一种改进的C-V水平集遥感图像分割方法

合集下载

改进C-V模型的CT图像肺结节分割方法研究

改进C-V模型的CT图像肺结节分割方法研究

科技资讯2016 NO.14SCIENCE & TECHNOLOGY INFORMATION学 术 论 坛165科技资讯 SCIENCE & TECHNOLOGY INFORMATION 全球死亡率最高的癌症是肺癌,肺癌早期发展阶段常表现为很小的结节。

但肺结节形状的不规则性、结构的复杂,而常用的医学图像分割方法对CT图像中肺结节的分割效果不理想。

其中,由于基于水平集的分割方法只考虑图像的区域信息实现分割,没有利用待分割对象的边缘信息,造成灰度不均匀的CT图像边缘分割不清晰。

基于以上情况,该文将在C-V模型的基础上结合区域和边缘信息,并基于小波高频分量,提出了一种改进C-V模型水平集分割方法,可有效检测出肺结节病灶区域。

1 C-V 模型基本原理Chan和Vese将原始图像视为不连续集和分片常数图像组成的形式,提出基于Mumford-Shah泛函的图像分割模型,假定图像I被闭合曲线C划分为目标和背景两个同质区域,则C-V模型就是寻找真正的轮廓,引入Heavisidc函数 ()H φ和一维Dirac函数()δφ,能量函数为:式中,c 1、c 2分别表示待分割目标和图像背景区域的灰度平均值。

利用方向导数法得到水平集演化偏微分方程:根据水平集分割模型,在图像中只有当闭合轮廓线位于两同质区域的边界时,其能量函数F达到最小,从而获得图像的分割边缘即此时对应的轮廓线。

DOI:10.16661/ki.1672-3791.2016.14.165改进C-V 模型的CT 图像肺结节分割方法研究程立英 刘曼 李瑶 张志美 王君霞(沈阳师范大学物理科学与技术学院 辽宁沈阳 110034)摘 要:医学图像分割技术是现代图像处理领域的重难点,简化分割步骤、优化分割算法都将给医疗技术的发展带来极大的飞跃。

基于对水平集演化理论的探讨,该文对Chan-Vese模型进行了分析和改进,结合CT图像中肺结节的特点,提出一种结合区域信息和边缘信息,并基于小波高频分量的改进C-V模型的肺结节分割算法。

C-V模型的一种集成化改进

C-V模型的一种集成化改进

Ab ta t sr c
C V ( h n V s )mo e c n n t e m n i a e i t s yih m gn i , h em na o ed i a os w T ee r — C a . ee d l a o sg e t m g s t i e i o o e e y tesg e t ins e l l . h rf e w hn n t n t t p s s o o
anvl c v ot rm dl x rs di pra dfrni q a o ( D )i pooe .E p r et eu sso a tei poe et oe at ecn u oe epes a i ie tl ut n P E s r sd x e m na rsl hw t t m rvm n i o e n tl fe ae i p i l t h h
y,i s e ss n i v o t e s fi i a o tu s n s inf a t l s e st e t t z i i y i mo e a e me t ma e t n e st ih mo e et ti ls e s ie t h ie o nt lc no r a d i sg i c n l e s s n i v o d lc n s g n g swi it n i n o g n i i h y
we d s u si e t h ma e s g na in t e r n r p s o e d e so p n n t n w t h x e me tlmeh d,a d it g ae i ic s n d p h t e i g e me tt h o y a d p o o e a n v l g t p ig f c i i t e e p r na to o e u o h i n n e r t t t V mo e g t e . i ma e ry s ae t n fr t n a d H r g lrtr o C— d lt eh rw t i g sg a —c l a so mai n o h r o e u a em.T e ag rt m lo ma e t ei tg ae mp o e n ,a d h l o h i a s d ne r td i r v me t n i s h

基于区域划分和改进C-V法的医学图像分割方法

基于区域划分和改进C-V法的医学图像分割方法

Vo . 6 No 5 13 .
S pt 2 0 e . 06
基于区域划分 和改进 C V法的医学 图像分 割方法 —
徐 旦华 鲍旭东 舒华 忠
( 东南大学影像科学技术实验室 , 南京 2 09 ) 10 6
摘要 : 出 了基 于 图像 区域 划分 和 改进 C- 法 的活 动轮 廓 图像分 割方 法. 过 区域 划分 的方 法 提 V 通 将整 幅 图像 的分 割 问题 转化 为在不 同的子 区域上 分别 进 行 的 图像 分 割 问题 , 在 各 子 区域 中采 并
维普资讯
第 3 第 5期 6卷
20 0 6年 9月
东 南 大 学 学 报 (自然科 学版 )
JU O RNA F O T A T UNVE ST ( aua SineE io ) L O S U HE S I R I Y N trl c c dt n e i
i d n a d t n,t e c n t t e i o e d f d b o i i g wi e i g r d e t r e .I d i o v i h o s r i t sm d l smo i e y c mb n n t t ma e g a i n n a tm n h i i h h
if r a o n p e e s o sa p i la p o ma ins no m t n i i c wie c n tnto tma p r xi t i o .Th sme od i a a e o a d i g c n- i t s c p bl f h h n ln ha g s i h o o o y o e e o v n o t u y u i g lv ls ttc n q e,a d C v i e p o e e n t e t p l g ft v l i g c n o rb sn e e e e h i u h n a a o d t r blm n h h tt e p x l t n e st v e a r m a vau ft t a h i e swih it n i a u sfrfo t e me l e o h e who ei g a a d y be d t c y i h n l ma e C h l ee - n r td.T e e c e y oft i t o sd mo sr td wi u rc le p rme t n s m eme ia ma e h f inc sme d i e n tae t n me ia x e i h h h i n so o d c li - g s wh c a o c n a ti tnst rb u rn u d r e i h h ve l w o t s ne iy o lr i g bo n a y. r

一种改进的快速C-V水平集红外图像分割

一种改进的快速C-V水平集红外图像分割

n i h o p c n o m a i n b h n o f t r t o s r c x e n lv l ct o h u v eg b r s a e i f r t y t e wi d w i e o c n t u ta e t r a e o iy f r t e c r e o l e o u i n,S h t t e a t— o s a a i t s e h n e n e u d n o t u s a e r d c d v lt o O t a h n in i e c p b l y i n a c d a d r d n a t c n o r r e u e . i Th mp o e l o ih a o t a t lv ls tb s d o wo l t o r a ie t e c r e e o u i n, e i r v d a g rt m d p sf s e e e a e n t i s t e l h u v v l to s z
m e ho e r t sm a y r du da tc t ur .M e n h l t d g ne a e n e n n on o s a w ie。t e C— l v ls ti e lz d b r il h V e e e s r aie y pa ta
me t to e o i .Th r f r ,t i p p rp o o e n i r v d f s l o ih n a in v lct y e e o e h s a e r p s s a mp o e a t a g rt m.Th mp o e ei r v d
第 2 卷第 3 5 期 ቤተ መጻሕፍቲ ባይዱ
21 0 0年 5月

一种改进的 C-V 水平集图像分割方法

一种改进的 C-V 水平集图像分割方法

一种改进的 C-V 水平集图像分割方法
陈志惠;汪仁煌;汪志敏
【期刊名称】《广东工业大学学报》
【年(卷),期】2015(000)002
【摘要】由Chan-Vese提出的水平集图像分割模型可以不依赖于图像的边缘信息而对弱边缘以及含有内部轮廓的图像具有良好的分割效果。

但对于背景图像灰度包含两个及以上等级分层时,图像分割得不到准确的结果。

提出一种新的基于C-V 模型的改进算法,该算法引入了快速C-V方法的思想,融入全局梯度信息以及目标的先验知识。

实验结果表明,该方法能够很好地分辨出背景图像复杂灰度包含多个等级分层的目标区域轮廓且具有良好的适应性。

【总页数】5页(P104-108)
【作者】陈志惠;汪仁煌;汪志敏
【作者单位】广东工业大学自动化学院,广东广州510006;广东工业大学自动化学院,广东广州510006;广东工业大学自动化学院,广东广州510006
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种改进的C-V水平集遥感图像分割方法 [J], 杨铁军;宋智辉;姜传贤
2.一种基于三维直方图的改进C-V模型水平集图像分割方法 [J], 任继军;何明一
3.一种改进的快速C-V水平集红外图像分割 [J], 危自福;毕笃彦;马时平
4.一种新的窄带快速区域水平集C-V模型图像分割方法 [J], 李传龙;李颖;兰国新
5.基于改进C-V水平集模型的SAR图像分割 [J], 付金明;羿旭明;檀伟伟;王星;徐宇帆;陈璇
因版权原因,仅展示原文概要,查看原文内容请购买。

基于改进C-V模型的图像分割方法

基于改进C-V模型的图像分割方法

信息通信INFORMATION & COMMUNICATIONS2020年第6期(总第210期)2020(Sum. No 210)基于改进c-v 模型的图像分割方法马 锐,张新东,杨思渊,唐 泉(新疆师范大学数学科学学院,新疆乌鲁木齐830017)摘要:由于传统C-V 模型不能准确分割灰度不均匀的图像,本文基于传统C-V 模型进行了局部变量的改进,改进后的模 型不仅可以准确分割灰度不均匀的图像,而且能够更好的刻画各点邻域的灰度变化情况,使得边界信息可以较好的被分割。

实验证明,在对图像进行分割时,文章的方法与原模型相比效果更好。

关键词:偏微分方程;图像分割;C-V 模型;局部变量中图分类号:TP391.41 文献标识码:A 文章编号:1673-1131(2019)06-0075-03An improved image segmentation method based on C-V modelMaRui, Zhang Xindong, Yang Siyuan,Tang Quan(School of Mathematical Sciences, Xinjiang Normal University, Urumqi, Xinjiang 830017)Abstract: Due to the traditional C-V model can't accurately gray uneven image segmentation, this article is based on tradi ­tional C-V model has carried on the improvement of the local variable, the improved model not only can accurately gray un ­even image segmentation, and can better describe each point neighborhood grayscale change situation, make boundary infor ­mation can be better is divided. Experimental results show that the proposed method is better than the original model in imagesegmentation.Key words: Partial difierential equation; Image segmentation; C-V model; Local variable0引言从图像处理到图像分析的关键步骤是图像分割,其目的就是把目标物体或者人们感兴趣的部分从图像中分离出来,得到相应的边缘。

一种基于三维直方图的改进C—V模型水平集图像分割方法

关 键 词: 图像 分 割 ; . C V模 型 ; 平 集 方 法 ;三 维 直方 图 水 中 图分 类 号 :P 9 . 1 文 献 标 识 码 : T 3 14 A
LEVEL S E ET M THoD oF Ⅱ AGE S EGM E NTATI oN AS D B E
Ab ta t e v l e DE b s d o h i l e m o - h h mo e o g e me tt n W rp s d b h n sr c :A n w l e tP a e n t e s e s mp i d Mu i f f r S a d l ri e s g na i a p o e y C a d f ma o s o
Ke r s ma e s g e tt n;C a — e e mo e ;lv ls t t o ;3 D h so a y wo d :i g e m na i o h n V s d l e e e h me d - itg m r
引言
图像分 割 是 图像 处 理 的关 键 问 题之 一 , 也是 一 个经 典难 题 . 18 自 9 7年 K s as等人 … 提 出主 动 轮廓 模型 以来 , 于 曲线 演化 ( uv vlt n 的形 变模 基 c reeoui ) o 型 已被 广泛地 应用 于 图像 分 割 . 由于形 变 模 型 的 图 像分 割方法具 有能够 有效结 合 图像 本 身的低层 次视 觉属性 与待分 割 目标 先验 知 识 的灵 活 开放 的框 架 ,
维普资讯
第2 7卷第 1 期
20 08年 2月
红 外 与 毫 米 波 学 报
J nrrd Mii .Ifae l m.W a e l vs

基于改进C-V模型的图像分割方法

基于改进C-V模型的图像分割方法
邵万开;王洪元;石澄贤
【期刊名称】《数据采集与处理》
【年(卷),期】2016(031)001
【摘要】传统C-V模型分割图像利用图像区域特征,忽略了边缘等能够反应图像细节的特征.为了达到更好的图像分割效果,对于这些细节信息的处理则显得尤为重要.图像的梯度信息在边缘区域具有较大幅值,在同质区域具有较小幅值,因而可以用图像梯度来反映图像的边缘信息.把边缘信息融入C-V模型,利用同质区域信息和边缘信息控制曲线演化,则可以达到更好的分割效果.本文提出的新模型克服了C-V模型的一些缺陷,对背景灰度不均匀或含弱边缘的图像能够获得更好的分割效果.
【总页数】7页(P190-196)
【作者】邵万开;王洪元;石澄贤
【作者单位】常州大学信息科学与工程学院,常州,213164;常州大学信息科学与工程学院,常州,213164;常州大学信息科学与工程学院,常州,213164
【正文语种】中文
【中图分类】TP911.73
【相关文献】
1.基于改进C-V模型的超声图像分割方法 [J], 杨海洋;刘奇
2.基于模糊聚类和改进C-V模型的冠状动脉图像分割方法 [J], 韩承航;程云章
3.一种基于三维直方图的改进C-V模型水平集图像分割方法 [J], 任继军;何明一
4.基于改进的C-V模型虚拟人脑图像分割模型 [J], 陈允杰;张建伟;王利;王平安;夏德深
5.基于改进C-V模型的图像分割方法 [J], 马锐;张新东;杨思渊;唐泉
因版权原因,仅展示原文概要,查看原文内容请购买。

基于改进C-V模型的图像分割算法


分的图像分析中 , 必须把单个 目标从 图像 中分离 出来 , 形成
在 主动轮廓模型 中, 最为经 典 的为 C h a n— V e s e 模 型
以下简称 C — V模 型) , C — V模 型是一种基 于区域 的动 态 目标与背景分离 , 这种处理方式即为图像分割 , 图像分割就 ( 是根据规定 的准则把给定的图像分成具有不 同特性的图像 轮廓模 型 。c — V模型根据全局 图像统计信 息来完成对 图 部分 , 图像分割的算法往往是根据规定 的准则 , 图像 内部灰 像 的分割。假设 图像 目标是由同质 的区域构成 , 一般能得 度颜色纹理等特点 目 标与背景 的不 同来预先建立¨ 。 到 良好 的实验结果 , 但在实 际情况 中, 图像 的 目标并非 同 — V模型在 分割非 同质 目标 时 , 得 到 的结 果不 是 在很多 的图像 分析 应用 的领 域 如遥感 测 量、 医 学成 质 。C 同时 , 在演化过程 中, 要不断地将水平集 函数重 新 像、 安全管制 、 军事 目标检测都需要用到 图像分割技术 , 图 很理想 ; 像分割技术越来越重要 。在实际的图像分析应用 中 , 当所 初始化 , 增加 了迭代时间 , 使轮廓 曲线演化速度大大降低 。 需 目标被分开 时 , 分割就 可以停止 了 , 运用 自动 的图像分
基于改进 C - _ V模型的图像分割算法
杨艳丹 , 韩 雪松 , 韩应征 , 庞冬 冬 , 杜 军 慧
( 1 . 太原理工大学 信息工程 学院, 山西 太原 0 3 0 0 2 4 ; 2 . 中石化 山西分公 司, 山西 太原 0 3 0 0 4) 2
【 摘 要】提出一种新的模型——c h a n — V e s e 模型, 该模型是基于曲线演化、 水平集方法、 局部 的统计信息, 新模型包括两个方 面: 局部核 心 函数和 惩罚项 。引入局部 统 计信 息 后 的新模 型可 以对 非 同质 图像 进行 有 效 的分 割。另 外 , 核 心 函数 中加 入惩 罚 项, 可以有效避免水平集函数初始化 , 缩短模型演化时间。通过实验的仿真结果发现, 新模型在对非 同质 图像进行分割时得到 了 良好 的结果 。

一种新的自适应模型的水平集图像分割方法

一种新的自适应模型的水平集图像分割方法谢意1, 杨玲2XIE Yi1, YANG Ling 21.成都信息工程学院电子工程学院,成都6102252.成都信息工程学院网络工程学院,成都6102251.College of Electronic Engineering, Chengdu University of Information Technology, Chengdu 610225, China2.College of Networks Engineering, Chengdu University of Information Technology, Chengdu 610225, ChinaE-mail: cornyi@New level set method of image segmentation based on the adaptive modelAbstract:Level-set has been Widely used in image segmentation. Firstly, introduce the traditional level-set based on the model of C-V and GAC, And then a new method has been presented to segment images, which combined with the advantages of the C-V model and the GAC model meanwhile selectively consider the local information in the illegibility area according to the characteristics of image. Finally, a real example is used to demonstrate the method is effectiveness and feasibility on segmenting the noisy blurry boundary and intensity inhomogeneity images.Key words: level-set; energy function; image segmentation; PDE摘要: 水平集广泛应用于图像分割。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第3 2卷 第 2期
21 0 2年 5月
桂 林 理 工
大 学 学 报
Vo . 2 No 2 13 . Ma 2 2 y 01
J u a fGu l i est fT c n lg o r lo i n Un v ri o e h oo y n i y
文章 编号 :1 7 9 5 ( 0 2 0 0 8 0 6 4— 0 7 2 1 ) 2- 2 1- 6
1 传 统 C— V水 平 集 的全 局 依 赖 性
传统的 c— V水平集模型使用的是图像的全局 叶变 换 、加窗 傅 里 叶变 换 和 小 波 变 换 等 。傅 里 叶 范 围信 息 。c—V模 型通 过综 合 使 用 区域 和边 界 的
变换 能够 分 离 图像 的高 频 和低 频 分 量 ,但 频 域 信 信息 , 将边界跟踪问题转化为一个求能量泛函的最
V水平集分割方法并将其应用 般较 模糊 ,含 噪 声 ,因 此 所 需 信 息 范 围较 小 的 分 出了一种改进的 c—
割方 法效 果 并 不 好 ,而 利 用 较 大 范 围信 息 的分 割 于边界模糊的遥感 图像 。利用小波变换得到 图像 方 法 则 优 势 明 显 ,例 如 c —V 水 平 集 分 割 方 的高 频分 量 及 空 间 分 布 ,在 新 的依 赖 信 息 范 围 内

d i1 . 9 9 ji n 17 9 5 . 0 2 0 . 2 o :0 3 6 /.s .6 4— 0 7 2 1 . 20 4 s
种 改 进 的 C—V水 平 集 遥 感 图 像 分 割 方 法
杨铁 军 ,宋智辉 ,姜传 贤
( 桂林 理工 大学 信息 科学 与工程 学 院 ; . 西空 间信 息与测 绘重 点实 验室 ,广西 桂林 b广 5 10 ) 404
28 】一2 6. 8








维 曲 面 的 演 化 ,都 要 利 用 水平集 模 型 ,将 其 由全 局 信 息 依 赖 型 转 变 成 基 于 整 幅 图像 的信 息 ,所 以 它是 一 种 全 局 信 息 依 赖 型 小波 的局 部 信 息依 赖 型 分 割方 法 ,提 高 其 对 于 复
收 稿 日期 :2 1 0 1—0 8—2 9
基 金项 目:广西 自然科 学基 金项 目 (0 1 X SB 10 7 ;广 西教 育厅 科研项 目 (002 S0 ) 2 1G N F 0 86 ) 2 11M 15 ;广西 空 间信 息 与测 绘重 点
实验 室主任 基金 ( 桂科 能 10 18— 7 13 0 0 ) 作 者简 介 :杨铁 军 (99 ) 17一 ,男 ,博 士 ,副 教授 ,研究 方 向 :计算 机 图像处 理 ,yt @ 13 tn。 ai 6 .oi t e 引文格 式 :杨铁 军 ,宋 智辉 ,姜 传贤 .一种 改进 的 c— V水 平集 遥感 图像 分割方 法 [] J .桂林 理工 大学 学报 , 02 2 ( ) 2 1 ,3 2 :
中图分 类号 :P 3 ;T 7 1 2 7 P 5 文 献标 志码 :A
O 引 言
息无 法 与空 域 信 息 对 应 ;加 窗 傅 里 叶变 换 能 够 得 到 固定窗 宽 的频 域 与 空 域 信 息 的 对 应 关 系 ;而小
遥感 图像 分 割是 遥感 图像 处 理 的热 点 和难 点 。 波变 换最 为 灵 活 ,能 够 进 行 可 变 尺 度 的空 一频 域 针对 遥感 图像 覆 盖 面广 、 目标/ 景 复 杂和 边 缘模 分析 ,是 图像 分 割 频 域 分 析 方 法 中最 常 用 的方 法 背 糊等 特点 ,图像 分 割一 般 可 以采 用 基 于 边 界 、基 之一 。近 年来 ,利 用 小 波 分 析 指 导 水 平 集 图像 分 ,均 是利 用 小 波 变 换 ,提 取 相 于 区域 和综 合 边 界 与 区域 信 息 等 几 种 方 法 。利 用 割 的方 法 较 多 J 信息 范 围 的恰 当与 否 ,往 往 决 定 了分 割 的性 能 和 应 的图像 特 征并 集 成 到 水 平 集 模 型 中 ,但 很 少 有 结果。当 目 标边界清 晰时,可 以使 用所需信息 范 针对 分割信 息 范 围的选 择 问题来 优化 水平 集模 型 。 本文运用小 波变换得 到的高频分量,研究高 围小的梯度法等 ,这些 方法具有计算 简单 、快 速 等优 点 ,但 对 噪 声 非 常 敏 感 ;而 遥 感 目标 轮 廓 一 频 分量 与 分 割所 依 赖 的 信 息 范 围 之 间 的 关 系 ,提
对 水平 集分 割 的指导 作用 ,并优 化驱 动水平 集演 化 的内 、外 能 量及 曲线 长度 约 束能 量 。实验 证 明 ,运
用该方法对遥感图像的分割结果 比传统水平集方法更准确 ,能有效的利用局部信息提高水平集能量项 的有效性和分割结果的准确性。
关键 词 :水 平集 ;小 波变换 ;遥感 图像 分割

要 :针 对遥 感 图像边界 模糊 分割 难 的问题 ,提 出了一 种 改进 的基 于 小波 变换 的 c— V水 平集 分 割
方法 提高其 分割 准确 性 。该 方法 首先 使用小 波变 换得 到原 图像 的高 频分 量 ,初步 定位 图像 中高频 信 号
的空间位置 ;然后根据高频分量的幅值及其空间分布 ,借鉴反锐化掩模法的思想,增强图像高频信号
法 。因此 ,研 究分割 目标所需要 的信 息范 围 重 新计 算 c—V水 平集 的各 能量 项 ,使演化 曲线 更 并 应 用 于遥感 图像 分 割是本 文 的重 点 。 准确 的收敛 到 目标边 界 。
传统 的微 分 法 ,其 实 质 是 根 据 图 像 的 边 界 信 息为 高频 信息 ,使 用 求 导 法 增 强 高频 分 量 ,从 而 突 出 目标 边 界 。进 行 频 域 分 析 的 常 用 工 具 有 傅 里
相关文档
最新文档