基于窄带Mumford—Shah模型的图像分割方法

在结合Mumford-Shah模型和水平集方法中的窄带解法优点的基础上，提出了一种新的图像分割模型。Mumford-Shah模型虽然具有良好的图像分割结果，但是其每次迭代过程都需要对所有图像数据进行计算，因而很费时，导致这种方法不适用于大的图像数据，特别是三维图像的分割。本文通过一种新的初始化方法把Mumford-Shah模型和水平集中的窄带解法结合在一起。这种新 的初始化方法是通过在特定条件下简化快速行进法得到的。通过去除快速步进法中费时的 排序过程，使得初始化的计算时间只有O（N）。窄带Mumford-Shah模型把分割计算限制在窄带范围内，避免了大量的计算，但取得了与原始的Mumford-Shah模型相同的分割效果。实验结果表明基于快速步进法的初始化方法是可行的，而窄一喧M－S分割模型一次迭代计算的时间比原M－S模型减少许多。     

基于Mumford-Shah模型的水上桥梁目标分割与识别

在桥梁知识的基础上,从河流和陆地的区域特性出发,提出了一种基于Mumford-Shah（MS）模型的水上桥梁分割算法.首先对Mumford-Shah模型中的区域权重进行相关性定义,实现对水域的分割,然后根据桥梁与河流区域边界的几何位置关系实现对桥梁目标的提取和识别.实验表明,该算法能够实现对水上桥梁目标的提取,尤其对远距离小目标水上桥梁及灰度梯度较弱图像的桥梁分割更有效.     

基于Mumford-Shah模型的参数估计和两阶段图像分割方法

Mumford-Shah两相分片常数模型是一个有效的图像分割模型,但当模型用于带有噪声的图像时,其水平集解法存在对初始解和长度参数敏感这两个问题.文中给出一种两阶段分割方法,首先利用传统的简单分割方法获得一个粗分割,再将其作为变分模型的初始解,从而实现自动选取初始解.文中还给出一个有效的自适应长度参数估计模型,该模型依据图像中噪声方差大小来确定参数.两阶段分割方法和自适应参数估计结合起来使得算法大大减弱了对参量的敏感性,而且可以正确、快速地分割.针对一些计算机生成图像和实际图像的实验结果验证了算法是有效的.     

基于文档分割的图像兴趣域检测及编码方法

结合数字图书馆系统建设和应用的需求,文章提出一种基于文档分割的自适应文档图像兴趣域编码方法.文章针对数字化文档结构特征,详细描述了一种基于块缩图和涂染技术的快速图文分割算法,该算法分割图文时不受文本倾斜和插图区域不规则的限制;在将插图域和文本域进行准确分割的基础上,文章提出了一种自适应生成插图兴趣域屏蔽图和兴趣域位移法的压缩编码算法,最后给出采用该方法压缩含插图的扫描文档的示例.     

基于图割的单水平集迭代终止算法

针对C-V模型中变分水平集优化方法存在的最佳迭代次数难于确定,且容易陷入局部最优等不足,借鉴图割算法在较短时间内能得到全局最优的优势,提出一种基于图割的单水平集迭代终止算法.首先在目标区域设定一条初始轮廓线,采用无须重新初始化的C-V模型对轮廓线进行迭代,当轮廓线内部面积变化值小于预先给定的阈值时终止迭代,然后将此轮廓线作为图割算法的初始轮廓线进行图像分割.实验结果表明,该方法较原始C-V模型大大缩短了迭代时间,稳健性更高,具有较好的图像分割效果.     

基于小波域多状态隐马尔科夫树模型的自适应 文本图像分割算法

本文针对文本图像首先提出了一种基于小波域多状态隐马尔科夫树模型的自适应文本图像分割算法(Context-Adapted wavelet-domain Hidden Markov Tree,简称为CAHMT),该算法具有较高的分割质量和较低的计算复杂度.其次,为了进一步提高CAHMT算法分割的效果,将该算法与微分算子、尺度系数相结合提出了两种新的文本图像分割算法.最后通过实例阐明了这些算法的有效性.     

一种基于三维直方图的改进C-V模型水平集图像分割方法

对Chan-Vese提出的基于简化Mumford-Shah模型的水平集图像分割方法(C-V模型)做了改进.传统的C-V模型仅将灰度同(homogeneity)作为区域分离准则,这使其对于对比度明显的图像能够取得很好的分割结果.但单一的分离准则往往致使其在分割噪声信息丰富的、灰度分布复杂的医学、遥感以及自然图像等时产生大量的冗余轮廓.为此,本文在改善C-V模型全局优化特性的基础上,整合图像的灰度分布信息、邻域空间信息以及图像所固有的模糊信息构造三维向量(灰度值、模糊均值和模糊中值),提出了一种基于三维直方图的改进C-V模型水平集图像分割方法.自然图像和红外光学图像的试验结果证明了该方法的有效性.     

基于图切割与C-V模型的运动目标分割

将一种基于图切割与简化Mumford-Shah模型Chan-vese模型(G-V模型)相结合的方法应用于运动目标分割中.在此方法中,利用图切割技术求解能量最优化,利用C-V模型自适应处理目标几何的拓扑变化.通过实验对此方法在图像序列中的运动目标进行了检测与分割研究.实验结果表明,图切割能量优化加速了曲线进化进程,迭代次数大大减少,同时避免了常规水平集方法中符号函数的初始化和迭代更新.对图像序列中的运动目标进行分割的仿真实验验证了该方法的有效性.     

一种鲁棒的非均匀灰度图像分割算法

针对非均匀灰度图像分割困难及分割效率低下的问题,该文提出了一种基于活动轮廓模型的高效图像分割算法。不同于传统水平集方法中仅用单一信息定义的能量泛函,该算法结合图像的边缘信息和区域统计信息定义了一个新的能量泛函。边缘信息的利用便于演化轮廓线快速精确地定位至物体边缘;区域统计信息由局部统计信息和全局统计信息构成,一方面,局部统计信息的利用能够有效处理图像的灰度分布不均匀现象,另一方面,全局统计信息的利用避免了轮廓线陷入局部极小值。最后,在轮廓线演化过程中,通过高斯卷积核实现快速规则化,避免了传统模型计算代价高昂的重新初始化或规则化。合成图像和真实图像的实验结果表明,该文算法不仅能够快速有效分割灰度分布不均匀的弱边缘物体,而且对于多灰阶复杂结构物体也能够精确分割;同时,该算法对噪声和初始轮廓线具有较好的鲁棒性。     

一种具有平滑轮廓的指纹图像分割算法

针对指纹图像预处理过程中的需要,提出了一种有效实用的基于指纹轮廓线的指纹图像分割算法.首先,在基于像素水平的指纹图像预分割后,得到一块连通的前景区域.然后,用一种改进的近似凸壳算法修正轮廓线.实验证明,该算法具有较高的稳健性和精确度.