融合Snake模型与拓扑路线的图像分割算法

为了能够提高图像边缘检测的准确度,提出一种新型图像处理算法.该算法是基于主动轮廓方法和拓扑路线相结合的方法,目的是提高图像检测过程的精确度.该算法提出了新型技术来整合拓扑路线和主动轮廓方法各自的优点.将基于拓扑路线的初始分割边界作为Snake模型输入信号,并逐步演化成为最终对象的分割边界.实验结果表明,该算法可以处理低对比度图像,同时可以提高针对弱图像边界进行分割的准确度,取得了更好的图像分割和边缘检测效果,说明该算法有改进低对比度和自动图像分割系统的处理能力.     

结合数学形态学和无边界主动轮廓模型的图像分割方法

为了改善主动轮廓模型的效率,并扩大其适用范围,提出了一种将数学形态学和无边界主动轮廓模型相结合的图像分割方法,先利用数学形态学的平滑算子ASF进行预处理,再利用无边界主动轮廓模型分割平滑图像.试验分析表明,该方法不仅能够提高分割的精确度,还可以减少迭代次数,从而使得主动轮廓模型可以应用到一些背景比较复杂的图像分割中.     

基于区域信息主动轮廓模型的图像分割

图像分割是对图像进行后续处理的关键步骤之一,传统主动轮廓模型在目标图像背景较为复杂的情况下很难精确地进行图像分割。为了精确且快速地进行图像分割,以便更加有利地进行后续相关图像处理操作,在对传统主动轮廓模型进行相关研究的基础之上,提出一种基于区域信息主动轮廓模型的图像分割方法。将图像区域信息融入主动轮廓模型的能量函数中去,减弱了模型对图像区域信息突变所造成的图像误分割;改进该模型能量函数内外曲线的拟合中心,以此减少图像噪声点对拟合中心准确性的影响;利用信息熵改进曲线内外能量函数权重,以此提高曲线的演化速度。实验结果表明,与传统CV（Chan_Vese）模型等四种模型相比,该方法所分割的图像更加精确,且在算法分割效率上具有较明显的优势。     

水平集方法在肝脏CT图像分割中的应用

本文从理论上分析了无需重新初始化的水平集方法的主动轮廓图像分割模型,此模型有很大的优越性,但对于目标与背景对比度较小这种情况不能得到一个好的分割效果。该模型应用于CT图像中肝脏的分割时,主动轮廓曲线会跨越肝脏边界从而导致错误的分割结果。通过修正边缘检测函数,加强了其在目标边界处的约束效果,使得主动轮廓曲线在目标物体边界处停止演化,这样能够准确的将肝脏分割出来,保证了分割的正确性。实验证明了该方法的可行性。     

一种新的几何活动轮廓模型在图像分割中的应用

针对传统几何活动轮廓模型不能准确分割图像内弱边界区域目标以及对噪声的干扰容易使曲线陷入局部极值的情况,提出了一种基于区域梯度流力的几何活动轮廓模型.由于该区域力是对图像进行区域分割后产生的,所以能够从全局的角度为模型提供区域内目标的边界信息,进而达到分割弱边界的目的.通过引入一个扩散方程可以扩大区域力的捕捉范围,达到消除噪声干扰的目的.实验证明,该模型较好地解决了传统活动轮廓模型分割图像目标存在的问题.     

基于先验知识和区域信息的Snake模型图像分割研究

提出基于先验知识和区域信息的参数活动轮廓模型(Snake模型)图像分割.用包含先验知识和区域信息的变力替换在气球力Snake模型中的恒定气球力,并应用于模糊边界图像分割.实验结果表明,该模型与初始轮廓曲线位置无关,能完成自动分割模糊边界图像的任务.另外,对于均值相等、方差不同的目标和背景两区域图像实行分割,该模型也能获得正确的分割结果.     

可信可控网络中的一致性视图构建机制

主动轮廓模型是进行图像分割的有效方法,但主动轮廓模型在确定初始轮廓方面主要靠经验,理论方法不多。为此,提出了一种基于改进骨架算法的主动轮廓模型进行图像分割的方法。首先利用改进的骨架算法和轮廓重生算法,生成初始轮廓;再利用含有形状能量的主动轮廓模型进行轮廓的演化,使其接近真实的目标边缘,获得期望的图像分割结果。实例验证和比对实验结果表明,与传统的主动轮廓模型相比,该方法在图像分割的准确性和抗噪性方面有很大的提升。     

一种基于主动轮廓模型的蚁群图像分割算法

通过对主动轮廓模型进行图像分割的过程研究发现,其多阶段决策问题与蚁群算法的决策过程非常相似．文中根据主动轮廓模型的特点构建了一类新的蚁群求解算法,把图像分割问题转化成最优路径的搜索问题,为获取精确的图像轮廓提供了新方法．证明了该方法以概率1收敛到最优解,即可以在能量函数的约束下找到最好的边界．本方法还可以推广到其他主动轮廓模型的图像分割问题中．仿真结果表明,本文提出的分割方法比文献中的遗传算法更为有效．     

基于全局主动轮廓模型的图像分割研究

基于区域信息的Mumford-shah分割模型中,由于图像对象灰度分布的不一致性,分割曲线易陷入局部最小值,不能获得完整边界分割.提出了一个全新的主动轮廓模型,基于局部区域信息创建能量驱动曲线演化,通过竞争关系约束曲线的演化范围,确保模型能收敛于全局静态最小值.实验结果表明,分割模型可以同时分割多个灰度分布不均匀的对象,对噪声具有较好的鲁棒性.     

基于各向异性主动轮廓模型的图像分割方法研究

摘 要：分割的作用是将数字图像分割为多个简单区域,并根据区域中图像的某种特征提取和分离出的目标区域,便于图像识别与理解分析。主动轮廓模型(snake)是一条可变形的参数曲线及相应的能量函数,广泛应用于医学领域的图像分割。主动轮廓模型是以最小化能量函数为目标,控制参数曲线变形,最后具有最小能量的闭合曲线就是所需分离的目标轮廓。在采用主动轮廓模型进行分割之前,通常都采用高斯滤波器对图像进行滤波,在对图像进行平滑的同时,也会使边缘模糊化,从而影响分割效果。本文将各向异性滤波和主动轮廓模型结合起来,充分利用各向异性滤波在平滑图像的同时能保持边缘的特点,在利用主动轮廓模型进行分割之前使用各向异性滤波代替传统的高斯滤波对图像进行预处理。实验结果表明：与传统方法相比,在主动轮廓模型的预处理阶段,采用本文所提出的算法平滑噪声图像,提高了后续图像分割的准确性。     

结合显著性的主动轮廓图像分割

传统的主动轮廓方法无法突出分割区域的显著性,同时在由显著性检测算法所得到的显著图中目标具有较高的信噪比,因此提出结合显著性的主动轮廓图像分割。通过线性光谱聚类分割得到超像素,以超像素为处理单位利用基于图论的流形排序算法获得较好的显著图;将高斯混合模型引入到主动轮廓的曲线演化过程中,计算曲线内外的平均灰度值,从而通过高斯混合模型和显著性信息得到了新的主动轮廓能量方程,并运用水平集方法指导分割,获得最终的分割结果。实验结果表明,提出的图像分割方法可以对图像进行快速和有效的分割。     

自适应尺度的局部强度聚类图像分割模型

针对传统活动轮廓模型无法精确分割强度不均匀图像，并且对尺度参数比较敏感的问题，提出了一种基于区域信息的自适应尺度的活动轮廓模型。根据图像的局部熵构建自适应尺度算子，利用图像的局部强度聚类性质构建能量函数。使用一组平滑基函数的线性组合来表示偏移场，这样可以增加模型的稳定性。通过最小化该能量，所提模型能够同时分割图像和估计偏移场，并且估计的偏移场可以用于强度不均匀校正。实验结果表明，与其它4种模型相比，该模型拥有更高的分割精确度，且分割结果对水平集函数的初始化和噪声具有鲁棒性。     

一种改进的活动区域轮廓模型 ——无需水平集重新初始化

基于区域的活动区域模型已经成功应用在图像分割、目标跟踪等领域,较之基于梯度的活动轮廓模型具有很多优点。但是,这些水平集模型在演化过程中,为了保持为符号距离函数,必须对其重新初始化,降低了曲线演化速度,增加了实现复杂度。为了解决重新初始化问题,在测地活动区域模型的能量函数中,加入惩罚项来约束水平集保持为符号距离函数,无需再重新初始化,极大地提高了演化速度。将其运用在纹理图像、脑MR图像分割以及视频跟踪中,实验证明该模型是有效的。     

基于区域混合活动轮廓模型的医学图像分割

针对变分水平集算法在图像分割过程中计算量较大且收敛速度慢的现象, 在一些基于区域的活动轮廓模型基础上提出了一种新的基于区域混合模型的非凸正则化活动轮廓模型。该模型构造了一个新的能量泛函,该能量泛函结合了考虑图像局部聚类性质的LBF模型和测地线模型,增加了非凸正则化项,加快了轮廓曲线的收敛速度,可以很好地保持区域形状并能防止边缘过平滑,然后通过经典有限差分法求得能量泛函的极小值。最后,在合成图像和医学图像上做了仿真实验,结果表明,该算法具有较快的收敛速度 和很好的鲁棒性,分割结果也较准确。     

高光谱海岸带区域分割的活动轮廓模型

近年来,高光谱遥感图像的分割作为地物识别和异常目标探测等应用的基础工作而受到重视,而高光谱遥感图像的海量数据和复杂结构使其分割技术成为一项挑战性的工作.在对海岸带高光谱遥感图像的光谱特性进行分析的基础上,提出一种基于光谱特性的海岸带水、陆区域分割的偏微分方程活动轮廓模型:首先以高光谱海岸带图像的海域像元光谱信息为参照点,构建海岸带高光谱图像的能量偏差矩阵;在此基础上建立适应该能量偏差矩阵的水、陆区域分割的活动轮廓模型.模型通过引入基于梯度的边缘引导函数,提升了对水、陆区域边缘的捕捉能力和抗噪声干扰能力.实验结果表明,与传统活动轮廓模型相比,本文模型不仅能够保证水、陆区域分割的精度,而且具有更快的计算速度.     

Hybrid Active Contour Mammographic Mass Segmentation and Classification

This research implements a novel segmentation of mammographic mass. Three methods are proposed, namely, segmentation of mass based on iterative active contour, automatic region growing, and fully automatic mask selection-based active contour techniques. In the first method, iterative threshold is performed for manual cropped preprocessed image, and active contour is applied thereafter. To overcome manual cropping in the second method, an automatic seed selection followed by region growing is performed. Given that the result is only a few images owing to over segmentation, the third method uses a fully automatic active contour. Results of the segmentation techniques are compared with the manual markup by experts, specifically by taking the difference in their mean values. Accordingly, the difference in the mean value of the third method is 1.0853, which indicates the closeness of the segmentation. Moreover, the proposed method is compared with the existing fuzzy C means and level set methods. The automatic mass segmentation based on active contour technique results in segmentation with high accuracy. By using adaptive neuro fuzzy inference system, classification is done and results in a sensitivity of 94.73%, accuracy of 93.93%, and Mathew’s correlation coefficient (MCC) of 0.876.     

显著性驱动的局部相似拟合模型分割算法研究

灰度不均匀和噪声图像的分割是计算机视觉中的难点。现有的活动轮廓模型尽管能够取得较好的分割效果,但仍然对噪声图像分割效果不理想,初始轮廓曲线的选取敏感,优化易陷入局部极小导致演化速度慢等问题。针对该问题,首先使用局部区域灰度的均值和方差拟合高斯分布,构建新的能量泛函,均值和方差随着能量的最小化过程而变化,从而增强了灰度不均匀和噪声图像的分割能力。此外,结合视觉显著性检测算法获取待分割目标的先验形状信息,并自适应地创建水平集函数,从而降低了初始轮廓位置敏感性及计算时间复杂度,实现全自动的图像分割。实验结果证明,提出的算法可以用于灰度不均匀和噪声图像分割,并取得了较好的分割性能,消除了算法对初始轮廓位置敏感性,减少了迭代次数。     

变分水平集方法在灰度不均图像分割中的应用

灰度不均严重影响图像分割的准确性,主动轮廓模型广泛应用于图像分割中。为了克服灰度不均对图像分割的影响,提出了一种基于变分水平集的主动轮廓模型。该模型利用了图像局部统计信息的均值和方差,适合对灰度不均图像分割。为了检验算法的性能,利用该算法和经典算法作对比实验,结果表明,不管是对合成图像还是真实图像的分割,都验证了该方法的有效性,而且该方法在曲线演化过程中无需重新初始化水平集函数,在一定程度上减少了计算量。     

结合梯度和区域信息的多尺度水平集图像分割

提出了一种结合梯度和区域信息的多尺度水平集图像分割算法。该算法结合梯度和区域信息构造能量函数,在梯度约束项中,构建了一个基于小波高频分量的边缘检测函数,在区域约束项中,运用经典C-V模型的区域项,得到混合C-V模型,采用变分法求解,并消除了水平集的重初始化。利用小波变换首先在逼近图像中运用混合C-V模型得到粗分辨图像的一个粗尺度分割,再对当前粗尺度下的最终轮廓线作内插操作,将得到的近似轮廓曲线作为初始水平集函数在原图像中运用消除重初始化的C-V模型演化得到最终的分割。实验结果表明,在同样的模型参数条件下,该方法具有比传统方法更高的演化效率和分割质量。     

几何活动轮廓模型中停止速度函数的尺度变换

近年来,通过水平集方法实现的几何活动轮廓模型（GAC）已成为图像处理和计算机视觉领域里十分流行的图像分割方法。几乎所有的GAC模型都依赖于停止速度函数,该函数通常是基于图像梯度定义的,其作用是使活动轮廓（演化曲线）停止在所希望的目标边界上。为了加快活动轮廓的演化速度,提出对停止速度函数进行尺度变换的方法。对4幅人工和自然图像的实验结果显示,所提出的方案能够大大减少分割时间,同时,对于凹陷边界和弱边界的分割取得了更好的效果。