基于格式塔心理学原理的几何活动轮廓模型

基于格式塔心理学原理提出了一种几何活动轮廓模型,并将其应用于图像分割。当轮廓曲线远离目标边界时,应用格式塔心理学目标-背景原则,其能量函数主要由区域间差异性组成;当轮廓曲线位于目标边界附近时,应用格式塔心理学接近性原则,其能量函数主要由区域内一致性组成。该模型符合知觉特性,是几何活动轮廓模型的一般形式,且融合图像区域信息和边界信息。通过侧脑室和肿瘤医学图像分割实验,其结果表明,该模型对模糊边界图像的自动分割具有一定的普适性,能达到满意的分割效果。将该模型应用到多目标的免疫细胞图像分割中,能一次性完成将细胞质从细胞核和体液两种不同背景中分割出来的任务。     

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。     

基于能量最小化的星载SAR图像建筑物分割方法

针对星载合成孔径雷达 (Synthetic aperture radar, SAR) 图像信噪比低、建筑物目标几何变形大以及周围背景复杂的特点, 本文提出了一种基于能量最小化的星载SAR图像建筑物分割方法.基于星载SAR图像数据构造条件概率能量项, 推动变形曲线向建筑物目标边界演化; 在能量泛函模型中定义长度能量项以保证变形曲线的平滑; 在水平集方法获取的SAR图像初始分割结果的基础上, 以高分辨率光学遥感影像中建筑物目标的轮廓作为先验信息, 构造先验形状能量项约束曲线在第二阶段的演化, 最终实现SAR图像建筑物的分割.实验结果表明, 该方法显著提高了建筑物目标轮廓的分割精度.     

几何活动轮廓模型的多尺度扩散分割算法

提出了一种对几何活动轮廓模型中的停止速度场进行多尺度扩散的算法,它通过引进2个控制参数来定义停止速度场的目标边界、同质区域和过渡区域;对于不同复杂性的图像,采取不同的控制参数对其停止速度场进行多尺度扩散;并将多尺度扩散后的停止速度场应用于几何活动轮廓模型进行图像分割.实验结果表明:对1幅合成图像和2幅自然图像,该算法大大地减少了分割时间,在一定程度上也减少了边界泄漏.     

形状约束下活动轮廓模型冠脉血管图像多尺度分割

目的 由于计算机断层血管造影(CTA)图像的复杂性,临床诊断冠脉疾病往往需要经验丰富的医师对冠状动脉进行手动分割,快速、准确自动分割出冠状动脉对提高冠脉疾病诊断效率具有重要意义。针对双源CT图像特点以及传统单一基于区域或边界的活动轮廓模型的不足,研究了心脏冠脉3维分割算法,提出一种基于血管形状约束的活动轮廓模型分割方法。方法 首先,利用改进的FCM(fuzzy C-means)对心脏CT图像感兴趣区域初分割,其结果用于初始化C-V模型水平集演化曲线及控制参数,提取感兴趣区域轮廓。接着,由3维心脏图像数据获取多尺度梯度矢量信息构造边界型能量泛函,然后利用基于Hessian矩阵的多尺度血管函数对心脏感兴趣区域3维体数据增强滤波,获取血管先验形状信息用于约束能量泛函。最后融合边界、区域能量泛函并利用变分原理及水平集方法得到适合冠脉血管分割的水平集演化方程。结果 由于血管图像的灰度不均匀,血管末端区域更为细小,所以上述算法的实施是面向被划分多个子区域的血管,在缩小的范围内进行轮廓的演化。相比于传统的血管分割方法,该方法充分融合血管图像的先验信息及梯度场信息,能够从灰度及造影剂分布不均匀的冠脉血管图像中准确分割出冠状动脉,对于细小的血管结构亦能获得较好的分割效果。实验结果表明,该方法只需在给定初始轮廓前提下,有效提取3维冠脉血管。结论 对多组心脏CT图像进行分割,本文基于血管先验形状约束的活动轮廓模型可以准确分割出冠脉结构完整轮廓,并且人工交互简单。该方法在双源CT冠脉图像自动分割方面具有较好的正确率与优越性。     

基于ROI信息的活动轮廓模型MR图像分割

参数活动轮廓模型和几何轮廓模型是目前常用的图像分割方法。传统的参数活动轮廓模型在曲线演化过程中仅使用了梯度信息,在处理具有强噪音或弱边界的目标时往往得不到理想的结果,且不具有拓扑可变性。为此,构造一种基于区域信息约束力的参数活动轮廓模型,在新的约束力的作用下,模型可以有效降低噪音的影响并防止曲线从弱边界泄漏,且提高曲线进入细窄区域的能力,将参数模型几何化,使该模型具有拓扑可变的能力。实验表明,该模型具有较好的分割效果。     

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.     

基于粒子群优化算法和改进的Snake模型的图像分割算法

基于活动轮廓（Snake）模型的目标轮廓提取是图像分割中一种重要的方法.为了克服传统Snake模型在图像分割中不能向凹处收敛和收敛不准确的缺点,提出了一种粒子群优化算法与改进的Snake模型相结合的图像分割算法.改进的Snake模型,即在传统的Snake 模型的基础上增加了一个向心能量,增加此能量可以使初始化曲线向目标的凹处收敛.又由于粒子群优化算法具有获得全局最优的能力,可以使曲线能更准确地收敛到目标的边界.通过实验证明此方法可以取得很好的分割效果.     

基于区域相似性的活动轮廓SAR图像分割

为了克服传统活动轮廓SAR分割模型高度依赖统计分布假定的缺点,结合基于成对相似性的图划分方法和几何活动轮廓模型的优点,提出了基于区域相似性的活动轮廓SAR分割模型.首先将原始图像过分割成同质子区域集;然后结合强度和纹理信息真实度量子区域的成对相似性,并以此定义能量泛函;最后利用基于过分割的规则化和快速曲线演化实现SAR图像的有效分割.真实SAR图像的实验结果表明,该模型能快速、准确地得到SAR图像的分割结果.     

基于多尺度梯度矢量场GAC模型的MR医学图像分割

医学图像分割是图像分割技术的一个重要应用领域,GAC(测地线活动轮廓)模型是基于PDE(偏微分方程)方法中一种常用的图像分割模型,使用这种模型时,如何选择合适的平滑尺度是影响分割效果的重要因素之一。提出了一种基于多尺度梯度矢量场GAC模型图像对象轮廓提取的MR图像分割方法,用多尺度梯度矢量取代GAC模型中单一尺度下平滑图像的梯度矢量,提高了GAC模型的收敛速度,有效地改善了局部极小值问题。实验结果验证了该方法的有效性。     

基于能量活动曲线的肾脏超声图象的边界提取

与CT和MRI等医学图象相比，超声图象由于图象质量较差，相对难以分割，特别地，由于某些器官的边界不是很明显，尤其是肾脏的组织和组织之间的边界难以区分，因此，肾脏超声图象的边界提取对人们来说更富有挑战性。为了解决这一问题，本文提出了一种半自动的肾脏超声图象的边界提取方法。该算法基于能量活动曲线模型，并做了几点重要的改进，同时利用肾脏超声图象的统计模型，比较好地克服了肾脏复杂边界的影响，有效地提出了超声图象的肾脏边界。     

一种基于几何活动轮廓模型的弱边界区域图象分割方法

传统的几何活动轮廓模型作为一种有效的图象分割方法，一直以来被广泛使用。但其在应用中也存在不少问题，例如对图象内弱边界区域目标不能准确的分割以及对噪声的干扰容易使曲线陷入局部极值等情况。本文提出了一种基于区域梯度流力的几何活动轮廓模型，由于区域力从全局的角度为模型提供目标边界信息，这样使该模型不但能够准确的利用区域信息分割出弱边界区域而且能够有效抵御噪声的干扰。     

pSnakes: A new radial active contour model and its application in the segmentation of the left ventricle from echocardiographic images

Active contours are image segmentation methods that minimize the total energy of the contour to be segmented. Among the active contour methods, the radial methods have lower computational complexity and can be applied in real time. This work aims to present a new radial active contour technique, called pSnakes, using the 1D Hilbert transform as external energy. The pSnakes method is based on the fact that the beams in ultrasound equipment diverge from a single point of the probe, thus enabling the use of polar coordinates in the segmentation. The control points or nodes of the active contour are obtained in pairs and are called twin nodes. The internal energies as well as the external one, Hilbertian energy, are redefined. The results showed that pSnakes can be used in image segmentation of short-axis echocardiogram images and that they were effective in image segmentation of the left ventricle. The echo-cardiologist's golden standard showed that the pSnakes was the best method when compared with other methods. The main contributions of this work are the use of pSnakes and Hilbertian energy, as the external energy, in image segmentation. The Hilbertian energy is calculated by the 1D Hilbert transform. Compared with traditional methods, the pSnakes method is more suitable for ultrasound images because it is not affected by variations in image contrast, such as noise. The experimental results obtained by the left ventricle segmentation of echocardiographic images demonstrated the advantages of the proposed model. The results presented in this paper are justified due to an improved performance of the Hilbert energy in the presence of speckle noise.     

无需初始轮廓的快速图像分割模型

在图像分割领域中，几何活动轮廓模型是较成功的方法之一。但现有的几何活动轮廓模型大都需要为演化曲线定义一个初始位置，这容易导致图像分割结果受初始轮廓位置的影响。为此，结合图像的局部和全局信息构造一个新的符号压力函数，提出一个以偏微分方程形式存在的快速图像分割模型。所提模型形式简单，算法过程容易实现。实验结果表明，该模型允许常值初始化，无需初始轮廓即可快速分割三相图像、灰度不均图像、渐变图像以及深度图像等多类图像。     

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。     

基于混合能量活动轮廓模型的人脸分割方法

由于受到面部五官、饰物等因素的影响,传统几何活动轮廓模型获取人脸外轮廓会产生凹陷、分片等现象.针对人脸图像的特点,将边缘外张力能量及肤色能量与全局能量结合,提出一种基于混合能量泛函的几何活动轮廓模型,有效地避免了这些问题.首先,根据演化曲线的邻域信息赋予边缘点向外的张力,使曲线能够克服面部特征及面部饰物的干扰,引导其向外轮廓方向演化.鉴于肤色是面部最重要的特征,提出肤色能量,进一步提高了模型的鲁棒性.此外,提出一种基于单高斯模型的改进算法,能够估计出接近实际人脸外轮廓的初始位置,为轮廓演化奠定了基础.在两个公共人脸库上进行测试,该方法能够得到准确的人脸分割效果;以手工分割的结果为基准,该算法定位精度明显优于传统的全局能量模型和局部能量模型.还用日常照片创建一个包含不同姿态、光照、复杂背景等因素、复杂的人脸库,分割结果表明,该方法能够克服这些因素的影响,取得了准确而稳定的人脸分割结果.     

基于GAC模型的自适应图像分割算法

针对传统几何活动轮廓(GAC)模型不能实现自适应分割,且容易出现边界泄漏的缺点,提出一个基于GAC模型的自适应图像分割算法.该算法结合了图像梯度信息和演化曲线的位置,用与演化曲线内外的梯度信息有关的演化速度v(D)代替传统GAC模型中的常量速度v.实验结果表明:该算法可以使演化曲线根据其位置自适应地向内或者向外运动,并且在一定程度上也减少了边界泄漏.     

结合边缘和区域的活动轮廓模型SAR图像目标轮廓提取

目的 目标轮廓表征了目标形状,可用于目标方位角估计、自动目标识别等,因此提取合成孔径雷达（SAR）图像中的目标轮廓受到了人们的广泛关注。受SAR图像乘性噪声的影响,传统的目标轮廓提取方法应用在SAR图像时失效。针对这一问题,提出一种将基于边缘的活动轮廓模型和基于区域的活动轮廓模型相结合的活动轮廓模型。方法 以真实SAR图像为基础,分析了向量场卷积（VFC）活动轮廓模型以及区域竞争（RC）活动轮廓模型各自的特点和优势,发现这两个模型存在一定的互补性,因此将这两个模型进行了结合,得到了一种新的SAR图像目标轮廓提取方法。结果 基于真实SAR图像的实验结果表明,本文方法能较好地应对SAR图像信噪比较低、目标边缘模糊等特点,能准确地获得SAR图像目标轮廓。结论 本文方法可用于执行实际的SAR图像轮廓提取任务,为后续的SAR图像自动识别和特征级图像融合等任务提供了较为优良的输入信息。