传统的实现测地线活动轮廓(Geodesic Active Contour,GAC)模型的水平集方法中,采用迎风方案作数值求解,需要使用足够小的时间步长,在曲线演化的过程中需要重新初始化,故效率低,据此,给出一种基于测地线活动轮廓模型的变分水平集方法,引...传统的实现测地线活动轮廓(Geodesic Active Contour,GAC)模型的水平集方法中,采用迎风方案作数值求解,需要使用足够小的时间步长,在曲线演化的过程中需要重新初始化,故效率低,据此,给出一种基于测地线活动轮廓模型的变分水平集方法,引入了一个水平集函数的强制项,避免了重新初始化,简化了初始化的工作,通过实验证明了这种方法是有效的,稳定的。展开更多
提出了一种由测地线活动轮廓模型GAC(Geodesic Active Contour)和局部区域信息相结合的图像分割新方法LGAC(Local Geodesic Active Contour)。构造了基于图像局部信息的演化曲线符号压力函数和演化模型,用水平集方法演化实现,零水平集...提出了一种由测地线活动轮廓模型GAC(Geodesic Active Contour)和局部区域信息相结合的图像分割新方法LGAC(Local Geodesic Active Contour)。构造了基于图像局部信息的演化曲线符号压力函数和演化模型,用水平集方法演化实现,零水平集能准确地在目标边缘收敛,对目标背景对比度较低的图像的分割达到理想效果。利用高斯核函数对水平集函数平滑处理以维持演化稳定,节省了计算时间。实验结果证明了该方法的可行性。展开更多
针对测地线活动轮廓(geodesic active contour,GAC)模型轮廓演化速度慢的问题,构造一个区域灰度相似性信息项,对GAC模型的能量泛函进行改进,加快轮廓演化速度,将其用于肺部薄扫CT(computed tomography)图像序列中肺实质的自动分割。采...针对测地线活动轮廓(geodesic active contour,GAC)模型轮廓演化速度慢的问题,构造一个区域灰度相似性信息项,对GAC模型的能量泛函进行改进,加快轮廓演化速度,将其用于肺部薄扫CT(computed tomography)图像序列中肺实质的自动分割。采用基于Nystrom逼近的谱聚类算法分割CT图像序列中间位置CT中的肺实质,计算其灰度均值与标准差,构造区域灰度相似性信息项,以分割好的肺实质轮廓作为初始轮廓,分别从上下两个方向采用改进了能量泛函的GAC模型实现其它切片中肺实质的分割。实验结果表明,该方法能够较好实现肺实质的自动分割,与医师分割结果的重合率可达94.83%,时间消耗较少。展开更多
脑部肿瘤精确分割和三维重建的研究对脑部肿瘤疾病的诊断具有重要意义.提出一种全自动的脑肿瘤分割方法,该方法首先利用人脑结构信息的对称性,通过区域生长法实现脑肿瘤的粗略分割,然后将粗分割区域作为初始水平集轮廓,利用改进的测地...脑部肿瘤精确分割和三维重建的研究对脑部肿瘤疾病的诊断具有重要意义.提出一种全自动的脑肿瘤分割方法,该方法首先利用人脑结构信息的对称性,通过区域生长法实现脑肿瘤的粗略分割,然后将粗分割区域作为初始水平集轮廓,利用改进的测地线活动轮廓(geodesic active contours, GAC)模型进一步精确分割.经实验分析可知,该模型具有良好的分割灰度不均匀的弱边缘能力.最后对分割出的脑部肿瘤序列图像进行面绘制重建及其可视化,以此为脑肿瘤研究提供更多维度的信息.展开更多
文摘传统的实现测地线活动轮廓(Geodesic Active Contour,GAC)模型的水平集方法中,采用迎风方案作数值求解,需要使用足够小的时间步长,在曲线演化的过程中需要重新初始化,故效率低,据此,给出一种基于测地线活动轮廓模型的变分水平集方法,引入了一个水平集函数的强制项,避免了重新初始化,简化了初始化的工作,通过实验证明了这种方法是有效的,稳定的。
文摘提出了一种由测地线活动轮廓模型GAC(Geodesic Active Contour)和局部区域信息相结合的图像分割新方法LGAC(Local Geodesic Active Contour)。构造了基于图像局部信息的演化曲线符号压力函数和演化模型,用水平集方法演化实现,零水平集能准确地在目标边缘收敛,对目标背景对比度较低的图像的分割达到理想效果。利用高斯核函数对水平集函数平滑处理以维持演化稳定,节省了计算时间。实验结果证明了该方法的可行性。
文摘针对测地线活动轮廓(geodesic active contour,GAC)模型轮廓演化速度慢的问题,构造一个区域灰度相似性信息项,对GAC模型的能量泛函进行改进,加快轮廓演化速度,将其用于肺部薄扫CT(computed tomography)图像序列中肺实质的自动分割。采用基于Nystrom逼近的谱聚类算法分割CT图像序列中间位置CT中的肺实质,计算其灰度均值与标准差,构造区域灰度相似性信息项,以分割好的肺实质轮廓作为初始轮廓,分别从上下两个方向采用改进了能量泛函的GAC模型实现其它切片中肺实质的分割。实验结果表明,该方法能够较好实现肺实质的自动分割,与医师分割结果的重合率可达94.83%,时间消耗较少。
文摘脑部肿瘤精确分割和三维重建的研究对脑部肿瘤疾病的诊断具有重要意义.提出一种全自动的脑肿瘤分割方法,该方法首先利用人脑结构信息的对称性,通过区域生长法实现脑肿瘤的粗略分割,然后将粗分割区域作为初始水平集轮廓,利用改进的测地线活动轮廓(geodesic active contours, GAC)模型进一步精确分割.经实验分析可知,该模型具有良好的分割灰度不均匀的弱边缘能力.最后对分割出的脑部肿瘤序列图像进行面绘制重建及其可视化,以此为脑肿瘤研究提供更多维度的信息.
