利用图像直方图特征峰分割肾小球图像

本文根据肾小球医学图像的特点 ,提出了一种新的基于直方图特征峰的图像分割方法。通过定位图像的特征峰 ,从而有效地对肾小球医学图像进行阈值化。经实验证明 ,本文提出的算法能快速、准确地分割肾小球图像。     

基于GVF-Snake模型改进的X线图像分割

参数活动轮廓模型目前越来越被广泛应用于医学图像分割中,而GVF-Snake模型更是其中研究较为广泛的一种.在人体手部指骨的X线图像分割中,对指节间隙的分割要求较高,传统的GVF-Snake模型方法需要较多的控制点选取,且分割结果并不稳定.因此,本文提出了一种基于改进的GVF-Snake模型分割方法,对图像灰度先进行线性...     

基于深度学习的男性盆腔CT影像自动分割概述

近年来,深度学习已逐渐应用于放射治疗的器官自动分割和勾画.但是基于CT图像的盆腔器官自动分割仍具有较大挑战性.本文介绍了图像分割常用的基础网络模型和框架,以及适用于医学图像分割的网络、损失函数、常用数据集改进,重点概述了近五年基于CT图像使用深度学习自动分割男性盆腔器官的主要网络和结果,探讨了深度学习自动分割所面临的挑...     

图像分割技术进展

本文系统的回顾了若干传统的图像分割技术，包括基于灰度直方图的技术及基于空间细节的各种技术，也介绍了若干新的分割方法，如基于模糊集理论的方法，基于多分辨率分析的方法以及基于人工神经网络的方法等。同时也对分割结果的评价等作了概要介绍     

基于最大方差的免疫细胞图像双阈值分割

细胞图像分割是医学图像处理的热点研究内容，论文针对传统的阚值分割方法，将最大方差阈值选择函数进行推广，获得双阈值选择函数，实现了免疫细胞图像的自动双阈值分割，并采用数学形态学方法中的开运算进行后处理，有效消除了阈值分割所带来的毛刺及噪声。实验结果表明，该方法简单、快速，分割结果令人满意。     

基于形态特征的淋巴瘤病理图像分级分割方法

目的: 提出一种淋巴瘤病理图像分级分割方法。方法: 针对淋巴瘤病理图像中组织灰度在RGB颜色通道中的分布形态特点, 采用图像代数运算增大淋巴瘤病理图像中不同染色质组织之间的灰度差异, 采用最大类别方差方法, 建立一个融合多通道灰度分布形态信息的分割模型,分离出淋巴瘤病理图像中不同染色质的区域; 再利用区域的面积、灰度纹理粗糙度、圆形度等几何形态特征建立二级分割模型, 分离出同染色质中不同的组织靶区。结果: 实现了淋巴瘤病理图像的自动分割。结论: 试验结果表明该方法速度快, 分割效果理想, 为淋巴瘤病理图像的定量分析打下良好的基础。     

基于迁移学习与数据增强实现计算机断层扫描图像器官自动分割的实验研究

目的:探讨在机器深度学习中迁移学习在图像软件对实验动物解剖结构的识别、提取和自动分割中的作用,以及数据增强算法对迁移学习能力的影响。方法:在HyVision Ablation Planning V1.0图像软件的平台上,以Efficient Net b1神经网络作为深度学习的骨干网络。利用51套VX2兔肝癌模型的计算机断层扫描(computed tomography,CT)图像,以数据增强的方式进行迁移学习训练。将图像软件已经具备的人体腹部CT图像上器官的识别、提取与自动分割功能在动物模型上进行重现。比较不同的学习模型和算法模型的Dice系数、归一化表面Dice(normalized surface Dice,NSD)、三维重建的图像质量及与医师标注的动物模型训练集的差异。结果:从有数据增强无迁移学习型的模型到有数据增强有迁移学习型的模型,VX2兔CT图像的器官自动分割Dice系数从0.525提升到0.676,提高了28.76%,NSD从0.448提升到0.616,提高了37.50%。从无数据增强有迁移学习型的模型到有数据增强有迁移学习型的模型,VX2兔CT图像的器官自动分割Dice系...     

基于形变模型Level Set方法的图像分割

本文阐述了基于形变模型(Deformable Models)的Level Set分割方法的基本原理及其特点,介绍了在图像域的实现方法,实现并改进了基于该模型的Narrow Band快速算法。该算法的基本流程是:先在需要分割的目标内或外给定一封闭的初始曲线,通过Gaussian滤波后计算图像的梯度,最后通过Narrow Band 算法完成轮廓线的抽取。该算法应用于医学CT/ MRI影像以及显微图像的目标分割中,取得了较好的实验结果,证明该方法非常适合于对具有分支、突触以及拓扑结构变化的目标进行快速精确分割。文中给出了算法实现的基本流程、相关参数的选取准则和部分实验结果。实验发现算法中涉及的参数对提取的轮廓线的精确和光滑程度有较大影响。     

血细胞图像的自适应分割

目的 :对血细胞图像进行自适应分割。方法 :首先将RGB图像变换到HSV(Hue/Saturation/Value)空间 ,清除图像中不具有饱和度信息的杂质 ;然后利用形态学重建滤波器作滤波 ,在保持目标边缘性质的同时滤掉脉冲干扰 ,并消除图像照度不均匀的影响 ;最后用Watershed变换完成图像分割。结果 :实现了低质量血细胞图像的自适应分割。结论 :该方法具有很强的抗干扰能力 ,分割结果令人满意。     

基于改进自生成神经网络的皮肤镜黑色素细胞瘤图像分割

针对皮肤镜黑色素细胞瘤图像,提出一种基于自生成神经网络(self-generating neural net-work,SGNN)的自动分割算法。算法首先采用区域生长的方法将图像进行粗分割;然后将每一个子区域看作一个叶节点,根据节点之间的相邻关系定义连接规则;最后采用SGNN对这些节点进行聚类,完成黑色素细胞瘤图像的分割。本文方法克服了传统SGNN算法对样本训练顺序敏感的缺陷,提高了效率,实验结果表明,该方法能够自适应确定聚类数目并准确分割黑色素细胞瘤图像。     

基于全自动显微镜的图像新技术研究

针对显微图像分析、识别需要的全自动控制显微镜,研究开发其相应的图像处理算法。提出了能量谱自动聚焦评价函数算法、自适应选取基准图的图像拼接算法、改进Laplacian算子的多层聚焦图像叠合算法等。该算法模块已成功地应用于所开发的CMIAS显微医学图像分析系统中,取得了满意的应用效果。     

基于空间信息及灰度信息的塔型模糊聚类图像分割

对于二维灰度图像,基于灰度信息的图像信息熵分析法,由于没有考虑到图像的空间信息,存在着对图像信息描述不准确的问题。在进行图像分割时,若图像复杂到一定程度时,无法得到满意的效果。本文从空间信息和灰度信息出发,将图像的空间信息和灰度信息作为特征向量,对比较复杂的图像进行聚类分割,取得了满意的效果。经分析和实验验证,本文提出的基于空间信息和灰度信息的塔型模糊C-均值聚类（PFCM）图像分割方法与传统的非塔型聚类算法相比,具有收敛速度快、稳定性好等优点。同时,由于对初始聚类中心的合理初始化,消除了聚类分析中常见的死点问题。     

基于邻域信息的图像模糊映射及其应用

模糊映射是图像模糊处理的基础,目前主要是基于图像象素值的映射,没有充分利用图像的邻域相关信息。本文提出基于邻域信息的模糊映射思想,解决较复杂图像的模糊处理问题。文中给出该方法在边缘检测、区域分割中的应用实例,均取得令人满意的结果。     

模糊集理论在图像分割中的应用综述

图像分割是许多图像分析和图像处理过程中的重要步骤。由于人的视觉特性和数字图像本身所具有的模糊性,使得图像分割问题是典型的结构不良问题,由Zadeh提出的模糊集合论具有描述不良问题的能力,模糊集合论应用于图像分割是针对图像模糊性非常有效的方法。目前模糊集理论在图像分割中的应用有许多成功的方法。本文就基于模糊理论的图像分割方法进行了综述,主要归纳了模糊阈值分割、模糊聚类分割以及模糊神经网络分割等方法并简要讨论了各种方法的特点。     

基于混合注意力U-net全脑全脊髓临床靶区自动勾画

目的:在U-net卷积神经网络基础上设计出混合注意力U-net (HA-U-net)网络用于全脑全脊髓临床靶体积(CTV)自动勾画,并与U-net自动分割模型分割结果进行比较。方法:研究回顾了110例全脑全脊髓患者数据,选择80例用于训练集,10例用于验证集,20例作为测试集。HA-U-net以U-net为基准网络,在...     

一种半监督的彩色图像分割方法

提出一种基于半监督EM聚类的彩色图像分割方法, 算法利用了有限的人工信息, 即在图像上点击有限的几个点以标识对应区域之间的关系, 从而得到满足给定限制的精确图像分割结果。算法首先对图像进行量化处理, 而后在量化后的色彩空间中集成先验的分割信息进行色彩聚类。实验表明算法运行速度快, 分割效果好, 具有很高的应用价值。     

基于位平面编码的超光谱图像压缩方法

针对超光谱图像的特点和硬件实现的实际需要,提出了一种基于小波变换的前向预测帧间去相关超光谱图像压缩算法。通过图像匹配和帧间去相关,消除超光谱图像帧间的冗余,对残差图像的压缩采用基于小波变换的快速位平面结合自适应算术编码的压缩算法,按照率失真准则控制输出码流,实现了对超光谱图像的高保真压缩。通过实验证明了该方案的有效性, 基于小波变换的快速位平面结合自适应算术编码的压缩算法速度优于SPIHT,而且易于硬件实现。