一种水平集分割的快速算法

目的 提出一种优化的水平集分割算法实现对医学图像的快速分割。方法 分别通过限定水平集函数求解个数和利用图像自身特征来提高算法的效率和减少参数设定。结果实现对DSA血管树的快速分割。结论 通过优化模板区域内的水平集函数求解个数，并结合图像自身特征可以较好实现对医学图像的快速分割。     

基于模糊聚类优化的序列图像快速分形压缩

针对传统序列图像分形压缩算法编码时间过长的问题,提出了一种基于模糊聚类优化(OFC)的快速算法,它是一种基于单帧的序列图像帧间分形压缩算法。首先使用LBG(Linde-Buzo-Gray)方法对序列图像组成的搜索空间样本集进行初始化,然后将OFC方法应用于对样本集的软分类,匹配时通过用类内搜索取代全局搜索,将分形编码过程聚焦在最有效的局部范围内,从而减少了匹配次数,降低编码时间。由于OFC算法是一种软分类方法,样本集类别数的确定即最终聚类方案是取样本集所有可能的分割中对应于目标函数最小者的分割,所以它不但是基于全局最优的聚类方法,避免了基于局部最优LBG算法中的某些误判,而且有效抑制了传统硬分类方法中类别数需预先指定的人为干扰因素,使恢复图像的质量能够得到更有效保证。相同运算环境下的仿真实验结果说明,在不影响信噪比和压缩比的前提下,与传统序列图像分形压缩算法相比,OFC算法编码速度可提高约5倍,证明了本算法的优越性。     

基于加权水平集演变算法的医学图像分割研究

目的本研究提出一种基于局部边缘特征的加权水平集演变算法,并应用于医学图像分割。方法首先,计算演变轮廓内外邻域的图像局部边缘特征;接着,计算演变轮廓邻近轮廓的平均边缘强度和图像梯度向量流场,构造加权函数项;然后,由此构建新的水平集算法能量函数的长度项和区域项,借助偏微分方程求得最小值获得图像目标理想边界。实验图像选用人工合成图像和临床实例图像,不同水平集算法分割性能采用Dice相似性系数。结果视觉分析显示,基于本研究算法获得的图像目标轮廓与真实图像目标区域边界吻合度最高。定量分析显示,基于本研究算法所得分割图像能获得更高的Dice相似性系数。此外,迭代次数较少时,本研究算法即可获得最佳目标轮廓,且增加迭代次数,本研究算法Dice相似性系数变化微弱不溢出。最后,初始轮廓位置不同,其他三种算法所得Dice相似性系数变化较大且低于本研究算法。结论本研究算法较其他水平集算法收敛速度快,对初始轮廓位置敏感度低,稳定性强,是一种可行的医学图像分割算法。     

基于模糊聚类优化的序列图像快速分形压缩

针对传统序列图像分形压缩算法编码时间过长的问题，提出了一种基于模糊聚类优化(OFC)的快速算法，它是一种基于单帧的序列图像帧间分形压缩算法。首先使用LBG(Linde-Buzo-Gray)方法对序列图像组成的搜索空间样本集进行初始化，然后将OFC方法应用于对样本集的软分类，匹配时通过用类内搜索取代全局搜索，将分形编码过程聚焦在最有效的局部范围内，从而减少了匹配次数，降低编码时间。由于OFC算法是一种软分类方法，样本集类别数的确定即最终聚类方案是取样本集所有可能的分割中对应于目标函数最小的分割，所以它不但是基于全局最优的聚类方法，避免了基于局部最优LBG算法中的某些误判，而且有效抑制了传统硬分类方法中类别数需预先指定的人为干扰因素，使恢复图像的质量能够得到更有效保证。相同运算环境下的仿真实验结果说明，在不影响信噪比和压缩比的前提下，与传统序列图像分形压缩算法相比，OFC算法编码速度可提高约5倍，证明了本算法的优越性。     

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。     

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.     

面向B超图像分割的动态权重因子水平集方法

目的研究和改进水平集方法,实现B超图像中病灶区域的准确快速分割。方法分析已有水平集方法在B超图像处理中
的局限,基于区域水平集的优点,将信息论中的熵引入图像处理,定义动态权重因子,准确反映局部灰度阶梯变化状况,定量度
量轮廓线像素点分别受到趋向目标、背景区域的两种作用力的动态权重,将其融合到区域水平集中,迭代引导曲线形变和位
移。由于B超图像病灶分割属于指定区域的局部分割,所以将计算约束到局部范围,从而明显降低运算代价。结果动态权重
因子水平集方法能够较好分割B超图像中的病灶区域,与几种主流水平集方法相比,本文方法精度更高,时间复杂度更小。结
论动态权重因子方法能够更合理准确地判断病灶边界像素点,局部计算策略有效地提高了分割效率。
     

基于耗散结构的改进遗传算法求取红外图像二维阈值

在二维阈值化分割算法的基础上，提出了一种新的改进分割算法运算效率的遗传算法，在对耗散系统理论研究的基础上，将简单遗传法与耗散结构相结合，构成一种新的算法，并对该算法求解红外图像二维阈值问题进行了仿真研究。仿真计算结果表明：用这种方法求解红外图像二维阈值分割问题，计算效率大大提高，而且求解性能较简单遗传算法有很大的改善。     

基于自监督学习与语义分割相结合的内窥镜白内障图像分割

目的:基于自监督学习与语义分割方法在白内障数据集上训练深度学习模型,分割白内障手术的显微镜图像,以提升算法的准确性和鲁棒性.方法:提出CA-PSP模型实现白内障数据集语义分割,采用自监督模型BYOL预训练模型参数;为了增强网络特征表达能力,在骨干网络加入一个轻量级的网络注意力机制,即坐标注意力模块(coordinate...     

基于Fast Marching Method的肝脏CT图像序列自动分割

快速行进法(fast marching method,FMM)已被证明在图像分割方面具有优势,在此基础上提出了一个混合分割的算法。这个方法加入了图像分割后处理步骤,成功解决了活体肝脏CT系列图像自动分割问题。首先是通过滤波去噪等处理得到速率系数图像,然后根据CT图像相邻层间的相似特点计算FMM所需的参数进行图像分割,最后使用开运算修正肝脏边缘。整个序列分割过程只需用户定义一个种子点,减少了人工干预,从而提高了效率和准确性。     

基于Hermite微分算子的水平集MR图像分割方法

本文介绍一种基于Hermite微分算子用于MR图像分割的水平集方法。该方法采用Hermite微分算子来代替传统一阶差分算子。即在水平集曲线演化时函数微分用像素点的二阶邻域差值求得，而不是传统方法由一阶邻域决定。实验结果表明，对于相同的分割过程，运用了Hermite微分算子的水平集方法，其分割结果更加精确。尤其是对于由噪声等因素所引起的退化图像。其分割效果明显优于传统方法，而运算速度与传统方法相差无几。     

SEM材料图像目标区域分割

由SEM获取的纤维材料图像,目标孔洞粘联明显、重叠严重,特征参数提取困难。本文首先利用提取目标特征凹点的方法,实现了目标区域分割,但在分割精度上存在着不足,且算法较为复杂。对此,采用了一种基于距离变换的分水岭算法,通过对不同区域设置标记,循环标记的最终结果形成分水岭,并通过抑制过分割实现了对目标区域更为精确的分割。实验结果表明该算法具有良好的特性。     

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。     

基于粗糙熵和K-均值聚类算法的图像分割

针对基于粗糙熵的图像分割算法不能满足复杂图像的多类目标提取的需要,本文先利用K-均值聚类算法对图像进行区域分割,再利用基于粗糙熵的方法对分割结果进行目标提取,从而达到多阈值分割的目的。通过对遥感图像进行分割处理,证明了改进后算法的有效性。     

一种改进的自适应谱聚类图像分割算法

摘要：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Nyström 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。
     

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。     

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.