基于活动轮廓模型和边缘对比度特征量的血管内超声图像边缘提取

血管内超声（IVUS）图像冠状动脉血管壁的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义。本研究提出了一种用于自动提取IVUS序列图像冠状动脉血管壁内、外膜边缘的方法。该方法基于活动轮廓模型以及本研究所定义的边缘对比度特征量，利用Hopfield神经网络并结合模拟退火算法自动提取IVUS序列图像冠状动脉血管壁的内、外膜边缘。实验结果表明，本研究方法易于实现，而且准确性和可靠性较高，对IVUS序列图像处理的可重复性和鲁棒性较好，是一种较好的全局最优化算法。     

医学图像分割中的主动轮廓模型研究现状

主动轮廓模型具有强大的先验知识引入能力,非常适合解决复杂医学图像分割问题。本文介绍了两种主动轮廓模型的基本原理及其相互关系,详细综述了模型的几个重要改进措施,包括曲线的表示方式、基于梯度的ACM、基于区域的ACM,以及结合先验形状的ACM,并讨论了医学图像分割中的主要应用实例,最后展望了模型今后的研究方向。     

基于小波变换和拉普拉斯算子的细胞图像边缘检测方法

目的：介绍一种基于小波变换和拉普拉斯算子的血液细胞图像边缘识别方法。材料和方法：取正常人血样5mL。制成血液细胞图片12片，对血图像进行预处理后，利用小波变换的多分辨率特性滤除细胞图像中的干扰成份。根据血液细胞边缘附近的灰度分布梯度较大的特点，采用拉普拉斯算子及双阈值法对其进行边缘检测和识别。结果和结论：实验结果表明，结合小波变换和拉普拉斯算子的边缘提取算法对血液细胞图像边缘提取有良好的效果．为下一步对血液细胞的形态学分析、分类和识别提供了新途径。     

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.     

基于静电力方法的主动轮廓模型的脑部MRI图像分割

提出一种改进的使用主动轮廓线模型分割医学图像的方法.基于Greedy法和静电场模型,对Greedy算法中蛇点的邻域提出了进一步的搜索准则,并给出判定的准则.同时,在预处理后的图像中使用静电力作为图像外力,并介绍了简化计算的方法.对比实验表明了该算法的有效性.     

轮廓波及曲波和小波变换用于显微图像消噪的比较

背景：小波变换只能反映信号的零维奇异性,无法最优表示图像中的线奇异;而且小波变换只存在3个方向,这些都显著影响了它在图像处理领域的应用效果。针对小波变换的缺点,多尺度几何分析理论正在逐步发展,轮廓波变换和曲波变换就是其中的典型代表。 目的：定性、定量地比较轮廓波、曲波和小波变换在图像消噪处理中的效果。 方法：在简要介绍3种变换基本原理的基础上,比较它们在图像消噪领域的应用,以均方误差和峰值信噪比作为定量指标评价消噪效果,并将其应用于显微镜图像的消噪处理。 结果与结论：综合定量评价指标和人眼视觉感受,曲波变换的消噪结果最佳,轮廓波变换效果次之,小波变换效果则不够理想。     

基于活动轮廓模型的超声心脏图像轮廓的自动检测

轮廓的提取是超声医图像学多维重建中最困难的问题之一,本文提出了一种超声心脏图像轮廓的自动检测方法,首先,根据超声图像的特点,对超声图像进行自适应加强中值滤波以消除斑点噪声,然后利用数学形态学的方法提取出心脏的初始轮廓。最后,运用活动轮廓模型,对初始轮廓进行逼近,得到精确的心脏轮廓,实验结果显示了方法的有效性,本方法在心脏超声图像的多维重建过程中,对序列断层图像心脏轮廓的提取有实际应用价值。     

基于CT医学图像的边缘提取研究

为了实现人体器官的三维重建,如何准确、有效地提取二维医学图像的边缘成了首要解决的问题.我们提出一种新的图像边缘提取方法,该方法先将原始CT图像二值化,然后利用数学形态运算对二值化图像进行预处理,最后利用Canny算子提取图像边缘.通过肾脏CT图像边缘提取结果表明,该方法简单、高效、性能优越.     

基于小波变换的多分辨率医学图像融合

多模医学图像融合在医学图像分析和诊断上具有极为重要的应用价值。本文采用了基于小波变换的多分辨率分析对人脑MRI PET图像进行了融合。结果表明此方法能够充分有效地将解剖信息与功能信息集成在一起 ,并保留原始图像的边缘和纹理特征 ,具有广阔的应用前景     

基于相对模糊连接度的联合主动轮廓模型及其在医学图像分割中的应用

针对医学图像背景复杂、边界模糊、局部不均匀等特点,提出了一种基于相对模糊连接度的联合主动轮廓模型,并将其应用于医学图像分割。首先介绍主动轮廓模型的曲线演化方程和模糊连接度的相关理论,然后将相对模糊连接度作为曲线演化驱动力引入曲线演化方程,最后用实验证明该方法对多目标医学图像和复杂医学图像的有效性。由于模糊连接度方法综合了局部信息和全局信息,因此可以克服Li方法容易陷入局部最优的问题和Chan-Vese方法不能越过局部伪边界的问题,从而使联合主动轮廓模型的演化曲线最终收敛于全局最优边界。     

基于活动轮廓模型的彩色白细胞图像自动分割方法研究

为解决血液白细胞显微图像自动识别中的图像分割问题,提出了一种基于活动轮廓的彩色白细胞图像自动分割方法,首先在Hue,Saturation,Intensitv（HSI）彩色空间中运用聚类分割得到细胞核,从而得到细胞所在的位置,然后用流域算法得到细胞大致的轮廓,最后将此轮廓作为初始轮廓,用梯度矢量流（GVF）外力及来自全局信息的区域力驱动,结合彩色信息,使得轮廓收敛于真实的细胞边界。实验结果表明,此方法能精确、有效地分割出单个以及部分重叠白细胞区域。     

基于活动轮廓模型的图像分割算法综述

活动轮廓模型是一种重要的图像分割技术,它利用底层信息,并结合高层先验知识,实现对复杂目标轮廓的自动分割。自Kass等提出该思想以来的20多年中,活动轮廓模型在理论研究和应用方面均取得长足发展。首先,介绍活动轮廓模型的发展历程,重点阐述并分析典型的参数活动轮廓模型和几何活动轮廓模型,进而扼要介绍混合活动轮廓模型和快速求解算法;随后,从理论基础、分割效果、算法效率以及应用等方面,比较两类模型之间的区别与联系;最后,对活动轮廓模型未来的发展趋势进行展望。     

基于活动轮廓模型的冠状动脉血管段运动跟踪

提出一种新的冠状动脉血管二维运动分析方法,采用活动轮廓(snake)模型技术,对X射线冠状动脉造影图像序列中的血管段进行运动跟踪。把前一帧中snake的停留位置作为当前帧snake的初始位置,通过snake变形得到当前时刻的血管中心线。通过在snake能量函数中嵌入灰度相似度匹配,保证了跟踪结果的准确性。采用临床采集的冠脉造影图像序列对算法进行了验证。     

基于小波变换的医学图像压缩

简要介绍基于小波变换的图像压缩法，并提出了一种在matlab平台上实现基于小波的医学图像压缩的新方法。     

结合区域信息的分段活动轮廓模型

提出了一种结合区域信息的分段活动轮廓模型，利用边缘信息迅速找到对象的大体轮廓，然后结合区域统计信息使模型精确收敛到对象边缘。分段的层次化变形有效的利用了图像的全局和局部信息，使用仿射变换使模型的局部以同一种变换方式变形，提高模型对噪声和伪边缘的鲁棒性，同时保持模型轮廓形状的一致性。在精确匹配阶段利用区域统计信息重新定义模型的外部能量，采用自适应的搜索区域确定方法，提高了算法的效率和进入凹边缘的能力。试验表明本模型运算速度快，抗噪声和避免陷入局部极小值的能力较强，有较好的分割效果。     

基于形变模型的医学图像分割算法研究

结合形变模型和模糊C-均值（FCM）分割技术，提出了一种基于形变模型的医学图像解剖结构轮廓分割方法，在FCM分类的基础上，利用成员隶属函数定义一种模糊约束力并附加于形变模型的外部约束力中．在该种复合外部约束作用下，使形变模型能更好地收缩于解剖结构的轮廓。图像实验结果表明该方法的有效性和可行性。