一种改进的双模态图像分割算法

doi:10.3778/j.issn.1002-8331.2009.27.008

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (27): 24-27.DOI: 10.3778/j.issn.1002-8331.2009.27.008

一种改进的双模态图像分割算法

吴继明^1，2，熊建文²，朱学峰¹

1.华南理工大学自动化科学与工程学院，广州 510640
2.华南师范大学物理与电信工程学院，广州 510631

收稿日期:2009-06-24 修回日期:2009-07-27 出版日期:2009-09-21 发布日期:2009-09-21
通讯作者: 吴继明

Improved segmentation algorithm for bimodal image

WU Ji-ming^1，2，XIONG Jian-wen²，ZHU Xue-feng¹

1.School of Automation Science and Engineering，South China University of Technology，Guangzhou 510640，China
2.School of Physics and Communication Engineering，South China Normal University，Guangzhou 510631，China

Received:2009-06-24 Revised:2009-07-27 Online:2009-09-21 Published:2009-09-21
Contact: WU Ji-ming

摘要/Abstract

摘要： 在Mumford-Shah模型基础上提出了一个改进的双模态图像分割算法。该算法基于图像局部化信息创建驱动曲线演化的能量，引入的配准项提高了曲线的演化速度，基于曲线演化竞争的数据拟合项，使得曲线能更稳定地收敛到一个全局静态最小值，且算法对水平集函数初始化位置不敏感。实验结果表明，改进的算法具有收敛速度快、分割结果稳定的特点，尤其在医学CT图像方面具有更强的分割能力，更高的稳定性。

关键词: Mufmford-Shah模型, 双模态图像, 图像分割, CT图像

Abstract: This paper presents a improved segmentation algorithm for bimodal image based on the Mumford-Shah model.The energy which drives the evolution of a curve is constructed based on local image information，the alignment term enhances the speed of curve evolution，and the improved data fitting term which is based on the competition between of the shifted Heaviside functions，makes the curve converge to a better global stationary minimum.The experiments show that the improved algorithm has a faster speed of convergence and a more stable segmentation result，especially has a more powerful ability of segmentation and higher stability in segmentation of medical CT images.

Key words: Mumford-Shah model, bimodal image, image segmentation, CT image

中图分类号:

TP391.41

吴继明^1，2，熊建文²，朱学峰¹. 一种改进的双模态图像分割算法[J]. 计算机工程与应用, 2009, 45(27): 24-27.

WU Ji-ming^1，2，XIONG Jian-wen²，ZHU Xue-feng¹. Improved segmentation algorithm for bimodal image[J]. Computer Engineering and Applications, 2009, 45(27): 24-27.

[1]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[2]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[3]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[4]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[7]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[8]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[11]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[12]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[13]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.
[14]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.
[15]	陶永鹏，景雨，顼聪. 融合超像素和CNN的CT图像分割方法[J]. 计算机工程与应用, 2020, 56(5): 200-205.

一种改进的双模态图像分割算法

Improved segmentation algorithm for bimodal image

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