首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 156 毫秒
1.
文章在图割理论的基础上,引入了一种新的方法将图割理论和改进的变分水平集模型结合起来,先利用图割理论对目标形成一个初始轮廓,并在得到的轮廓线上定义能量函数,通过能量函数的最小化,从而使得到的轮廓线最终收敛到目标边界,这样在保证分割精度的同时大大简化了计算量.  相似文献   

2.
基于Mumford-Shah模型的高精度MR图像轮廓提取算法   总被引:3,自引:0,他引:3  
提出了基于曲线演化的MR边界轮廓精确提取方法.针对MR图像边缘模糊和高噪声问题,改进Mum-ford-Shah曲线演化模型,将模糊聚类引入到轮廓演化能量模型中,降低对非规则细节和噪声的敏感性;利用水平集和半隐式的加性-乘性算子分裂数值方案进行轮廓线演化的迭代计算,提高精度和计算效率.实验表明这种方法可以对边界模糊和高噪声的轮廓进行有效提取.  相似文献   

3.
研究脑部MRI图像的实时轮廓提取问题.由于脑部MRI图像分辨率高且信息量大,传统方法对整幅图像做图像分割和轮廓搜索,难以保证实时精确的轮廓提取.为解决上述问题,提出一种用区域分解和图像标记的实时轮廓提取方法,将感兴趣区手动分解为若干个自定义子区域的集合,依次提取各子区域轮廓并与当前图像轮廓合并,最终实现感兴趣区的轮廓提取.标记图像记录医学图像上各点的标记状态用于边界跟踪,提取当前子区域的轮廓后,标记图像上各点状态随之改变,对其做邻域搜索可得到合并后的医学图像轮廓线.实验结果表明,改进方法可实时流畅地提取感兴趣区域轮廓,鲁棒性强,对狭窄连通区域和外表面轮廓也有很好的提取效果.  相似文献   

4.
在平面图像分割的Chan-Vese模型基础上,提出隐式曲面上两相图像分割模型。用静态水平集函数的零水平集表达图像所在的闭合曲面,用另一动态水平集函数的零水平集与静态水平集函数零水平集的交线表达静态曲面上图像分割的动态轮廓线。所研究模型的能量泛函的数据项即为曲面上两分割区域的图像强度与对应区域平均图像强度的差的平方,其轮廓线长度项为两水平集函数的零水平集交线的长度。为避免动态水平集函数的重新初始化,在能量泛函中引入水平集函数为符号距离函数的约束惩罚项。通过变分方法得到图像分割空间轮廓线演化的梯度降方程。通过显式差分格式对演化方程进行离散。实验结果表明,该模型能有效实现复杂封闭曲面上图像的两相分割。  相似文献   

5.
C-V模型只能实现单目标图像的轮廓提取,造成这种后果的主要原因是C-V模型过多地考虑了演化曲线内外部的信息,反而造成了曲线的不正确演化。针对这点,提出了一种新的更为简单的水平集方法,该方法对初始曲线位置选取没有特殊要求,演化过程中符号距离函数也无需重新初始化。运用该方法,给出了几幅不同性质图像的实验结果,结果表明,方法不仅能保证单目标轮廓的正确提取,还具有部分多目标轮廓提取的特点,而且需时少,具有一定的抗噪性。  相似文献   

6.
核磁共振图像的脑组织提取是神经图像处理研究中的一个重要步骤。将传统的几何活动轮廓模型与二值水平集函数相结合,提出了一种新型的二值水平集活动轮廓模型,并基于该模型提出了一种能够自动、准确实现MRI脑组织提取的方法。该方法在脑组织内部自动设定最优初始轮廓曲线,将该演化曲线隐含地表示成一个高维函数的零水平集,零水平集在基于区域的图像力驱动下不断演化并达到待分割脑部图像的边缘。将基于该方法的脑组织提取结果与作为金标准的专家手动分割结果和其他流行算法相比较,结果表明提出的脑组织提取方法能够自动、准确和快速地提取MRI脑组织,是一种鲁棒性较好的MRI脑组织提取方法。  相似文献   

7.
基于 CV 模型, 提出了新的活动轮廓线分裂模型. 其基本思想相似于细胞分裂, 即在每次迭代中一分为二. 该模型能检测出图像中所有的目标和细节; 能处理处理图像中特定区域, 甚至是不连通区域; 并且, 由于图像分割可以被限制在感兴趣区域而不是整个区域, 从而提升了计算性能; 此外, 由于其具有区域约束, 因此不同于 CV 模型的对初始化敏感. 论文不仅详细分析了模型的基本原理, 而且用水平集方法实现了, 并成功应用于合成图像和真实图像, 其分割结果与 CV 模型以及多项 CV 模型进行了比较.  相似文献   

8.
基于快速FCM算法的多目标分割CV模型   总被引:2,自引:1,他引:1       下载免费PDF全文
Chan—Vese(CV)模型是基于水平集方法演化不依赖图像梯度的算法,能很好地处理拓扑变化和弱边界,但对于目标和背景对比度低的边界以及多目标区域分割效果较差。针对上述问题提出一种基于快速模糊F均值(FCM)算法和邻域模板改进的CV模型。利用快速FCM算法提取图像特征信息,采用邻域模板闲值法对不同的目标区域分别处理,准确控制了轮廓线的分裂,能够分割出更多的目标区域。  相似文献   

9.
人脑MR图像中的海马结构存在低对比度、边界模糊等缺点,给海马的轮廓分割带来较大干扰.为解决水平集分割海马时边界容易停留在非目标区域梯度极值处的问题,提出一种改进的水平集方法.从图像全局出发考虑方差信息,在水平集函数的外部能量泛函中增加波动能量项,驱动零水平集曲线向灰度波动较小的区域运动.实验结果表明,该方法可提取出MR图像中的海马轮廓,分割效果较好,演化速度有所提高.  相似文献   

10.
提出了一种由测地线活动轮廓模型GAC(Geodesic Active Contour)和局部区域信息相结合的图像分割新方法LGAC(Local Geodesic Active Contour)。构造了基于图像局部信息的演化曲线符号压力函数和演化模型,用水平集方法演化实现,零水平集能准确地在目标边缘收敛,对目标背景对比度较低的图像的分割达到理想效果。利用高斯核函数对水平集函数平滑处理以维持演化稳定,节省了计算时间。实验结果证明了该方法的可行性。  相似文献   

11.
目的 河流遥感图像是背景复杂的非匀质图像,利用传统的活动轮廓模型进行分割往往不够准确。针对这一问题,提出了基于区域信息融合的混合活动轮廓模型来分割河流遥感图像。方法 该混合模型将Chan-Vese(CV)模型和基于交叉熵的活动轮廓模型的外部能量约束项相结合,并赋予归一化调节比例系数。通过计算轮廓曲线内外区域像素灰度的方差和交叉熵,指导曲线逼近目标边缘。为了加速混合模型的演化,引入曲线内外区域像素灰度的类内绝对差,取代原有的内外区域能量权值,以提高混合模型的分割效率。结果 大量实验结果表明,相较于CV模型、测地线模型、基于交叉熵的活动轮廓模型、CV模型和测地线模型的混合模型以及局部全局灰度拟合能量模型(LGIF),本文混合模型分割河流遥感图像的灵敏度和上述方法都接近于100%,准确率大幅提升,在90%以上,虚警率则下降了约50%,且所需迭代次数和运行时间更少。结论 本文提出的混合模型主要适用于具有一定对比度的河流遥感图像,在分割性能和分割效率两个方面,都有明显的优势。  相似文献   

12.
结合改进FCM算法的多相位CV模型   总被引:2,自引:0,他引:2       下载免费PDF全文
Chan-Vese模型以其能较好地处理图像的模糊边界和复杂拓扑结构而广泛运用于图像分割中。但对于灰度不均匀性和多目标的分割效果较差。模糊聚类(FCM)算法作为一种无监督聚类算法已成功应用到目标识别和图像分割等领域。然而FCM算法没有考虑像素的空间信息对噪声敏感。针对这些问题,提出一种结合改进FCM算法的多相位CV模型。首先,基于直方图统计灰度种类、并利用邻域内计算的空间信息修正隶属度函数,这样克服了灰度不均匀性和噪声的影响。再将改进后的FCM算法应用到CV模型的区域检测项,可较准确地使像素点归类,以此作为曲线的演化依据。在演化时采用一种各项异性的模板来控制轮廓线的及时分裂,在较短时间内分割出更多目标。  相似文献   

13.
Object segmentation in medical images is an actively investigated research area. Segmentation techniques are a valuable tool in medical diagnostics for cancer tumours and cysts, for planning surgery operations and other medical treatment. In this paper, a Monte Carlo algorithm for extracting lesion contours in ultrasound medical images is proposed. An efficient multiple model particle filter for progressive contour growing (tracking) from a starting point is developed, accounting for convex, non-circular forms of delineated contour areas. The driving idea of the proposed particle filter consists in the incorporation of different image intensity inside and outside the contour into the filter likelihood function. The filter employs image intensity gradients as measurements and requires information about four manually selected points: a seed point, a starting point, arbitrarily selected on the contour, and two additional points, bounding the measurement formation area around the contour. The filter performance is studied by segmenting contours from a number of real and simulated ultrasound medical images. Accurate contour segmentation is achieved with the proposed approach in ultrasound images with a high level of speckle noise.  相似文献   

14.
A novel region active contour model (ACM) for image segmentation is proposed in this paper. In order to perform an accurate segmentation of images with non-homogeneous intensity, the original region fitting energy in the general region-based ACMs is improved by an anisotropic region fitting energy to evolve the contour. Using the local image information described by the structure tensor, this new region fitting energy is defined in terms of two anisotropic fitting functions that approximate the image intensity along the principal directions of variation of the intensity. Therefore, the anisotropic fitting functions extract intensity information more precisely, which enable our model to cope with the boundaries with low-contrast and complicated structures. It is incorporated into a variational formula with a total variation (TV) regularization term with respect to level set function, from which the segmentation process is performed by minimizing this variational energy functional. Experiments on the vessel and brain magnetic resonance images demonstrate the advantages of the proposed method over Chan–Vese (CV) active contours and local binary active contours (LBF) in terms of both efficiency and accuracy.  相似文献   

15.
Sun  Liang  Xing  Jian-chun  Wang  Zhen-yu  Zhang  Xun  Liu  Liang 《Neural computing & applications》2018,29(5):1311-1330

Image contour-based feature extraction method has been applied to some fields of image recognition and virtual reality. However, image contour features are easily susceptible to factors like noise, rotation and thresholds during extraction and processing. To solve the above problem, this paper proposes a contour coding image recognition algorithm based on level set and BP neural network models. Firstly, level set model is employed to extract the contours of images. Secondly, image coding method proposed herein is used to code images horizontally, vertically and obliquely. At last, BP neural network model is trained to recognize the image codes. Validity of the proposed algorithm is verified by using a set of actual engineering part images as well as MPEG and PLANE databases. The results show that the proposed method achieves high recognition rate and requires small samples, which also exhibits good robustness to external disturbances such as noise and image scaling and rotation.

  相似文献   

16.
基于几何活动轮廓模型的人脸轮廓提取方法   总被引:10,自引:0,他引:10       下载免费PDF全文
针对在结构性噪声较严重的情况下 ,常规几何活动轮廓模型无法获得理想分割效果的问题 ,提出一种基于几何活动轮廓模型的人脸轮廓提取方法 ,该方法首先将人脸形状的椭圆性约束作为算子嵌入到几何活动轮廓模型中 ,并利用几何活动轮廓模型提取任意轮廓的优势来快速抽取出图象中类似椭圆的目标边缘 ;然后根据图象中人脸的先验知识 ,通过对检测到的椭圆目标进行进一步验证来找出最终人脸轮廓 .由于采用变分水平集方法做数值计算 ,因此该方法不仅能够自然地处理曲线的拓扑变化和能较精确地提取出图象中的人脸轮廓 ,而且同时可以给出人脸水平旋转的大致角度等信息 .实验结果表明 ,该方法是有效的 .  相似文献   

17.
目标轮廓的快速检测进而提取其几何形状,在图形图像处理中有着重要的作用.提出了一种多目标轮廓的水平集提取方法,对基于Mumford-Shah模型的C-V方法从两方面进行了改进:增加梯度矢量场和曲线法方向的融合作为边界吸引场,生成可以驱动主动轮廓向边缘进化的双向几何变形流,保留原图像分布信息作为区域进化能,解决未考虑局部几何信息造成的区域能量捕捉信息不全,或边缘梯度场和演化曲线法线方向正交时无法实现拓扑结构变化的缺陷;对水平集函数进行修正,使得它在收敛过程中能自动进行调整,确保其满足符号距离函数的要求,扩大初始化前迭代搜索区域,减少初始化次数,提高收敛效率;最后给出所提方法的数字化求解方案.实验表明该方法可行且具有较好的鲁棒性.  相似文献   

18.
融合局部和全局图像信息的活动轮廓模型   总被引:3,自引:0,他引:3  
为了克服局部图像拟合模型对轮廓初始化敏感的不足,结合改进C-V模型,提出一种融合局部和全局图像信息的活动轮廓模型.首先由改进C-V模型的全局灰度拟合力和局部图像拟合模型的局部灰度拟合力的一个线性组合来构造水平集演化力,然后通过调整这2个拟合力的权重以提升该模型对轮廓初始化的灵活性,最后利用高斯滤波正则水平集函数法实现水平集函数的正则化.实验结果表明,对于一些真实和人造图像,文中模型显示了对轮廓初始化的鲁棒性,以及较好地处理灰度不均图像的能力.  相似文献   

19.
针对智能机床视觉系统提取待加工零件边缘轮廓时易受到背景干扰,导致其提取出的零件轮廓中包含异常区域的问题,提出一种基于图像配准的高精度零件轮廓修正方法。首先,从零件工程图与真实图像当中提取出零件模板特征点集与待匹配特征点集;其次,对仿射变换模型中的参数进行分解分析,并利用两图特征点集中的面积特征与边缘结构特征构建准则函数;然后,使用改进的遗传算法搜索两图像全局最高相似度所对应的仿射变换参数,在图像配准之后,再通过计算最优迁移后的模板轮廓点集与待匹配轮廓点集的分段Hausdorff距离来检测并替换待匹配轮廓中的异常轮廓段。实验结果表明,该方法能精确、稳定地检测出待匹配轮廓点集中的异常轮廓段,配准精度比联合特征均方和(SSJF)方法高出50%,修正后轮廓交接点处的距离不超过3像素值。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号