简介:目的:有效且准确地提取肺部轮廓是自动计算心胸比例、判断心脏增大的一项很关键的步骤。胸片图像由于器官之间的灰度重叠以及病人体位的影响,肺部边缘不是很清晰,肺部区域内的灰度分布也不均匀,因此,对胸片图像肺部区域的分割具有一定的难度。本文提出一种基于改进的C-V水平集模型的肺部轮廓提取算法。方法:通过改进梯度函数及演化过程来提高算法的准确性和速度。结果:改进后的C-V水平集算法比原始算法的时间迭代次数减少1/3,时间大大缩短,演化效率提高,计算机自动分割速度加快。结论:实验表明,该算法简单高效,能提高图像分割的速度,适合应用于胸片肺部轮廓的提取,为自动计算心胸比率提供了较好的方法。
简介:1引言矩理论是图像处理领域的重要内容。通常希望用一系列符号或某种规则来具体地描绘一幅图像的特征,以便在进一步地识别、分析或分类中有利于区分不同性质的图像。同时,也可以减少图像区域中的原始数据量。不变矩(Invariantmoments)是一种高度浓缩的图像特征,具有平移、灰度、尺度、旋转等多畸变不变性,因此矩和矩函数被广泛用于图像的模式识别、图像分类、目标识别和场景分析中。M.K.Hu[1]在1961年首先提出不变矩的概念,证明了矩组(7)对于平移、旋转和大小比例变化都是不变的,因此用它们可以描绘一幅给定的图像。由于不变矩具有良好的平移、旋转和尺度缩放不变性及抗干扰性,一直是图像识别领域的重要研究课题。