基于改进的GAC模型的医学图像序列分割算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (5): 188-191.

• 图形、图像、模式识别 • 上一篇下一篇

基于改进的GAC模型的医学图像序列分割算法

张惠东，戴本祁，沈杨

华东理工大学信息学院，上海 200237

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-02-11 发布日期:2011-02-11

Image segmentation algorithm for medical image sequence based on improved GAC model

ZHANG Huidong，DAI Benqi，SHEN Yang

Information Science and Engineering College of East China University of Science and Technology，Shanghai 200237，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-02-11 Published:2011-02-11

摘要/Abstract

摘要： 为了快速有效地提取出图像序列的边缘，提出了一种基于改进的测地线活动轮廓（GAC）模型的图像分割算法。在该方法中，只需在第一幅图像中感兴趣区域的内部给出大致的初始轮廓。在后续图像中，首先采用运动估计与区域统计特征结合的方法得到轮廓模型的初始轮廓，然后利用结合先验信息的测地线活动轮廓模型进行分割。此外，为了有效地减少算法运算时间，采用手工办法在第一张图像上选定模型演化的区域，该区域在后续图像上将依据分割结果自动调整大小和位置。实验结果表明：方法能够快速有效地提取目标物体的边缘。

关键词: 测地线轮廓模型, 统计特性, 运动估计, 图像序列

Abstract: In order to quickly and effectively extract the boundary of the image sequence，an image segmentation algorithm based on improved Geodesic Active Contour（GAC） model is proposed.In the first image，the initial contour in the internal region of interest can be roughly specified by manual.There are two steps for the method in each image followed.Firstly，the initial contour is obtained by using motion estimation and statistical property.Secondly，the image is segmented by modified geodesic active contour model added by prior information.To reduce the computing time，a region for model evolution is got by manually in the first image，which can automatically adjust the size and position in other images according to the segment result.The experimental results show that the new method can quickly and effectively extract boundary of regions in medical images.

Key words: geodesic active contour model, statistical property, motion estimation, image sequence

张惠东，戴本祁，沈杨. 基于改进的GAC模型的医学图像序列分割算法[J]. 计算机工程与应用, 2011, 47(5): 188-191.

ZHANG Huidong，DAI Benqi，SHEN Yang. Image segmentation algorithm for medical image sequence based on improved GAC model[J]. Computer Engineering and Applications, 2011, 47(5): 188-191.

[1]	曹凯1，2，杨雪梦1，姚敏茹1，2，马天力1，张航1. 基于混合运动估计方法的视觉里程计[J]. 计算机工程与应用, 2019, 55(5): 175-180.
[2]	文继李1，丁立新1，万润泽1，邹桢苹2. 基于兴趣区域的无参考图像质量评价方法[J]. 计算机工程与应用, 2018, 54(16): 169-175.
[3]	胡辉辉，刘建东，商凯，张啸. 基于时空混沌的伪随机序列发生器设计与分析[J]. 计算机工程与应用, 2017, 53(24): 100-105.
[4]	於敏，于凤芹，陈莹. 基于相似性和统计性的超像素的图像分割[J]. 计算机工程与应用, 2017, 53(2): 177-180.
[5]	程志辉1，2，黄宇1，2. 采用柯西分解降噪的目标跟踪方法[J]. 计算机工程与应用, 2017, 53(17): 41-46.
[6]	余应淮，谢仕义，梅其祥. 精确运动估计的核回归修正梯度互相关算法[J]. 计算机工程与应用, 2017, 53(14): 214-221.
[7]	祝晓东1，2，徐济惠2，郁松年1. 视频分析中利用可变阈值的运动估计算法研究[J]. 计算机工程与应用, 2015, 51(6): 181-187.
[8]	孔睿，余宁梅，路伟，王冬芳，任茹. 全插值分像素运动估计VLSI结构[J]. 计算机工程与应用, 2015, 51(3): 162-165.
[9]	何杰，万晓冬. 动态地面背景下机载红外弱小目标的检测[J]. 计算机工程与应用, 2015, 51(16): 178-182.
[10]	梁静，张凡，唐作其，陆安江，张正平. UMHS运动估计算法的优化研究[J]. 计算机工程与应用, 2014, 50(3): 185-189.
[11]	刘治，王玲. 使用动态模型的UMHexagonS算法优化[J]. 计算机工程与应用, 2014, 50(14): 214-218.
[12]	修彬1，2，李成龙2，汤进1，2，罗斌1，2. 一种基于运动估计的红外目标跟踪方法[J]. 计算机工程与应用, 2014, 50(12): 125-128.
[13]	张小红，张东波. H.264块运动估计自适应快速搜索算法研究[J]. 计算机工程与应用, 2013, 49(6): 183-186.
[14]	张阿飞，沈海斌. 基于差分的块匹配运动估计算法[J]. 计算机工程与应用, 2013, 49(6): 127-130.
[15]	曾接贤，郑大芳，符祥. 基于运动矢量空间相关性的H.264分像素运动估计[J]. 计算机工程与应用, 2013, 49(15): 175-178.

基于改进的GAC模型的医学图像序列分割算法

Image segmentation algorithm for medical image sequence based on improved GAC model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics