基于多圆快速分割眼底视盘的自动算法

青光眼和糖尿病视网膜病变可以通过视盘来反映情况,自动快速的定位和分割视盘无疑给眼科医生带来了便利。提出了基于多圆分割视盘的方法,利用视盘具有高亮度和垂直血管发布的特点定位到视盘中心,对形态学方法移除血管后的视盘区域进行Hough圆变换,对检测到的多个圆进行半径调整,通过计算多圆的最小凸包从而分割出视盘。在DRIONS-DB数据库上,该算法准确定位到视盘中心,并且分割的平均覆盖率、Dice系数、精确度、灵敏度、特异性分别达到87.97%,93.33%,99.61%,94.74%,99.75%,平均处理时间仅为1.1s,表现出较高的准确性和快速性,适合自动化的视盘分割处理。     

边缘修正CV模型的卫星遥感云图分割方法

对卫星遥感云图进行自动分割是分析卫星云图资料的重要步骤。为了更加准确的对卫星遥感云图进行分割,提出了融合边缘信息CV模型的卫星遥感云图分割方法。对原卫星云图进行扩散,得到平滑图像,根据平滑图像计算边缘信息,将得到的边缘信息融入CV模型中,并加入距离规范项使得CV模型的水平集函数在演化过程中不需要重新初始化。实验结果表明,与传统CV模型、区域能量拟合水平集模型、偏置场修正水平集模型相比,所提方法分割出的云区域更加准确,分割速度更快。     

超像素级联SVM分类视盘分割算法北大核心CSCD

视盘和视杯的精确分割是青光眼计算机辅助诊断的关键,考虑视盘的解剖学特征,提出基于超像素和级联SVM分类实现视盘的精确分割。首先对眼底图像超像素分割,基于视盘的解剖学结构特征,提取超像素的灰度、纹理、几何、位置分布等特征;然后采用基于SVM的监督聚类方法分类超像素区域,两级级联SVM分类器在分类过程中修正超像素位置信息,提升分割精度;最后基于Snake模型修复局部轮廓。在DRIONS和REFUGE数据库视盘分割精度分别为99.87%和99.52%,精度、灵敏度、特异性、AOL和DICE系数均高于该领域典型算法,实验证明所提方法能够精确分割视盘区域,且具有较强的鲁棒性;在青光眼诊断中具有一定的应用价值。     

基于水平集的闪光照相图像分割算法

针对Chan-Vese(CV)模型局部控制能力差的缺点,将基于区域的CV模型和分割曲线的局部信息结合起来,提出了一种新的水平集图像分割算法。该算法以CV法的分割曲线为初始曲线,以获得全局收敛性,在后继分割中引入分割曲线的局部信息,以提高模型对图像中微弱信号的分割能力。对闪光照相图像的数值实验表明,该算法噪声抵抗能力强,对初始轮廓位置不敏感,能实现对含细长拓扑结构和微小孔洞的弱边界闪光图像的自动分割。     

一种增强结构信息的图像平滑算法

基于非线性扩散滤波提出了可以同时对同质区域进行平滑和对结构信息进行增强的算法．该算法在同质区域采用各项同性滤波而在边缘附近采用各项异性扩散滤波，避免了图像平滑和增强结构信息之间的矛盾．在实现时，根据一致性程度选择扩散矩阵的扩散系数，可确保偏微分方程在离散化时的简洁性和一致性．数字实验结果表明，可以有效的平滑一致性低的区域并增强一致性高的结构．     

基于SPCNN与改进型矢量CV模型的乳腺X射线肿块分割方法

作为乳腺癌计算机辅助诊断系统的重要环节,肿块分割的结果严重影响到肿块良恶性的判别.针对现有方法的不足,本文提出了一种基于简化型脉冲耦合神经网络和改进型矢量无边缘活动轮廓模型的乳腺X射线肿块分割方法.首先,通过数学分析计算SPCNN的相关参数与终止条件,进而利用SPCNN模型分割出肿块的初始轮廓.然后,针对传统CV模型的不足,进行相应的修正得到改进型矢量CV模型.最后,结合SPCNN分割出的初始轮廓,利用改进型的矢量CV模型处理ROI分割出肿块.采用北京大学人民医院乳腺中心提供的临床图像以及DDSM数据库的图像进行对比实验,实验结果表明,本文方法相比较现有方法分割结果更为准确,尤其是在处理东方女性致密性案例时,本文方法更有优势.     

融合区域生长与霍夫变换的内窥图像分割算法

为准确地划分出实际内窥图像的有效检测区域,依据此类图像的具体特点提出一种综合区域生长和霍夫变换的分割算法。利用区域生长大致分割出感兴趣区域,可能会存在漏检边缘或虚假边缘,通过二值形态学处理对图像进行平滑滤波和去噪,采用Canny算子在抑制噪声的同时进行边缘检测,应用霍夫变换检测圆的算法确定图像内有效区域的位置。通过对90组实际内窥图像在Visual C++ 6.0上进行仿真,实验结果表明:有88组内窥图像能够精确地分割强光干扰且划分出有效检测区域;仅有2组图像分割出的强光干扰及划分出的有效检测区域不够准确。     

改进GAC模型对深度凹陷、灰度不均匀和弱边界图像的分割方法

针对图像分割中经典GAC模型无法准确分割深度凹陷、灰度不均匀的目标和容易穿越弱边界的问题,提出了改进的GAC模型。利用图像Renyi熵、图像灰色关联度、图像的局部方差信息构造新能量函数,扩大经典GAC模型的边界检测能力。仿真结果表明,改进模型在减少分割时间的同时能够成功分割出目标深度凹陷部分,对弱边界、目标灰度不均匀或背景灰度不均匀也有较好的收敛效果,其分割效果不仅优于CV模型,也优于CV模型的两个最新改进模型(LBF和GACV)。     

基于局部和全局信息的自适应水平集图像分割

针对仅采用局部或全局信息无法快速准确分割灰度不均匀图像的问题,提出了一种基于局部和全局信息的自适应水平集图像分割模型。首先,利用图像局部信息和全局信息建立局部能量项和全局能量项,并且利用演化曲线轮廓内外小邻域的灰度均值差作为自变量,建立了权重函数模型,实现了局部能量项和全局能量项之间权重的自适应调整,提高了模型分割灰度不均匀图像的效率和准确性。其次,提出了一种新的能量惩罚项,避免了水平集函数的重新初始化,增强了数值计算的稳定性。最后,为验证模型的优越性,将模型与CV模型、LBF模型和LGIF模型进行了对比,并通过分割时间、迭代次数以及相似度等指标对分割结果进行了客观、定量分析。最终结果表明:该模型不但对初始轮廓具有较高鲁棒性,而且对灰度不均匀图像具有较高的分割准确性与分割效率。     

一种基于区域分割与跟踪的多视点视频校正算法

针对多视点图像系统中视点图像颜色不一致的问题,提出了基于区域分割与跟踪的多视点视频校正算法.采用3维高斯混合模型来描述颜色信息,利用期望-最大算法来精炼模型参量,并通过自适应聚类和概率平滑操作来得到精确的分割图像.这样建立起多视点图像分割区域间的局部映射关系,并利用这种局部映射关系对全局图像进行校正.最后利用视频跟踪技术实现对视频图像的校正.实验结果表明,该算法能消除颜色过饱和或颜色区域混淆的影响,且具有较好的校正效果.