高级检索

ISSN1001-3806CN51-1125/TN 网站地图

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

改进边界指示函数的水平集活动轮廓模型

郑伟 张晶 杨虎

引用本文:
Citation:

改进边界指示函数的水平集活动轮廓模型

    作者简介: 郑伟(1972-),女,教授,博士,现主要从事图像处理、图像安全通信的研究。E-mail:147685650@qq.com.
  • 基金项目:

    河北大学医工交叉研究中心开放基金资助项目(BM201103)

  • 中图分类号: TN911.73

Level set active contour model improving boundary indicator function

  • CLC number: TN911.73

  • 摘要: 由于受成像原理的限制,导致超声图像对比度低、边界模糊,因此基于边界的水平集分割效果很不理想。为了提高超声图像的分割精度和分割效率,提出了一种梯度信息与区域信息相结合的水平集分割算法。首先对基于边界的距离正则化水平集演化(DRLSE)模型进行改进,将区域信息引入到边界指示函数中,并用改进后的边界指示函数代替DRLSE模型中的边界指示函数,最后,得到一个梯度与区域信息相结合的水平集演化模型。结果表明,本文中的模型能准确分割甲状腺肿瘤超声图像,且在分割效率和分割精确度方面均比DRLSE模型有所提高。
  • [1]

    ZHANG K H, SONG H H, ZHANG L. Active contours driven by local image fitting energy[J]. Pattern Recognition, 2010, 43(4):1199-1206.
    [2]

    CHEN K, LI B, TIAN L F. A segmentation algorithm of pulmonary nodules using active contour model based on fuzzy speed function[J]. Acta Automatica Sinica, 2013, 39(8):1257-1264(in Chinese).
    [3]

    LIU R J, HE C J, YUAN Y. Active contours driven by local and global image fitting energy[J]. Journal of Computer-Aided Design Computer Graphics, 2012, 24(3):364-371(in Chinese).
    [4]

    LI C M, XU C Y, GUI C F, et al. Distance regularized level set evolution and its application to image segmentation[J]. IEEE Transactions Image Processing, 2010, 19(12):3243-3254.
    [5]

    CASELES V, KIMMEL R, SAPIRO G. Geodesic active contour[J]. International Journal of Computer Vision,1997,22(1):61-79.
    [6]

    ZHENG W, PAN Z Y, HAO D M. The Improved DRLSE ultrasound image segmentation model based on phase congruency[J]. Opto-Electronic Engineering, 2014, 41(1):60-64(in Chinese).
    [7]

    ZHANG J W, FANG L, CHEN Y J, et al. Application of local GAC model for medical image segentation[J]. Journal of Image and Graphics, 2012, 17(2):215-221(in Chinese).
    [8]

    WANG S F, RUAN J, WANG Y. Image segmentation based on improved LBF model[J]. Computer Applications and Software, 2011, 28(2):25-28(in Chinese).
    [9]

    ZHAO J, QI Y M, PAN Z Y. Active contour segmentation modal of combining global and dual-core local fitting energy[J]. Journal of Computer Applications, 2013, 33(4):1092-1095(in Chinese).
    [10]

    LI Ch M, XU Ch Y, GUI Ch F, et al. Level set evolution without re-initialization:A new variational formulation[C]//IEEE International Conference on Computer Vision and Pattern Recognition. New York, USA:IEEE,2005:430-436.
    [11]

    YU R X, ZHU B. New stop function of level set method[J]. Journal of System Simulation, 2008, 20(22):6154-6157(in Chinese).
    [12]

    ZHOU B, HE C J, YUAN Y. Edge-based active contour model with adaptive varying stopping function[J]. Application Research of Computers, 2012, 29(1):366-368(in Chinese).
    [13]

    QI Y Q, ZHANG T. Region-based method of adaptive distance preserving level set evolution[J]. Research Journal of Applied Sciences, Engineering and Technology, 2013, 5(5):1608-1613.
    [14]

    ZHANG K H, ZHANG L, SONG H H. Active contours with selective local or global segmentation:A new formulation and level set method[J]. Image and Vision Computing, 2010, 28(4):668-676.
    [15]

    COLLINS D L, EVANS A C, HOLMS C, et al. Automatic 3-D segmentation of neuro-anatomical structures from MRI[C]//14th International Conference on Information Processing in Medical Imaging. De Berder, France:Information Processing in Medical Imaging,1995:139-152.
  • [1] 张宝华刘鹤 . 基于能量梯度场映射关系的红外图像分割方法. 激光技术, 2015, 39(1): 76-81. doi: 10.7510/jgjs.issn.1001-3806.2015.01.015
    [2] 江天沈会良杨冬晓刘建军邹哲 . 基于模糊局部信息C均值的太赫兹图像目标检测. 激光技术, 2015, 39(3): 289-294. doi: 10.7510/jgjs.issn.1001-3806.2015.03.001
    [3] 张健李白燕 . 基于图论最小割集算法的图像分割研究. 激光技术, 2014, 38(6): 863-866. doi: 10.7510/jgjs.issn.1001-3806.2014.06.030
    [4] 雷选华孔小健杨文亮 . 基于粒子群优化的正则化水下图像盲复原. 激光技术, 2015, 39(6): 811-814. doi: 10.7510/jgjs.issn.1001-3806.2015.06.017
    [5] 李旭寒董安国封建湖 . 基于多级引导滤波器的图像区域融合算法. 激光技术, 2016, 40(5): 756-761. doi: 10.7510/jgjs.issn.1001-3806.2016.05.029
    [6] 郑伟孙雪青李哲 . shearlet变换和区域特性相结合的图像融合. 激光技术, 2015, 39(1): 50-56. doi: 10.7510/jgjs.issn.1001-3806.2015.01.010
    [7] 郭佑东凌福日姚建铨 . 基于梯度变换的太赫兹图像超分辨率重建. 激光技术, 2020, 44(3): 271-277. doi: 10.7510/jgjs.issn.1001-3806.2020.03.001
    [8] 孙越娇雷武虎胡以华赵楠翔任晓东 . 基于视觉显著模型的遥感图像舰船快速检测. 激光技术, 2018, 42(3): 379-384. doi: 10.7510/jgjs.issn.1001-3806.2018.03.017
    [9] 陈树越朱双双蒋星徐扬 . 基于高斯型点扩展函数的红外图像热源复原. 激光技术, 2016, 40(2): 270-273. doi: 10.7510/jgjs.issn.1001-3806.2016.02.025
    [10] 房垚鑫郭宝峰马超 . 基于改进点扩散函数的遥感图像超分辨率重建. 激光技术, 2019, 43(5): 713-718. doi: 10.7510/jgjs.issn.1001-3806.2019.05.024
    [11] 李文龙戈海龙任远成巍 . 图像处理技术在激光熔池温度检测的应用. 激光技术, 2018, 42(5): 599-604. doi: 10.7510/jgjs.issn.1001-3806.2018.05.004
    [12] 张海庄姚梅雷萍李鹏曾庆平 . 远场激光光斑图像处理方法研究. 激光技术, 2013, 37(4): 460-463. doi: 10.7510/jgjs.issn.1001-3806.2013.04.010
    [13] 谢军昱许杨剑王效贵 . 基于贝叶斯模型和数字图像相关的视觉测量. 激光技术, 2016, 40(6): 866-870. doi: 10.7510/jgjs.issn.1001-3806.2016.06.019
    [14] 纪文孙水发王帅董方敏 . 对数域的光学相干层析图像噪声模型分析. 激光技术, 2014, 38(6): 848-853. doi: 10.7510/jgjs.issn.1001-3806.2014.06.027
    [15] 何易德朱斌姜湖海刘书信李黎明胡绍云 . 红外图像多尺度统计和应用先验去模糊模型. 激光技术, 2023, 47(3): 360-365. doi: 10.7510/jgjs.issn.1001-3806.2023.03.012
    [16] 陆宝红宋雪桦 . 基于历史信息的区域卷积神经网络行人检测. 激光技术, 2019, 43(5): 660-665. doi: 10.7510/jgjs.issn.1001-3806.2019.05.014
    [17] 汤敏王惠南 . 激光扫描共聚焦显微镜图像的计算机处理. 激光技术, 2007, 31(5): 558-560.
    [18] 张羽鹏王开福 . LabVIEW和MATLAB在电子散斑干涉图像处理中的应用. 激光技术, 2009, 33(6): 582-585,589. doi: 10.3969/j.issn.1001-3806.2009.06.007
    [19] 冯煦张瑞瑛周萍李松 . 大功率半导体线激光图像处理方法研究. 激光技术, 2010, 34(5): 624-627. doi: 10.3969/j.issn.1001-3806.2010.O5.013
    [20] 顾国庆王开福燕新九 . 基于同态滤波的电子散斑干涉图像处理. 激光技术, 2010, 34(6): 750-752,797. doi: 10.3969/j.issn.1001-3806.2010.06.009
  • 加载中
计量
  • 文章访问数:  4262
  • HTML全文浏览量:  1790
  • PDF下载量:  399
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-10-24
  • 录用日期:  2014-12-17
  • 刊出日期:  2016-01-25

改进边界指示函数的水平集活动轮廓模型

    作者简介: 郑伟(1972-),女,教授,博士,现主要从事图像处理、图像安全通信的研究。E-mail:147685650@qq.com
  • 1. 河北大学电子信息工程学院, 保定 071002;
  • 2. 河北大学河北省数字医疗工程重点实验室, 保定 071002;
  • 3. 中国人民解放军 66165部队, 保定 071000
基金项目:  河北大学医工交叉研究中心开放基金资助项目(BM201103)

摘要: 由于受成像原理的限制,导致超声图像对比度低、边界模糊,因此基于边界的水平集分割效果很不理想。为了提高超声图像的分割精度和分割效率,提出了一种梯度信息与区域信息相结合的水平集分割算法。首先对基于边界的距离正则化水平集演化(DRLSE)模型进行改进,将区域信息引入到边界指示函数中,并用改进后的边界指示函数代替DRLSE模型中的边界指示函数,最后,得到一个梯度与区域信息相结合的水平集演化模型。结果表明,本文中的模型能准确分割甲状腺肿瘤超声图像,且在分割效率和分割精确度方面均比DRLSE模型有所提高。

English Abstract

参考文献 (15)

目录

    /

    返回文章
    返回