图像分割

摘要： 背景:肾脏CT图像质量较差且腹腔CT图像中肾脏与周围组织灰度相似,用传统的图像分割方法难以准确分割出肾脏。目的:提出一种改进的测地线活动轮廓模型,辅助肾脏疾病的诊断,提高CT图像中肾脏分割的精度。方法:在对比分析多种传统医学图像分割算法的基础上,设计了基于改进测地线活动轮廓模型的肾脏分割算法,根据先验知识勾画出感兴趣区域,在预处理阶段中获得肾脏的初始轮廓;再以水平集方法中的测地线活动轮廓模型为基础,增强肾脏区域的边界响应并采用改进边缘指示函数,使轮廓曲线的演化结果更接近真实目标边界。结果与结论:在328张二维肾脏CT图像上的平均Dice系数为0.9749,平均重叠度系数为0.9071,相较于其他水平集方法有所提高。实验结果表明,改进的测地线活动轮廓模型可以提高腹腔CT图像中肾脏区域的分割精度及分割效率。

摘要： 针对肝脏肿瘤CT图像灰度差别小,边缘不明显的特点,为了提高分割精度提出一种基于极值自适应中值滤波与现有区域生长算法相结合的一种新的肝癌分割算法.采用一组临床肝癌CT图像样本进行图像预处理,利用此算法进行第一次滤波,再采用傅里叶变换方法进行第二次滤波,最后与现有算法结合完成分割.采用重叠错误率、相对误差和Dice相似性系数作为图像分割结果评价指标.通过定性分析和定量评价显示,基于本研究算法能精确分割出肝癌区域,获得的图像分割评价指标均优于其他常用算法.

摘要： 背景:从生物力学方向研究股骨髁上截骨矫治膝内翻的治疗效果,对以截骨方式治疗膝内翻畸形矫治手术的理解具有积极作用.目的:基于CT数据构建股骨髁上截骨手术前后膝关节三维模型,介绍一种可供参考的组织建模方法,通过生物力学分析验证方法的可行性及股骨髁上截骨的积极作用.方法:随机选取1例股骨髁上截骨患者手术前后的CT数据,基于图像分割建立膝关节骨骼模型,基于轮廓延展建立膝关节间半月板假体和主要韧带的三维模型,经网格划分、材料定义后,以同等工况(1000 N,下肢力线方向)施加载荷,对手术前后模型进行有限元仿真分析,与前期学者研究结果对比验证建模方法的可行性,研究手术前后膝关节胫骨近端的应力差值和应力峰值点随时间的受力变化情况.结果 与结论:①术后胫骨内侧最大接触应力为2.334 MPa,胫骨外侧最大接触应力为2.819 MPa,与前期研究比较差异,验证了模型的有效性及建模方法的可行性;②测得术前胫骨可承受最大应力(7.085 MPa)远大于术后胫骨可承受最大应力(2.819 MPa),同时伴随时间的变化,术前胫骨应力集中情况明显,术后胫骨应力集中得到改善;③结果 表明,股骨髁上截骨对矫治膝内翻具有积极作用.

摘要： 背景:从生物力学方向研究股骨髁上截骨矫治膝内翻的治疗效果,对以截骨方式治疗膝内翻畸形矫治手术的理解具有积极作用。目的:基于CT数据构建股骨髁上截骨手术前后膝关节三维模型,介绍一种可供参考的组织建模方法,通过生物力学分析验证方法的可行性及股骨髁上截骨的积极作用。方法:随机选取1例股骨髁上截骨患者手术前后的CT数据,基于图像分割建立膝关节骨骼模型,基于轮廓延展建立膝关节间半月板假体和主要韧带的三维模型,经网格划分、材料定义后,以同等工况(1000 N,下肢力线方向)施加载荷,对手术前后模型进行有限元仿真分析,与前期学者研究结果对比验证建模方法的可行性,研究手术前后膝关节胫骨近端的应力差值和应力峰值点随时间的受力变化情况。结果与结论:①术后胫骨内侧最大接触应力为2.334 MPa,胫骨外侧最大接触应力为2.819 MPa,与前期研究比较差异,验证了模型的有效性及建模方法的可行性;②测得术前胫骨可承受最大应力(7.085 MPa)远大于术后胫骨可承受最大应力(2.819 MPa),同时伴随时间的变化,术前胫骨应力集中情况明显,术后胫骨应力集中得到改善;③结果表明,股骨髁上截骨对矫治膝内翻具有积极作用。

摘要： 针对绝缘子长期裸露在自然环境中致使浮尘等污渍在其表面附着堆积形成通路,导致绝缘子被两端电压击穿,以及在自然环境中由于雷电天气,使绝缘子损坏自爆,对输电线路存在极大隐患的问题,为及时发现输电线路中绝缘子自爆缺陷,采用无人机在输电线路巡检中所采集到的有关绝缘子串的图像,研究基于MATLAB图像处理的绝缘子自爆缺陷检测与判定方法,开发了基于MATLAB的绝缘子自爆检测系统。该系统对高压输电线路中的特殊绝缘体绝缘子串进行目标定位,通过图像处理技术将所采集的绝缘子串图像中的目标与自然环境分离。首先对所采集的图像进行预处理,然后将图像阈值化分割,得到有关图像。将高压输电线路与绝缘子分离。再将所得图像进行降噪,滤除图像中的相关杂质,得到最终的只有绝缘子串的图像。最后通过所得到的图像,判定绝缘子自爆缺陷位置。实验表明,通过MATLAB图像处理技术,可以获得清晰的绝缘子掩模图,并正确判定其自爆位置。

摘要： 为了降低动态环境对同时定位与建图(simultaneous localization and mapping,SLAM)位姿估计的干扰,提出一种将目标检测网络与ORB-SLAM2系统结合的方法.在帧间估计阶段,使用目标检测网络获取当前帧的语义信息,得到潜在可移动物体边界框,结合深度图像并根据最大类间方差算法分割出边界框内前景,把落在前景中的动态特征点剔除,利用剩下的特征点估计位姿.在回环检测阶段,利用边界框构建图像语义特征,并与历史帧比较,查询相似关键帧,与视觉词袋法相比,该方法查询速度快,内存占用少.在TUM Techni数据集上进行测试,结果表明该方法可以有效提高ORB-SLAM2在高动态场景中的性能.

摘要： 针对全断面隧道掘进机的传送带上岩碴片重叠造成的图像分割不准确问题,提出一种基于深度学习的密集岩碴片图像分割方法。该方法将原图像做预处理,标注并制作岩碴片图像数据集;改进U-Net模型的结构,通过深度监督以及新的混合损失函数优化模型学习分割表示的能力;训练改进后的模型分割图像,利用OpenCV获取面积与长、短轴等参数;与最大类间方差法、分水岭分割及传统U-Net模型进行比较,结果表明:所提出岩碴片图像分割的方法在准确率、F_(1 score)、重叠度指标上分别为96.21%、94.66%和90.04%,预测单张图片耗时1.47 s,证明了所提出方法的准确性和有效性。

摘要： 由于图像在传输过程中会受到电气系统和外界干扰而存在不必要的噪声使得图像模糊,甚至淹没图像特征,造成分析困难。本文提出了一种基于块状分割的图像噪声水平估计方法。首先,通过举例对证找到最优分割尺寸对图像进行分块;然后,用梯度法找到图像纹理复杂度最小的块;最后,利用主成分分析算法对纹理复杂度最小的块进行噪声水平估计。实验结果表明文中方法能够较为准确的估计图像的噪声值。

摘要： 前列腺癌是全球范围内男性最常见的癌症之一,仅次于肺癌。在前列腺癌的诊断过程中最常用的方法是病理学专家通过显微镜对染色活检组织进行观察,得出组织微阵列图像的Gleason评分。在大量的组织微阵列图像下,病理学专家使用Gleason模式对前列腺癌组织微阵列进行评分非常耗时,易受到不同观察者之间主观因素的影响,且可重复性低。深度学习和计算机视觉的发展使得病理学计算机辅助诊断系统更具有客观性和可重复性。U-Net是医学影像分割领域应用最广泛的的网络,不同于以往研究中使用分类器,提出了一种基于改进的U-Net网络的区域分割模型,通过密集连接块来融合深层和浅层特征的同时对各个尺度的特征进行监督。可以减少网络参数,提高计算效率,并在标注完整的数据集上验证了方法有效性。

摘要： 为改善传统模糊C均值(FCM)聚类算法在SAR图像分割时迭代次数多、鲁棒性与分割精度差等问题,通过选取主要像素点,结合图像非局部信息提出一种FCM改进算法。首先将图像分块并选取主要像素点构成主要像素集合,然后对像素集利用K-means聚类确定初始聚类中心,接下来在FCM算法的目标函数中引入非局部空间信息,利用灰度信息与空间信息配合自适应平滑因子增强算法的抗噪性能,最后利用图像形态学操作完成图像分割。实验结果表明,该算法对模拟与真实SAR图像的分割结果精度较高,分别达到99%和96%,相较于传统算法不仅能提高分割精度、降低迭代次数,而且具有良好的抗噪性能,同时能很好地保留图像细节。

摘要： 放疗图像的靶区及危及器官的勾画是制定放疗计划的关键步骤,目前临床中多由放疗医师手工勾画.图像分割技术可以将图像中具有相似属性的区域进行划分,是肿瘤放射治疗中图像处理的重要技术之一,传统的图像分割方法包括基于边缘、基于区域增长、基于能量最小化等,每种方法均有各自的优势所在.随着医疗服务需求及人工智能的应用,基于图谱库和基于深度学习的自动勾画方法相继出现,尤其是各种深度学习模型的应用,不仅提高了治疗效率,同时对推动放疗技术的进步与发展具有重要的意义.

摘要： 针对极化SAR图像分割中多极化信息难以利用,分割尺度难以选择的问题,提出一种能综合利用多极化信息、地物形状信息的分割尺度自适应的极化SAR图像分割方法.该方法首先提取能融合多极化信息的综合梯度图,然后利用分水岭算法对综合梯度图进行过分割,接着结合极化功率信息以及形状参数信息对过分割结果进行多尺度合并,最后依据极化SAR分类结果自适应地选择分割尺度.在中电十四所N-SAR系统获取的极化SAR数据上的实验表明本文算法可以准确地提取对象的连续、闭合、单像素边界,相比于固定尺度的分割算法,本文算法结果具有更低的全局异质性评价指数.

摘要： 本文提出一种基于支持向量机(Support Vector Machine,SVM)的灵武长枣图像分割算法.将灵武长枣图像分成目标与背景2类,首先利用中值滤波进行图像平滑,然后在L*a*b颜色空间下提取各类样本像素值,利用SVM训练带有类别信息的样本.再运用分水岭方法对图像进行预处理,采用训练好的SVM分类器对预处理后的灵武长枣图像进行分割.实验结果表明,该算法可以有效地分割出复杂背景下地灵武长枣,分割效果优于阈值分割法和直接使用SVM分割图像的方法.

摘要： 医学图像处理是医学流程中十分重要的一环,目前医学图像处理的主要研究方向有图像分割,结构分析,图像配准等.其中图像分割对于独立器官观测以及病灶检测具有更加重要的意义,可以降低医生的工作负担,使其注意力集中在需要诊断的器官上.在过去的30年里,肝脏和肝脏肿瘤分割已经引起了相当多的关注,并出现了自动化,半自动化和交互式的分割方法.目前分类卷积神经网络在图像分类方面取得了巨大的成就,但是语义分割需要判断每个像素点的类别,而不是整个图片的类别.针对这个问题,全卷积网络随之被提出,并成为图像语义分割的基本框架.本文中使用二维与三维的全卷积级联网络分别作为分割模型,使用Dice相似性系数来作为模型的损失函数,并运用多种预处理方法来处理训练的CT训练数据,进行预处理方法以及模型对肝脏分割性能影响的研究.

摘要： 为解决海面多噪声环境下油膜目标快速提取问题,兼顾分割效果和效率,提出基于区域特性的快速分割应用.采用超像素构建区域级语义图像,以像素区块特征形成新的相似度量单元,对超像素进行聚类分割,完成海面油膜的快速分割处理.结果显示,此方法可以有效地完成海面油膜目标的分割提取.基于超像素的分割技术能够兼顾图像区域特性和处理效率,具备抗噪能力优势,提高海面油膜分割算法精度.

摘要： 为解决海面多噪声环境下油膜目标快速提取问题,兼顾分割效果和效率,提出基于区域特性的快速分割应用.采用超像素构建区域级语义图像,以像素区块特征形成新的相似度量单元,对超像素进行聚类分割,完成海面油膜的快速分割处理.结果显示,此方法可以有效地完成海面油膜目标的分割提取.基于超像素的分割技术能够兼顾图像区域特性和处理效率,具备抗噪能力优势,提高海面油膜分割算法精度.

摘要： 为解决海面多噪声环境下油膜目标快速提取问题,兼顾分割效果和效率,提出基于区域特性的快速分割应用.采用超像素构建区域级语义图像,以像素区块特征形成新的相似度量单元,对超像素进行聚类分割,完成海面油膜的快速分割处理.结果显示,此方法可以有效地完成海面油膜目标的分割提取.基于超像素的分割技术能够兼顾图像区域特性和处理效率,具备抗噪能力优势,提高海面油膜分割算法精度.

摘要： 为解决海面多噪声环境下油膜目标快速提取问题,兼顾分割效果和效率,提出基于区域特性的快速分割应用.采用超像素构建区域级语义图像,以像素区块特征形成新的相似度量单元,对超像素进行聚类分割,完成海面油膜的快速分割处理.结果显示,此方法可以有效地完成海面油膜目标的分割提取.基于超像素的分割技术能够兼顾图像区域特性和处理效率,具备抗噪能力优势,提高海面油膜分割算法精度.

摘要： 医学影像分割是计算机辅助诊断的重要组成部分.针对CT影像的三维特性,提出了一种基于2D/3D级联卷积的Unet网络结构用来分割肺动脉.该结构相比基于传统2D卷积的方法,关联了第三维度信息,提高了分割准确度和泛化能力,相比基于传统3D卷积的方法提高了准确度和执行效率.实验对多套肺动脉增强CT数据集做了验证,分割准确率达到85.7％,高于传统2D和3D Unet网络,同时执行效率较3D Unet提高近30％,在CT影像分割上做到了效率和准确度的兼顾.

摘要： 医学影像分割是计算机辅助诊断的重要组成部分.针对CT影像的三维特性,提出了一种基于2D/3D级联卷积的Unet网络结构用来分割肺动脉.该结构相比基于传统2D卷积的方法,关联了第三维度信息,提高了分割准确度和泛化能力,相比基于传统3D卷积的方法提高了准确度和执行效率.实验对多套肺动脉增强CT数据集做了验证,分割准确率达到85.7％,高于传统2D和3D Unet网络,同时执行效率较3D Unet提高近30％,在CT影像分割上做到了效率和准确度的兼顾.

摘要： 公开了一种图像分割方法、图像分割装置、图像分割设备及介质，所述图像分割方法包括：对于视频图像当前帧，提取人体三维骨架的骨架二维估计和骨架三维估计；基于所述骨架二维估计和所述骨架三维估计，得到目标三维骨架；基于所述目标三维骨架，实现图像分割；其中，所述人体三维骨架具有多个节点，所述视频图像为二维图像，在计算当前帧中目标三维骨架时，通过综合考虑当前帧中人体三维骨架的骨架二维估计和骨架三维估计，使得能够提高所得到的目标三维骨架的精确度及其鲁棒性，从而提高图像分割的精度。

摘要： 本发明提供一种图像分割方法，包括获取一个模型，所述获取一个模型包括：获取多个参考模型；对获取的多个参考模型进行配准；确定配准后所述多个参考模型上的多个控制点；基于所述多个参考模型上的多个控制点，获得所述模型的控制点；以及根据所述模型的控制点，生成所述模型。

摘要： 一种可通行水域分割设备、图像分割模型训练和图像分割方法，通过获取待分割图像，将待分割图像输入到图像分割模型中进行处理，得到待分割图像的分割结果；图像分割模型包括：编码器和解码器；将待分割图像输入到图像分割模型中进行处理，得到待分割图像的分割结果，包括：通过编码器对待分割图像进行特征提取，得到关联特征图，特征提取包括：N次下采样处理；通过解码器对关联特征图进行分辨率还原和像素类别的预测，得到待分割图像的分割结果，分辨率还原包括M次上采样处理，M小于N；待分割图像的分割结果的尺寸与待分割图像的尺寸相同，待分割图像的分割结果包括与分割结果的像素点位置对应的待分割图像中的像素点的类别。

摘要： 本申请提供了一种图像分割装置、图像分割方法和医学图像设备，用于从分层拍摄获得的一系列图像形成的体图像中分割出树形管状结构的对象，该图像分割装置包括：自适应区域生长单元，进行区域生长以获得第一树形管状结构；灰度形态学重建单元，进行灰度形态学重建，以获得候选数据；第一融合单元，将第一树形管状结构与候选数据的至少一部分融合在一起，以获得低层树形管状结构；末梢识别单元，识别低层树形管状结构的末梢；延长单元，将所识别的末梢对应的像素点作为种子点进行局部区域生长来获得延长分支；以及第二融合单元，将延长分支和候选数据的其余部分中的至少一部分融合在一起，以获得高层树形管状结构。

摘要： 本申请提供了一种图像分割装置、图像分割方法和医学图像设备，用于从分层拍摄获得的一系列图像形成的体图像中分割出树形管状结构的对象，该图像分割装置包括：自适应区域生长单元，被配置为基于种子点和预定阈值基于所述体图像进行区域生长以获得至少一部分树形管状结构；生长控制单元，被配置为判断自适应区域生长单元所获得的至少一部分树形管状结构是否正确，并且在判断为不正确的情况下改变预定阈值以重新进行区域生长，直到达到预定条件为止；以及基于圆心度的区域生长单元，被配置为在自适应区域生长单元不能获得正确结果的情况下，基于种子点和预定阈值基于体图像进行具有圆心度限制的区域生长以获得至少一部分树形管状结构。

摘要： 公开了一种图像分割方法、图像分割装置、图像分割设备及介质，所述图像分割方法包括：对于视频图像当前帧，提取人体三维骨架的骨架二维估计和骨架三维估计；基于所述骨架二维估计和所述骨架三维估计，得到目标三维骨架；基于所述目标三维骨架，实现图像分割；其中，所述人体三维骨架具有多个节点，所述视频图像为二维图像，在计算当前帧中目标三维骨架时，通过综合考虑当前帧中人体三维骨架的骨架二维估计和骨架三维估计，使得能够提高所得到的目标三维骨架的精确度及其鲁棒性，从而提高图像分割的精度。

摘要： 一种可通行水域分割设备、图像分割模型训练和图像分割方法，通过获取待分割图像，将待分割图像输入到图像分割模型中进行处理，得到待分割图像的分割结果；图像分割模型包括：编码器和解码器；将待分割图像输入到图像分割模型中进行处理，得到待分割图像的分割结果，包括：通过编码器对待分割图像进行特征提取，得到关联特征图，特征提取包括：N次下采样处理；通过解码器对关联特征图进行分辨率还原和像素类别的预测，得到待分割图像的分割结果，分辨率还原包括M次上采样处理，M小于N；待分割图像的分割结果的尺寸与待分割图像的尺寸相同，待分割图像的分割结果包括与分割结果的像素点位置对应的待分割图像中的像素点的类别。

摘要： 本发明提供一种图像分割装置、图像分割方法及图像处理系统。图像分割方法具备平滑滤波步骤、区域设置步骤、边缘求取步骤、判断步骤和图像分割步骤。在判断步骤判断为图像的噪声大的情况下，图像分割步骤使用基于区域的水平集方法分割图像，在判断步骤判断为图像的噪声不大、而且进一步判断为图像不模糊的情况下，图像分割步骤使用基于梯度的水平集方法分割图像。根据本发明的图像分割装置、图像分割方法及图像处理系统，与图像的噪声是否大和图像是否模糊相应地选择适当的水平集方法，能够充分利用图像的特征信息，对于不同特征的图像取得理想的分割效果。

摘要： 本申请提供了一种图像分割装置、图像分割方法和医学图像设备，用于从分层拍摄获得的一系列图像形成的体图像中分割出树形管状结构的对象，该图像分割装置包括：自适应区域生长单元，被配置为基于种子点和预定阈值基于所述体图像进行区域生长以获得至少一部分树形管状结构；生长控制单元，被配置为判断自适应区域生长单元所获得的至少一部分树形管状结构是否正确，并且在判断为不正确的情况下改变预定阈值以重新进行区域生长，直到达到预定条件为止；以及基于圆心度的区域生长单元，被配置为在自适应区域生长单元不能获得正确结果的情况下，基于种子点和预定阈值基于体图像进行具有圆心度限制的区域生长以获得至少一部分树形管状结构。

摘要： 本申请提供了一种图像分割装置、图像分割方法和医学图像设备，用于从分层拍摄获得的一系列图像形成的体图像中分割出树形管状结构的对象，该图像分割装置包括：自适应区域生长单元，进行区域生长以获得第一树形管状结构；灰度形态学重建单元，进行灰度形态学重建，以获得候选数据；第一融合单元，将第一树形管状结构与候选数据的至少一部分融合在一起，以获得低层树形管状结构；末梢识别单元，识别低层树形管状结构的末梢；延长单元，将所识别的末梢对应的像素点作为种子点进行局部区域生长来获得延长分支；以及第二融合单元，将延长分支和候选数据的其余部分中的至少一部分融合在一起，以获得高层树形管状结构。