一种免疫细胞图像非监督分割方法

对免疫细胞图像进行全自动分析在医学疾病诊断上有很高的应用价值。要完成自动图像分析,关键是要实现图像的非监督分割。根据免疫细胞图像中细胞核是一种椭圆状目标的特点,提出了一种椭圆形目标定位方法。在文献中,首先用这种目标定位方法将待分割图像中的细胞核位置找到,然后在细胞核所在的区域内运行水域分割算法(watershed变换)就可实现图像的非监督分割。这种非监督分割策略解决了在大范围内运行中算法一次分割目标时存在的容易错分割的缺点,实现了对特定细胞图像的非监督分割。实验结果表明该方法具有目标定位准确率较高、分割的准确精度和可重复性好等特点。     

减影技术在射线图像分割与提取中的应用

将缺陷信息正确提取和分割出来是射线检测中的重要环节。为了使分割算法更加自动、快速、精准，本文把减影技术应用到图像分割中来。首先利用形态学模拟图像背景，然后利用数字减影法提取缺陷目标。对几种阈值化方法进行分析，比较各种方法的基本思想，优缺点及使用范围，最终提出选择迭代分割方法得到图像最佳阈值将图像二值化。实验结果表明，针对不同的缺陷均能得到轮廓清晰的分割效果，为缺陷特征参数的提取和识别的实现打下坚实的基础。     

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。     

一种基于高斯混合模型与Markov建模的灰度图像分割方法

当灰度图像中存在区域间灰度变化不明显或者含有噪声时,图像分割效果会受到比较严重的影响,本文针对此类问题,基于高斯混合模型,提出了一种改进的灰度图像分割算法。首先,基于马尔可夫随机场建模,将梯度因素引入邻域约束,推导图像的能量函数。然后,采用改进的期望最大（EM）算法对能量函数进行求解,E步通过图割法求解各像素点的分类,M步通过改进的期望最大（EM）算法求解高斯混合模型中的各参数。实验结果表明,本文的方法相对于直接用图割法能够求得更低的能量值,获得较好的分割结果。     

基于模糊连接度的FCM分割方法在医学图像分析中的应用

图像分割的一个重要应用领域是医学图像的分割.我们针对医学图像的模糊特点和实际应用的要求,结合模糊连接度阈值分割和模糊C均值聚类两种分割方法的优点,提出一种新的交互式医学图像分割方法.首先计算整幅图像的模糊连接度,通过闽值分割提取出感兴趣的对象,并将模糊连接度作为图像的冗余特征;然后在由冗余特征和原图像特征构成的二维聚类空间中,利用模糊C-均值聚类方法优化上一步骤的分割结果,提高分割准确度.我们以CT和MR图像为实验对象进行了验证,实验结果表明这是一个有效的方法.     

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。     

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。     

斑点噪声分布拟合的乳腺超声病灶分割方法

乳腺超声图像常存在斑点噪声,给自动分割带来了一定干扰。为了提升图像质量而进行的去噪操作可能导致病灶边界信息的损失。本文探索将噪声处理融合到分割中而提出新方法,采用统计特征概率分布形式描述乘性斑点噪声分布并融入水平集模型,从而将图像去噪与目标分割结合成一个统一体,实现此类型噪声分布图像的高效自动分割。本文方法对人工合成图像分割得到了较好的效果,对真实乳腺超声图像病灶的分割测试实现了速度提升,在分割精度方法则显示出分化结果,通过分析原因指出探索性的改进措施。     

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...     

融合特征的自适应超像素图割算法

目的针对图割（GrabCut）算法对于前景与背景颜色特征相差不大容易发生分割错误,SLIC（simple linear iterative clustering）预分割在对应情况下边缘不够准确以及时间复杂度较高等问题,提出一种融合特征的自适应超像素GrabCut算法。方法该算法首先将图像转化到Lab色彩空间,并对原图像提取Gabor纹理特征,综合得到融合特征;再利用融合特征改进SuC方法,使用改进方法对图像进行预分割,提取超像素区域,构建区域邻接图;然后保存每个超像素区域的融合特征,对两种特征分别进行高斯混合模型（Gaussian mixture model,简称GMM）建模,并利用相对熵自适应调整分割过程中混合特征的权重,优化Gibbs能量函数;最后执行迭代图割算法,得出分割结果。结论实验结果表明,本算法对颜色特征不佳的情况下有较好的分割效果,并通过改进的SLIC预分割提高了算法的执行效率,降低了迭代次数,前景物体边缘也得到较好的保护。     

灰度图像序列中基于二次帧差的分割算法

视频对象的分割在基于内容的视频编码及视频检索中占有重要的地位。在快速准确的原则上,利用视频序列中的时域及空域信息,提出了一种分割运动对象的仿真方法。首先利用二次帧差求交集的方法求出图像帧的运动区域,然后利用形态梯度算子得到图像帧的边缘信息,最后时空结合并填充就可以分割出运动对象。实验证明分割效果较好并节省了处理时间。     

基于边缘形态变换的彩色织物图像分割算法

新疆民间织物图像具有鲜明的民族特色,为了生成和创新民族民间织物图像,如何自动分割织物基元是一个关键问题.论文以问题为驱动,提出了一种基于边缘形态变换的彩色织物图像分割算法.首先,对彩色图像进行颜色空间的变换,然后根据图像特征提出调整图像大小的前处理标准,再利用Canny算子检测边缘,对检测边缘进行形态变换后处理,最后标...     

基于形态学多尺度修正的脑水肿区域分割

脑CT图像组织结构较为复杂且灰度不均匀,直接采用分水岭分割会导致较严重的过分割,采用阈值标记控制的分水岭分割通过限定可分割区域,可以较好地减轻过分割,但容易出现目标标记不准确的问题。为此提出了一种基于形态学多尺度修正的标记控制分水岭分割方法,首先对原始图像进行线性拉伸和指数增强,提高水肿与正常区域的对比度;然后在形态学梯度图像基础上,根据不同像素梯度值确定结构元素的大小,对图像进行形态学多尺度修正,以消除局部极小区域,保证修正过程中目标轮廓不发生较大偏移;最后采用标记控制的分水岭变换对图像进行分割。实验结果表明,该方法可对脑部水肿区域进行较精确的分割。     

基于区域增长法的新疆哈萨克族食管癌X射线医学图像的分割研究

目的 为了提高分类和检索准确率从哈萨克族食管癌X射线医学图像中提取感兴趣区域.方法 通过40幅新疆哈萨克族食管癌X射线医学图像中得出新疆哈萨克族食管癌医学图像直方图特征并利用此特征分别采用区域增长法和全阈值法分割100新疆哈萨克族食管癌医学图像,并利用面积大小差异和平均表面距离评价分割结果.结果 分割后的图像与手工分割的图像进行比较评价得出区域增长法与手工分割图像面积平均相差4.1606%,平均表面距离相差1个像素点而全阈值法分割后图像面积平均相差13.056%,平均表面距离相差3个像素点.结论 区域增长法比较适合分割新疆哈萨克族食管癌X射线医学图像.此研究不仅能提高新疆哈萨克族食管癌辅助诊断系统的诊断准确率并对以后的食管癌医学图像分割研究奠定了基础.     

基于PCA和图像匹配的飞机识别算法

更准确地对高分辨率可见光机场区域图像进行飞机目标的识别,提出了一种基于主成分分析（PCA-principal component analysis）和模板匹配的方法进行飞机识别。首先对图像进行均值滤波和直方图均衡化,并进行灰度直方图分析,判定图像中是否存在机场,在机场提取的基础上进行飞机图像分割,并对各个分割区域进行主成分分析,将其主轴旋转成水平方向,然后和模板库匹配,进行飞机识别。实验结果证明,该方法对飞机目标的识别是有效的。     

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。     

PET-CT成像用于碳离子治疗剂量验证的SUV值范围研究

目的 采用碳离子治疗计划CT图像与实际碳离子照射后靶区位置产生的正电子PET-CT图像进行配准融合,在照射后衰变时间下以不同靶体积、单次靶区剂量测量对应PET-CT图像SUV值并找出相应范围,为临床治疗中采用在线PET-CT图像准确评价验证计划靶区剂量与实际靶区剂量相关性和一致性提供参考和帮助。 方法 选用仿真头部体模为研究对象,经模拟CT扫描生成计划图像后在重离子TPS中勾画体积分别为10、4、1 cm³规则立方体,以模拟颅内脊索瘤患者CTV。采用重离子治疗系统以固定90°单射野对三组虚拟靶区分别进行照射,单次相对平均等效剂量分别给予2.5、5.0、8.0 GyE,模拟常规分割和大分割剂量放疗。照射后即时应用PET-CT系统对体模进行扫描,采用医学图像处理软件对治疗计划CT图像与实际照射后PET-CT图像进行刚性配准融合,通过计划CT图像中虚拟靶体积位置确定相应PET-CT图像中该范围内SUV值等一系列数据,并分析不同靶体积和不同照射剂量条件下各次PET-CT图像中SUV数据组的规律和异同。Pearson法相关分析。 结果 对相同体积靶区,相应SUV值与照射剂量大小存在一定线性相关性(P=0.000);而对不同体积靶区,在照射剂量完全相同情况下对应SUV值大小范围均保持一致(P>0.05)。结论针对模拟人体头部颅内靶区碳离子治疗计划,应用照射后一定时间内扫描得出的PET-CT图像与计划CT图像进行融合配准,通过分析靶区体积SUV值来评价验证靶区剂量沉积准确性的这一方法是可行的。     

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。     

皮肤黑素细胞肿瘤图像综合分割方法研究

目的 本文针对黑素细胞肿瘤（Melanocytic Tumor MT）图像情况复杂，较难分割的问题，提出了一种综合数字图像分割算法，探讨MT的早期诊断。方法 首先应用统计区域融合方法（SRM）实现图像分割成多块纹理一致的区域。然后对图像以HSV彩色空间的H和S分量为特征，使用K均值聚类算法将图像聚为9类。最后，将聚类结果在HSV彩色空间的H和S分量值分别映射到[0，1]区间，再分别对H分量和S分量取阈值，得到最终的边界分割结果。结果 对MT图像能够按照其纹理差异将其有效划分为多个区域，较为准确标识出皮损区域。结论 综合对多种方法结果的对比，本方法优于传统的大津阈值法、K均值法和活动轮廓法。同时对过去基于SRM的MT图像分割方法进行了改进，在处理复杂MT图像时效果明显好于传统方法。     

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