some robust fuzzy clustering segmentation systems for effective segmentation of DCE - breast MRI. This paper obtains the robust fuzzy clustering algorithms by incorporating kernel methods, penalty terms, tolerance of the neighborhood attraction, additional entropy term and fuzzy parameters. The initial centers are obtained using initialization algorithm to reduce the computation complexity and running time of proposed algorithms. Experimental works on breast images show that the proposed algorithms are effective to improve the similarity measurement, to handle large amount of noise, to have better results in dealing the data corrupted by noise, and other artifacts. The clustering results of proposed methods are validated using Silhouette Method.     

Automatic Identification of Human Erythrocytes in Microscopic Fecal Specimens

Traditional fecal erythrocyte detection is performed via a manual operation that is unsuitable because it depends significantly on the expertise of individual inspectors. To recognize human erythrocytes automatically and precisely, automatic segmentation is very important for extraction of characteristics. In addition, multiple recognition algorithms are also essential. This paper proposes an algorithm based on morphological segmentation and a fuzzy neural network. The morphological segmentation process comprises three operational steps: top-hat transformation, Otsu’s method, and image binarization. Following initial screening by area and circularity, fuzzy c-means clustering and the neural network algorithms are used for secondary screening. Subsequently, the erythrocytes are screened by combining the results of five images obtained at different focal lengths. Experimental results show that even when the illumination, noise pollution, and position of the erythrocytes are different, they are all segmented and labeled accurately by the proposed method. Thus, the proposed method is robust even in images with significant amounts of noise.     

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.     

一种改进的自适应谱聚类图像分割算法

目的提出一种改进的自适应谱聚类图像分割算法,该算法能自动选择出最优尺度参数从而提高谱聚类算法分割的准确率。方法利用约束条件优化相关准则函数,对相似度量函数自动学习迭代并得到最优尺度参数,再运用基于Nystr m估计的谱聚类算法得到最后的图像分割结果。选择对不同性质的纹理图像采用适合的相似度量函数并应用本文的算法进行图像分割,最后与k-均值算法和预分割后再使用人工调整到最优参数的谱聚类算法的分割结果进行了比较。结果这种改进的自动选择最优尺度参数的谱聚类算法在分割效果上较其它两种聚类算法能得到更好的分割结果。结论本文提出的改进方法,能使谱聚类算法的图像分割效果更理想。