骨自动分割及基于轮廓一致性的分割验证

利用序列CT图像对骨组织做自动分割是计算机辅助骨科的重要技术。由于骨结构的不一致性、病理改变以及CT数据内在的模糊性,完全做到自动分割目前还面临着很大的困难。提供了一种有效的解决框架,既避免了传统分割中大量的人力介入,又避免了自动分割造成的错误。具体步骤是:设计合适的自动分割算法对序列CT图像中骨组织做自动分割;利用相邻CT图像上骨轮廓是渐进变化的特性,通过比较轮廓形状的一致性来自动验证分割的结果;对一致性较差的结果引入决策判别机制。     

基于GFO和标记点分水岭算法的医学图像分割

传统的分水岭分割一般是在原始图像中根据边缘检测算子所得的边缘图进行计算,常规的边缘检测算子并没有引入图像的先验信息或形状约束。由于病理改变以及医学影像数据内在的模糊性,常规边缘检测算子很难引导分水岭算法收敛到正确的目标轮廓,由此导致传统分水岭算法容易受到图像噪声的干扰而"过分割"。在此情况下,提出利用基于广义模糊算子(GFO)的边缘检测算法来改进标记点分水岭分割。从实验结果看,提出的方法非常适合应用于临床医学图像分割。     

彩色图象边缘检测的新算法——广义模糊算子法

给出了广义模糊集合的定义,并提出用一个广义模糊算子将广义模糊集合变换成普通模糊集合,从而为二维图象边缘检测的最新算法——广义模糊算子法奠定了充分的理论依据.实践表明,这是一个简单、快速且定位精度很高的算法;此外,文中还就彩色图象的边缘检测问题,提出了具体的实施步骤.