基于改进的GVF Snake模型CT图像轮廓提取技术

CT图像轮廓提取是逆向工程中的关键技术之一;由于基于边界检测算法很难提供一条连续的无间断的边界轮廓。采用一种改进的GVF Snake算法;首先通过人工取点;B样条拟合的方法;提取其初始轮廓;再利用改进的GVF Snake方法进行边界轮廓逼近;以获得比较精确的叶片边界轮廓;克服了传统活动轮廓模型梯度势能场捕捉范围小的缺点;并通过实验证明了该方法的有效性。     

视频图像序列运动目标检测及轮廓提取

考虑到人类视觉对图像轮廓特征的敏感性,将目标检测与轮廓提取结合起来,实现了目标轮廓自动提取的方法.首先采用了背景差法跟踪视频图像序列中的运动目标,并采用了自适应背景更新的方法更新背景图像,结合活动轮廓模型法GVF Snake进行目标轮廓的提取,从而得到具有精确边界的运动目标.实验结果表明这种方法运算速度快、能够快速地收敛到目标轮廓、准确地跟踪目标,实现实时自动轮廓跟踪.     

基于活动轮廓模型的人脸轮廓提取

在传统的snake算法基础上,针对人脸轮廓提取这一课题,提出了一种初始化snake的方法,并对传统的snake算法进行了改进。实验结果表明,该方法能够较好地提取人脸轮廓,并在精确度和计算量方面大大优于边缘检测算子方法。     

基于改进Snake模型的超声乳腺肿瘤轮廓提取

二维超声影像中肿瘤轮廓特征是判断乳腺肿瘤的良恶性的重要依据。针对超声医学图像的特点,本研究对经典的Snake模型进行了改进:内部能量中加入轮廓平均长度项的控制;外部能量由基于图像统计特征的区域能量以及梯度方向势能决定,并提出了基于贪婪算法求解模型最小值的快速算法。实验结果显示本算法在噪声强度较大的模拟图像和超声医学图像中均取得了同人工分割近似的结果,而经典的Snake模型和GVF模型受噪声干扰较大。大量的实验证明本算法有效地克服了散斑噪声对分割结果的影响,可准确高效地提取超声图像中的乳腺肿瘤轮廓。     

基于改进Snake模型的超声乳腺肿瘤轮廓提取

二维超声影像中肿瘤轮廓特征是判断乳腺肿瘤的良恶性的重要依据。针对超声医学图像的特点,本研究对经典的Snake模型进行了改进:内部能量中加入轮廓平均长度项的控制;外部能量由基于图像统计特征的区域能量以及梯度方向势能决定,并提出了基于贪婪算法求解模型最小值的快速算法。实验结果显示本算法在噪声强度较大的模拟图像和超声医学图像中均取得了同人工分割近似的结果,而经典的Snake模型和GVF模型受噪声干扰较大。大量的实验证明本算法有效地克服了散斑噪声对分割结果的影响,可准确高效地提取超声图像中的乳腺肿瘤轮廓。     

基于GVF Snake的图像轮廓检测

主动轮廓模型（snake）是计算机视觉领域的重要研究方向,受到越来越多的研究者的青睐。由于传统snake具有不能收敛到凹形区域和收敛速度较慢等缺点,通过改进外部能量,引入了梯度矢量流主动轮廓模型（GVF Snake）。实验表明,该方法能更快、更好的收敛于图像轮廓。     

基于GVF Snake模型的人脸轮廓提取

活动轮廓模型是计算机视觉领域的重要研究方向。针对传统的活动轮廓模型（Snake模型）对凹形轮廓处理效果差、初始轮廓必须充分接近图像边缘的缺点;通过改进外部能量项;提出了一种基于梯度矢量流活动轮廓模型的人脸轮廓提取算法。该算法把梯度矢量场作为外部能量场;克服了传统Snake模型力场范围小以及不能收敛于凹形边缘的缺点。实验结果表明;该方法能够快速、准确地提取人脸轮廓。     

基于PCA/Snake混合模型的运动目标外轮廓求解

提出一种基于PCA/Snake混合模型的运动目标外轮廓求解算法.该算法首先基于改进的主成分分析(PcA)模型和特征前景进行运动目标检测.然后根据目标的检测结果,基于Snake模型精确求解出运动目标的外轮廓.实验结果表明,本文算法提取的运动目标位置较精确,可同时提取图像序列中的多运动目标,且运算速度较快.     

基于FD特征的Snake模型及自动目标轮廓提取

用Snake模型分割自然背景下的人造目标时,Snake曲线往往被复杂背景所吸引,无法收敛到人造目标的边缘。针对该问题,文章从目标特征的角度,将分形维数特征引入Snake模型。利用自然背景和人造目标在分形维数特征上的显著区别,定义了基于目标分形维数特征的梯度加权函数,来自适应调整图像梯度幅值的大小,抑制自然背景的干扰。同时,该模型允许初始轮廓远离目标的真实边缘,降低了Snake模型对初始位置的依赖性。实验表明,该Snake模型能够克服复杂自然背景的干扰,提取出人造目标的边缘。     

基于改进Snake模型的目标轮廓提取

轮廓是运动目标检测及识别的重要依据.针对视频序列,采用一种基于改进Snake模型的方法对运动目标进行轮廓提取.首先通过部分MPP算法与外接矩形结合的方法,实现模型初始轮廓线控制点的自动设置;进而改进梯度能量函数,引入梯度矢量流算子,使得Snake轮廓能较好收敛于目标凹陷部位;并根据实际情况调整其他能量函数项的权重,最后通过8邻域贪心算法求得总能量最小化时的目标轮廓线.实验证明,该算法能对视频序列中的目标轮廓实现较可靠的提取.     

基于GVF Snake的图像轮廓检测

主动轮廓模型(snake)是计算机视觉领域的重要研究方向,受到越来越多的研究者的青睐.由于传统snake具有不能收敛到凹形区域和收敛速度较慢等缺点,通过改进外部能量,引入了梯度矢量流主动轮廓模型(GVF Snake).实验表明,该方法能更快、更好的收敛于图像轮廓.     

基于Snake模型的快速目标检测算法的研究与仿真

该文提出了一种基于Snake模型的快速目标检测算法,可以实现图象全空域有效搜索。为了能够在实时图象处理系统中获得应用,该算法主要针对简单离散Snake模型进行改进。利用图象区域分割,并设置适当的目标判别方法,经有限次迭代之后能够有效地收敛到目标,并且对处于相邻图象块中的同一目标能进行自动合并。仿真结果表明：该算法即使在目标与背景的对比度很低的情况下也能有效地检测到目标。     

主动轮廓线模型中椒盐噪声对snake的影响

噪声对snake的影响很大,它的存在很容易使snake陷入局部最小,无法正常收敛到目标的边缘。通过实验着重分析了“椒盐”噪声对snake行为的影响,从另一个角度揭示了snake的运行机制。实验结果表明,在图像能量选用图像本身的灰度值的前提下,“椒”噪声对snake的影响较小,而“盐”噪声对snake的影响却很大,它的存在严重阻碍了snake的正常收敛。     

应用主动轮廓线生长模型的细胞核自动分割

提出了一种改进的主动轮廓线模型应用于细胞核的分割。在利用极限腐蚀检测到每个细胞核的种子点后,以种子点为中心点分别建兢一个基于极坐标描述的生长Snake模型,加入了一个基于区域相似度的生长能量,克服了传统模型须将初始轮廓置于真实边界附近的缺点;在应用贪心算法求解时,搜索空间由常规的8邻域减少为径向的两个相邻量化点,提高了计算效率。     

WaterBalloons: A hybrid watershed Balloon Snake segmentation

In this paper, a new image segmentation technique called WaterBalloons is introduced. It combines both watershed segmentation and the active contour model known as Balloon Snake. The watershed transform has a major problem of over-segmentation. Solutions like region merging, use of markers, use of multi-scales have been proposed. These approaches led to other problems such as under-segmentation. The Balloon Snake in an innovative approach that detects salient objects in an image. But in general snakes are very sensitive to initialization and need user interactions and a priori knowledge of objects to segment. WaterBalloons provide the advantage of reducing watershed over-segmentation problems while preventing under-segmentation and ensure automatic initialization of traditional snakes. In addition, a method for parameter optimization of the proposed hybrid snake is introduced based on energy transitions tracking.     

基于改进Snake模型的图像分割方法

Snake（主动轮廓线）模型即能量最小化运动曲线模型,最初由Kass在1987年提出,具有良好的获取特定区域内目标边缘的能力,是一种极为有效的图像分割方法。针对传统Snake模型对初始轮廓的依赖性问题,利用围绕目标形心的圆环间平均灰度差异来确定初始轮廓点,对噪声的干扰有一定的抑制作用,并减少了人工选取的工作量。通过离散Snake算法与分段DP算法的有效结合来获取图像的特征边缘点,以提高Snake算法的收敛速度。最后利用单调性原则对边缘点进行分区,在各个单调区间内采用曲线拟合的方法来获得连续的图像边缘。实验结果表明,基于改进Snake模型的图像分割方法可以从图像中提取连续、封闭的边缘曲线,能够较好的将目标从图像中提取出来。     

低分辨率目标的检测与实现

提出以柯西分布作为背景剔除时图像像素比值的统计分布模型,并融合单个像素点和邻近像素点所蕴涵的时空信息,实现了对场景变化自适应的背景图像比值的建模,应用假设检验方法,通过背景剔除(background subtraction)实现了对低分辨率目标具有鲁棒性的检测。最后的实验表明,该文提供的算法可以抗背景中全局或局部光照的渐变和突变,可以有效地抑制背景中活动物体和阴影的杂波干扰,能够适应下雨的恶劣天气。     

An active contour model for object tracking using the previous contour

An active contour model is proposed for object tracking using prior information. Conventional algorithms have many problems when applied in object tracking. The proposed active contour algorithm, a model using an edge of an adapted color feature, not only modifies the internal energy function of the conventional algorithm to extend the search range and reduce the computational burden, but also modifies the external energy function to reduce the edge candidates of the object. The algorithm searches normally and uses dynamic programming to solve the energy minimization problem. The main drawbacks of a conventional snake algorithm, i.e., shrinking, a limited search range, sensitivity to outliers, are improved with the proposed algorithm. We illustrate the effectiveness of our scheme using some tracking examples. This work was presented, in part, at the Seventh International Symposium on Artificial Life and Robotics, Oita, Japan, January 16–18, 2002     

运动目标检测与跟踪算法的研究进展

运动目标检测与跟踪技术有着广泛的应用,但由于检测和跟踪过程容易受外界环境的干扰而造成失败,因此改进运动目标检测和跟踪算法具有重要意义。本文分类介绍了运动目标检测与跟踪算法的研究现状以及常用算法,比较了各种算法的优缺点,阐述了该课题许多尚未完全解决的问题,并对该领域未来的发展趋势进行展望。