基于局部调整动态轮廓模型提取超声图像乳腺肿瘤边缘

提出一种基于局部调整动态轮廓模型提取超声图像乳腺肿瘤边缘的算法.该算法在Chan-Vese (CV)模型基础上,定义了一个局部调整项,采用基于水平集的动态轮廓模型提取超声图像乳腺肿瘤边缘.将该算法应用于89例临床超声图像乳腺肿瘤的边缘提取实验,结果表明:该算法比CV模型更适用于具有区域非同质性的超声图像的分割,可有效实现超声图像乳腺肿瘤边缘的提取.     

肝癌图像感兴趣目标的准确分割

背景:Snake模型为医学图像分割提供了一个全新的分割方式,可以克服传统图像分割方法在医学图像分割中的缺点。目的:针对肝癌CT图像特点,提出了一种改进的B样条曲线的Snake模型图像分割算法。方法:对腹部CT图像进行预处理,获得肝脏癌变部分的初始轮廓,再构造闭合B样条Snake模型,最后使用MMSE最小化外力变形模型以实现图像的准确分割。结果与结论:改进的B-Snake分割算法不仅减少了噪声的影响,而且使Snake曲线较好地收敛于目标轮廓边缘,对于肝癌CT图像该方法取得了感兴趣目标的良好分割效果。     

一种基于Snake模型的脑部CT图像分割新算法

针对目前传统的Snake模型图像分割算法的力场捕捉范围小、对初始轮廓的选取敏感以及对轮廓曲线难以收敛到 细小深凹边界的缺陷,提出一种基于Snake 模型的脑部CT图像分割新算法。算法首先运用Canny 边缘算子对图像进行 边缘检测,将边缘检测图像叠加到原始图像上,然后再运用Snake模型和梯度向量流（GVF）Snake模型分别对叠加图像进 行分割。实验结果表明,该算法克服了传统Snake 模型和GVF Snake 模型因边缘轮廓不清晰造成的漏分割情况,防止了 GVF Snake模型由于GVF力场的相互作用所造成的过分割现象,同时,还能促使轮廓线收敛到细小深凹边界,提高定位精 度,具有更好的分割效果。     

结合蚁群算法的Snake模型的医学图像分割方法

图像分割是医学图像处理中一个网难而又极其重要的课题.本文提出一种新的结合Snake模型和蚁群算法的图像分割算法.Snake模型是一种将目标的轮廓模型与图像特征相匹配的分割方法,而蚁群算法可以帮助人们理解生物系统的原理以及在机器人技术、计算机图形学等领域已经得到广泛应用.本文在结合已有Snake模型和蚁群算法优点的基础上,提出了新的图像蚁群分割模型.实验结果表明,本文提出的分割方法能够比较好的保留图像的细节信息,并具有一定的抗噪声能力.     

基于二进小波变换和快速主动轮廓模型的医学图像边缘提取

医学图像的病灶边缘一般呈弱边缘特性,噪声干扰使得提取病灶边缘更加困难,传统的分割方法不能取得令人满意的效果.我们提出了一种基于二进小波变换和主动轮廓模型的病灶边缘提取方法.该方法采用二进小波检测出真正的边缘点,将其作为初始轮廓,再利用改进的快速主动轮廓模型算法连接边缘点,得到病灶的边缘.将该算法用于脑部MRI的肿瘤边缘提取的实验结果表明这种方法可以有效减少噪声的影响,能够准确地提取出复杂的病灶边缘.     

用改进的Snake算法检测血管内外轮廓

动态轮廓模型 (Snake算法 )是一种较好的目标轮廓检测方法。但是传统的Snake算法在对其能量函数进行优化时 ,不能检测多目标图像 ,并且不能检测凹形目标和内轮廓。本文首先对图像进行自动Snake初始化 ,然后在Snake的成长过程中加入向心力因子。实验结果表明 ,新的算法能够检测多目标轮廓和凹形目标及内轮廓 ,优于传统的Snake算法。     

用改进的Snake算法检测血管内外轮廓

动态轮廓模型（Snake算法）是一种较好的目标轮廓检测方法。但是传统的Snake算法在对其能量函数进行优化时,不能检测多目标图像,并且不能检测凹形目标和内轮廓。本文首先对图像进行自动Snake初始化,然后在Snake的成长过程中加入向心力因子。实验结果表明,新的算法能够检测多目标轮廓和凹形目标及内轮廓,优于传统的Snake算法。     

基于Contourlet变换和PCNN的CT图像椎体解剖轮廓特征提取方法的研究

提出一种新的基于Contourlet变换和脉冲耦合神经网络(PCNN)的医学图像解剖轮廓特征提取算法。首先对原始椎体CT图像进行Contourlet变换,得到能稀疏表示图像边缘以及方向信息的子带和低频子带;然后结合PCNN对低频子带进行边缘轮廓细节提取,最后利用处理后的所有子带系数,通过Contourlet逆变换,提取出图像的边缘轮廓。实验将本算法提取的结果与Canny算子、区域生长法以及结合小波变换和PCNN的算法提取的图像边缘轮廓进行比较,结果表明新算法能够有效的实现医学图像解剖结构轮廓特征的提取。     

基于Snake模型的医学图像分割

基于Snake模型的图像分割技术是近年来图像处理领域的研究热点之一.Snake模型承载上层先验知识并融合了图像的底层特征,针对医学图像的特殊性,能有效地应用于医学图像的分割中.本文对各种基于Snake模型的改进算法和进化模型进行了研究,并重点梳理了最新的研究成果,以利于把握基于Snake模型的医学图像分割方法的脉络和发展方向.     

基于边缘流和距离图Snake模型分割淋巴结超声图像

提出一种基于边缘流的距离图Snake模型的图像分割方法，用于淋巴结超声图像的分割。首先由给定的4个标记点获得Snake模型的初始轮廓，然后综合图像灰度和纹理特征构造边缘流，由边缘流演化所得边缘图来构造距离图，通过定义基于距离图的势能函数，作为Snake模型的外部势能，来引导模型形变，实现对淋巴结超声图像的半自动分割。