基于主动轮廓模型的SAR图像中的目标边缘检测

该文基于Snake模型研究了SAR图像的目标分割与检测方法。首先针对Snake模型图像分割技术中存在的凹陷区域不能很好收敛的缺点,在前人研究成果的基础上,增加了外部约束凹陷能量,提出了改进的Snake模型,然后采用贪婪算法进行方法的实现,该方法能够有效地利用局部与整体信息,实现目标边界准确定位,保持线性光滑。实验结果表明,改进后的Snake模型能较好的收敛到图像凹陷区域。     

基于改进的Snake模型的脑部MR图像分割方法*

为实现对脑部磁共振图像的分割,提出了一种改进Snake模型的图像分割方法。通过引入轮廓中心的概念,在贪婪Snake模型的能量函数中增加距离势能作为外部约束能量,增大了外能的吸引范围,使分割结果不依赖于初始轮廓;对各能量项进行归一化操作,并以归一化扩散方程各分量的梯度矢量流代替MR图像的梯度,提高了模型处理弱边界和深度凹陷区域的能力;对各能量函数的离散化和参数的选择进行了阐述。实验结果表明,该算法是一种有效的分割脑部MR图像的方法。     

基于改进自仿射映射系统与参数活动轮廓的医学图像分割算法

Snake模型分割图像时要求初始化轮廓线位于目标图像特征附近,且处理弱边界与深度凹陷区域的能力较弱,对此提出一种基于改进自仿射映射系统与参数活动轮廓的医学图像分割算法。首先,使用高斯滤波器对给定图像进行平滑处理并计算其小波系数;然后,在每个小波尺度的子矩阵中定义一些自仿射映射;之后,将不同小波尺度对应的子力叠加以获得自仿射力;最终,基于动态力公式引导snake模型变形。基于医学图像的仿真实验结果表明,本算法对于医学图像的分割性能较好,有效地提高了snake模型对弱边界与深度凹陷区域的处理能力。     

一种基于蚁群算法的Snake模型与MRI分割

Snake模型以其收敛快速、精确度可达到亚像素等优点，被广泛地应用于医学图像分割，但该模型依赖于初始曲线的选取，易于收敛到局部最优且难以达到凹陷区域。为此提出一种基于蚁群算法的Snake模型，首先利用区域内灰度统计特征自动进行Snake初始化，然后在Snake演化过程中加入一向心力，使其能进入凹陷区域，最后用蚁群算法对演化结果进行优化，使其收敛到全局最优，获得最终的分割结果。实验结果表明，改进的模型在MRI分割中可以得到较好的分割结果。     

改进主动轮廓线模型在图像分割中的应用

主动轮廓线模型(Active Contour Model,ACM),也称作蛇(Snake)模型,是一种常用的图像分割算法。在基于主动轮廓线的图像分割中,深度凹陷边界的逼近和弱边界区域的分割一直是一个难点。引入了一种局部纹理模型(Local Profile Model)匹配算法,通过匹配沿控制点法线方向像素和局部纹理模型可以确定弱边界区域的真实边界,并结合一种新的计算控制点曲率外力的算法,使得主动轮廓线模型能够逼近图像的深度凹陷区域的同时提高算法的收敛速度。实验结果表明,该方法是有效的。     

结合水平集方法和形状约束Snake模型的左心室MRI图像分割

提出结合水平集方法和形状约束Snake模型的左心室MRI图像分割算法.由于左心室存在弱边缘、与周围的组织之间存在低对比度区域,Snake模型分割左心室MRI图像时,将会出现变形曲线泄漏现象.通过对训练图像的配准、变化模式的分析,定义左心室的边界形状变化允许空间.根据心脏MRI图像的特点,使用水平集方法在平均形状周围构造形状约束能量场.在Snake模型中增加形状约束能量项后,能够有效处理变形曲线的泄漏问题.通过将演化曲线投影到形状允许空间,对其施加形状约束.心脏MRI图像的分割实验证明了模型的有效性.     

超声乳腺肿瘤图像的自动分割

为解决传统Snake模型对初始轮廓敏感和凹陷边界提取困难的问题,分别提出了双阈值分割算法和Snake模型的改进方案.通过双阈值分割算法与形态学运算、滤波技术的综合应用,获得靠近边缘的初始轮廓.采用改进的Snake模型使初始轮廓跟踪到实际边界.由于对模型的能量定义做了调整,凹陷边界也可被准确跟踪.通过临床采集的20例乳腺图像肿瘤边缘的提取和分析,结果表明,该方法能有效提取出肿瘤边缘,实现超声肿瘤的自动分割.     

Snake模型初始轮廓选取的研究

针对Snake模型处理复杂背景图像时的初始轮廓自动选取问题,该文采用分水岭算法先对图像进行分割,并将得到的边界作为Snake模型的初始边缘轮廓。由于分水岭算法具有将目标物体从复杂背景中分割开来的优点,使得在应用Snake模型对复杂图像进行分割时减少了人工的干预。经过实验对比,采用分水岭算法对玉米秸秆图像进行边缘轮廓的提取能达到较好的效果,为自动进行Snake模型的计算提供了一种较好的初始轮廓处理方法。     

结合统计模型和曲线演化的左心室MRI图像分割

提出结合区域统计模型和图像梯度信息的MRI图像分割算法.由于心脏的变形和血液的流动,MRI图像中出现弱边界、局部梯度极大值区域、伪影等现象.基于图像梯度构造停止项的水平集方法难以分割此类图像.本文提出两阶段图像分割算法.首先结合先验知识和直方图,确定图像中像素的类别总数.用极大似然估计原理求出每一类的先验概率和概率分布参数,根据像素属于感兴趣区域(ROI)的后验概率构造水平集速度函数,通过曲线演化获取ROI的粗边界.然后再使用图像梯度构造速度函数对边界进行细化.实验结果表明,本文算法能够有效分割心脏MRI图像.     

一种新的基于各向异性扩散的GVF模型

针对传统梯度矢量流(GVF)模型各向同性扩散分割图像时所导致的模糊边缘以及弱边界处的泄漏问题,提出一种新的GVF模型,该模型采用8个方向各向异性扩散策略以保持目标边界,并使用具有较快下降速度的保真项系数来增强Snake进入凹陷部分的能力。理论分析和实验结果表明,新方法能较准确地分割出目标凹陷部分,对于弱边界泄漏具有更强的鲁棒性。     

基于多尺度图像的主动轮廓线模型

主动轮廓线模型是广泛应用于数字图像处理的一种目标轮廓跟踪算法,但在实际使用过程中,现有模型易受干扰噪声及虚拟边缘的影响,且于凹陷轮廓的跟踪能力较差,在多尺度图像分析的基础上,引入梯度矢量流的概念,并改进其计算方法,提出了一种新的主动轮廓线模型,该模型利用梯度矢量流产生的引力,在图像的尺度空间中搜索目标轮廓,不仅能有效地排除干扰,搜索凹陷轮廓,而且便于引入新的约束条件,实验表明该模型有较好的鲁棒性和     

基于改进的GVF模型的CT图像分割方法

活动轮廓模型被广泛应用于医学图像分割之中．文中针对CT图像的分割方法进行了探讨，提出了一种基于GVF模型的改进的活动轮廓分割法。改进方法采用轮廓中心法及引入一作用力的方法，克服了GVF模型不能处理深度凹陷区域的问题．实验结果表明，改进后的分割方法较原Snake模型及GVF模型的效果更好．     

融合凹点检测与仿射变换的活动轮廓模型

目的 针对基于矢量场的活动轮廓模型,如经典的梯度矢量流（GVF）模型、矢量场卷积（VFC）模型等,在提取凹形物体时矢量场常出现平衡点,不能较好地收敛到凹陷区域、尤其是深而窄的凹形及复杂凹陷区域的问题。提出一种融合凹点检测与仿射变换的活动轮廓模型。方法 首先利用活动轮廓模型进行曲线演化,得到演化后轮廓曲线上各点的坐标并求出各点的法线方向;然后基于凹点检测的方法,判断各点的凹凸性,利用梯度判断法,检测出未收敛到目标边界的凹点;其次对各凹点进行法向方向的仿射变换。在接近且不越过目标边界的情况下求出可变换的最大距离,变换后的点穿越了平衡点区域,让变换后的点代替原来的点形成新的轮廓曲线;最后为保证提取边界的精确性,将变换后的轮廓曲线再次演化并最终收敛到目标边界。结果 通过对具有凹陷区域的合成图像进行分割,计算提出模型分割结果的平均Jaccard相似系数（JS）值为95.51%,相比目前先进的GVF模型,VFC模型和自适应扩散流（ADF）模型分别提高了15.08%,12.09%和10.70%,整体效果上优于几种先进的模型。然后又对单/多目标真实图像及含噪的图像进行分割,证实提出模型分割性能的鲁棒性。结论 提出的模型有效地避免了凹形区域内的平衡点问题,可以对深凹形及复杂凹形图像进行有效分割,并且提高了分割精度。此外,该模型能融合到任何基于矢量场的活动轮廓模型中,具有广泛的普适性。     

基于各向异性扩散活动轮廓模型的左心室MRI分割

结合各向异性扩散算法与梯度矢量流活动轮廓模型,提出了基于各向异性扩散活动轮廓模型并应用于心脏核磁共振图像分割;模型采用各向异性扩散方程构造活动轮廓模型的外部能量函数,得到边界更加清晰的分段平滑图像,运用梯度矢量流将边缘图梯度散射到平坦区域,可以有效抑制噪声,同时保持了目标边界;对左心室核磁共振图像的分割实验表明,该模型可以克服噪声和伪影的干扰,与原梯度矢量流模型相比具有更高的精确性和可靠性,有利于实现自动分割.     

Mean shift based gradient vector flow for image segmentation

In recent years, gradient vector flow (GVF) based algorithms have been successfully used to segment a variety of 2-D and 3-D imagery. However, due to the compromise of internal and external energy forces within the resulting partial differential equations, these methods may lead to biased segmentation results. In this paper, we propose MSGVF, a mean shift based GVF segmentation algorithm that can successfully locate the correct borders. MSGVF is developed so that when the contour reaches equilibrium, the various forces resulting from the different energy terms are balanced. In addition, the smoothness constraint of image pixels is kept so that over- or under-segmentation can be reduced. Experimental results on publicly accessible datasets of dermoscopic and optic disc images demonstrate that the proposed method effectively detects the borders of the objects of interest.     

A novel optic disc detection scheme on retinal images

Robust and effective optic disc detection is a necessary processing component in automatic retinal screening systems. In this paper, optic disc localization is achieved by a novel illumination correction operation, and contour segmentation is completed by a supervised gradient vector flow snake (SGVF snake) model. Conventional GVF snake is not sufficient to segment contour due to vessel occlusion and fuzzy disc boundaries. In view of this reason, the SGVF snake is extended in each time of deformation iteration, so that the contour points can be classified and updated according to their corresponding feature information. The classification relies on the feature vector extraction and the statistical information generated from training images. This approach is evaluated by means of two publicly available databases, Digital Retinal Images for Vessel Extraction (DRIVE) database and Structured Analysis of the Retina (STARE) database, of color retinal images. The experimental results show that the overall performance is with 95% correct optic disc localization from the two databases and 91% disc boundaries are correctly segmented by the SGVF snake algorithm.     

一种基于图割与GVF Snake的凹型目标快速提取算法

将图割理论与GVF Snake模型有机结合,提出了一种凹型目标的快速提取算法。首先用图割算法对初始轮廓线迭代变形,使其在快速提取非凹型段目标边界的同时将轮廓线有效地置于梯度矢量流力场的“有效逼近域”内,然后用GVF Snake算法继续对轮廓线迭代变形,提取凹型段目标边界。实验表明,该算法能快速、准确提取凹型目标。     

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。