计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2015年
4期
1124-1128
,共5页
陈小龙%王晓东%李昕%叶剑宇%姚宇
陳小龍%王曉東%李昕%葉劍宇%姚宇
진소룡%왕효동%리흔%협검우%요우
超声心动图%Chan-Vese模型%Delaunay三角网%加速健壮特征算法%腔室分割
超聲心動圖%Chan-Vese模型%Delaunay三角網%加速健壯特徵算法%腔室分割
초성심동도%Chan-Vese모형%Delaunay삼각망%가속건장특정산법%강실분할
echocardiography%Chan-Vese model%Delaunay triangulation%Speeded Up Robust Feature (SURF) algorithm%chamber segmentation
针对超声心动周期序列图的腔室自动分割过程中,弱边缘轮廓难以有效提取的问题,提出一种基于加速健壮特征(SURF)拟合算法和Chan-Vese模型的超声图像腔室分割方法.首先对序列中第一帧图像进行人工标记弱边缘轮廓;然后,提取弱边缘轮廓周围的SURF点,建立Delaunay三角网;接着,通过相邻两帧之间的特征点匹配,预测后续帧的弱边缘轮廓;之后,用Chan-Vese模型提取粗糙轮廓;最后采用区域生长算法得到精确的目标轮廓.实验结果表明,该算法能较好地完整提取超声序列图像中含弱边缘的腔室轮廓,并且与专家手动分割结果相近.
針對超聲心動週期序列圖的腔室自動分割過程中,弱邊緣輪廓難以有效提取的問題,提齣一種基于加速健壯特徵(SURF)擬閤算法和Chan-Vese模型的超聲圖像腔室分割方法.首先對序列中第一幀圖像進行人工標記弱邊緣輪廓;然後,提取弱邊緣輪廓週圍的SURF點,建立Delaunay三角網;接著,通過相鄰兩幀之間的特徵點匹配,預測後續幀的弱邊緣輪廓;之後,用Chan-Vese模型提取粗糙輪廓;最後採用區域生長算法得到精確的目標輪廓.實驗結果錶明,該算法能較好地完整提取超聲序列圖像中含弱邊緣的腔室輪廓,併且與專傢手動分割結果相近.
침대초성심동주기서렬도적강실자동분할과정중,약변연륜곽난이유효제취적문제,제출일충기우가속건장특정(SURF)의합산법화Chan-Vese모형적초성도상강실분할방법.수선대서렬중제일정도상진행인공표기약변연륜곽;연후,제취약변연륜곽주위적SURF점,건립Delaunay삼각망;접착,통과상린량정지간적특정점필배,예측후속정적약변연륜곽;지후,용Chan-Vese모형제취조조륜곽;최후채용구역생장산법득도정학적목표륜곽.실험결과표명,해산법능교호지완정제취초성서렬도상중함약변연적강실륜곽,병차여전가수동분할결과상근.
