-
公开(公告)号：CN102509296B
公开(公告)日：2014-04-16
申请号：CN201110353282.X
申请日：2011-11-10
申请人： 西安电子科技大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于最大相似性区域合并的胃部CT图像的交互式分割方法，主要解决了现有交互式分割方法分割速度慢，分割效果不理想的问题。其实现过程是：输入胃部CT，并用分水岭方法进行初分割；然后由用户交互式的划不同线段标记目标和背景；计算每个区域的灰度梯度共生矩阵作为区域特征；设定区域间的最大相似性准则，再基于这个准则分两次进行区域合并：第一次先合并大部分背景，第二次合并目标的同时再合并剩余的背景，直到整幅图像被分为目标和背景两部分为止，最后得到分割结果。本发明具有对医学图像分割效果好、实时性强等优点，对不同人的胃部CT图像，分割效果也比较理想。
-
公开(公告)号：CN102903103A
公开(公告)日：2013-01-30
申请号：CN201210334972.5
申请日：2012-09-11
申请人： 西安电子科技大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于迁移的活动轮廓模型用于胃部CT序列分割方法。主要解决现有技术对于CT序列图像分割速度慢，容易出现边缘泄露的不足。其实现步骤是：先手动划线圈出第一幅图像待分割目标区域的初始轮廓，用结合区域和边缘的活动轮廓模型进行分割，得到当前图像的目标轮廓；然后重复的将已分割好的图像的目标轮廓迁移到与其相邻的下一幅图像中，作为其初始轮廓，再用GLCV模型进行分割，直到整个序列中的图像都分割完毕。本发明与传统的主动轮廓模型相比，具有速度快、效果好等优点，可用于胃部CT序列图像的分割，对于胃部淋巴结可能出现的目标区域，都能较好的分割出来。
-
公开(公告)号：CN102831614B
公开(公告)日：2014-08-20
申请号：CN201210332192.7
申请日：2012-09-10
申请人： 西安电子科技大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于交互式字典迁移的序列医学图像快速分割方法。主要解决现有单幅图像分割速度慢和工作量大的问题。其实现过程是：输入腹部CT序列图像；用mean shift方法对其初分割并以每个像素为中心提取5×5块作为特征；对一幅图像进行交互式分割得到目标和背景；对目标和背景区域分别进行训练生成目标和背景字典后，去逼近序列中未分割的图像，根据误差最小原则将所有像素标记为目标或背景并进行高斯平滑；计算初分割图像中每个区域的目标像素点的密度，去掉密度小的区域后得到分割结果；对于分割不正确的图像进行再次交互式分割；通过字典迁移来更新目标字典。本发明具有对医学图像分割效果好和速度快的优点，可用于对医学CT序列图像的分割。
-
公开(公告)号：CN102509296A
公开(公告)日：2012-06-20
申请号：CN201110353282.X
申请日：2011-11-10
申请人： 西安电子科技大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于最大相似性区域合并的胃部CT图像的交互式分割方法，主要解决了现有交互式分割方法分割速度慢，分割效果不理想的问题。其实现过程是：输入胃部CT，并用分水岭方法进行初分割；然后由用户交互式的划不同线段标记目标和背景；计算每个区域的灰度梯度共生矩阵作为区域特征；设定区域间的最大相似性准则，再基于这个准则分两次进行区域合并：第一次先合并大部分背景，第二次合并目标的同时再合并剩余的背景，直到整幅图像被分为目标和背景两部分为止，最后得到分割结果。本发明具有对医学图像分割效果好、实时性强等优点，对不同人的胃部CT图像，分割效果也比较理想。
-
公开(公告)号：CN102436584B
公开(公告)日：2013-09-25
申请号：CN201110346515.3
申请日：2011-11-04
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于字典学习的胃部CT图像感兴趣区域检测方法，主要解决现有胃部CT图像中包含无关信息较多的问题。整个系统包括：训练单元和测试单元；训练单元，首先生成训练图像块，再对训练图像块提取特征值组成感兴趣矩阵和不感兴趣矩阵，最后采用字典学习方法训练得到感兴趣字典和不感兴趣字典；测试单元，先输入待测试图像，再对待测试图像进行脂肪组织的检测，并去除脂肪组织边缘，最后对脂肪组织中的淋巴结空洞进行填充，得到包含淋巴结的感兴趣区域，并输出检测结果。本发明能有效去除胃部CT图像的无关信息，保留医生感兴趣的淋巴结，可用于医学图像的处理。
-
公开(公告)号：CN102622750A
公开(公告)日：2012-08-01
申请号：CN201210043474.5
申请日：2012-02-24
申请人： 西安电子科技大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于交互式区域生长的胃部CT序列图像分割方法。主要解决现有技术的对于CT序列分割速度慢，容易出现欠分割的不足。其实现步骤是：先在第一张待分割目标区域内人工选取种子点然后用交互式区域生长进行分割，再将分割结果的中心及其8邻域投影到下一张CT图像中，作为其种子点，继续用交互式区域生长进行分割，得到当前图像的目标区域，重复将前一幅的分割结果投影到下一幅图像作为种子点继续分割，直到整个序列分割完毕。本发明与传统的串行的区域生长相比，具有速度快、效果好等优点，可用于胃部CT序列图像的分割，对于序列中胃部淋巴结可能出现的目标区域，都能较好的分割出来。
-
公开(公告)号：CN102663728B
公开(公告)日：2015-04-08
申请号：CN201210061836.3
申请日：2012-03-11
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于字典学习的医学图像交互式联合分割方法，主要解决现有交互式分割腹部图像计算量大的问题。其实现过程是：输入腹部CT图像序列，用分水岭方法进行初分割并提取每个区域的灰度梯度特征；然后从中选出一幅图像由用户交互式标记目标区域和背景区域；再基于区域间的最大相似性准则对未标记的区域进行合并，直到整幅图像被分为目标和背景两部分为止；然后对得到的目标和背景区域进行训练生成目标字典和背景字典，再用这些字典去逼近序列中待分割的图像并找到逼近误差最小的区域作为标记目标和标记背景，最后用区域合并方法分割出目标。本发明具有对医学图像分割效果好、省时省力的优点，可用于对腹部CT序列图像的分割。
-
公开(公告)号：CN102509120B
公开(公告)日：2013-09-25
申请号：CN201110346348.2
申请日：2011-11-04
申请人： 西安电子科技大学
IPC分类号： G06K9/66
摘要： 本发明公开了一种基于迁移字典学习的高光谱图像的有监督分割方法，主要解决高光谱图像分割时遇到的类别不平衡问题。其实现过程是：(1)输入目标图像和辅助图像并提取特征；(2)设定循环终止次数，并对目标域有标签样本集采用字典学习方法训练分类器；(3)计算迁移样本集；(4)更新目标域有标签样本集中的小类样本集；(5)计算本次循环中目标域无标签样本集的分类标签和分类器权重；(6)计算最终目标域无标签样本集的分类标签；(7)利用得到的最终目标域无标签样本集的分类标签和目标域有标签样本集的标签，输出目标图像的分割结果。本发明具有对类别不平衡的高光谱图像分割效果好的优点，可用于雷达目标的检测与识别。
-
公开(公告)号：CN102831614A
公开(公告)日：2012-12-19
申请号：CN201210332192.7
申请日：2012-09-10
申请人： 西安电子科技大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于交互式字典迁移的序列医学图像快速分割方法。主要解决现有单幅图像分割速度慢和工作量大的问题。其实现过程是：输入腹部CT序列图像；用mean shift方法对其初分割并以每个像素为中心提取5×5块作为特征；对一幅图像进行交互式分割得到目标和背景；对目标和背景区域分别进行训练生成目标和背景字典后，去逼近序列中未分割的图像，根据误差最小原则将所有像素标记为目标或背景并进行高斯平滑；计算初分割图像中每个区域的目标像素点的密度，去掉密度小的区域后得到分割结果；对于分割不正确的图像进行再次交互式分割；通过字典迁移来更新目标字典。本发明具有对医学图像分割效果好和速度快的优点，可用于对医学CT序列图像的分割。
-
公开(公告)号：CN102509120A
公开(公告)日：2012-06-20
申请号：CN201110346348.2
申请日：2011-11-04
申请人： 西安电子科技大学
IPC分类号： G06K9/66
摘要： 本发明公开了一种基于迁移字典学习的高光谱图像的有监督分割方法，主要解决高光谱图像分割时遇到的类别不平衡问题。其实现过程是：(1)输入目标图像和辅助图像并提取特征；(2)设定循环终止次数，并对目标域有标签样本集采用字典学习方法训练分类器；(3)计算迁移样本集；(4)更新目标域有标签样本集中的小类样本集；(5)计算本次循环中目标域无标签样本集的分类标签和分类器权重；(6)计算最终目标域无标签样本集的分类标签；(7)利用得到的最终目标域无标签样本集的分类标签和目标域有标签样本集的标签，输出目标图像的分割结果。本发明具有对类别不平衡的高光谱图像分割效果好的优点，可用于雷达目标的检测与识别。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.032 秒)
