一种改进的多尺度梯度矢量流模型

梯度矢量流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,但易受干扰噪声及虚假边缘的影响,在结合多尺度图像分析的基础上,利用改进的梯度矢量流场,提出了一种改进的主动轮廓线模型。实验表明,该方法较好的限制了非目标边缘和噪声干扰的影响,提高了模型分割的精确性,具有较好的分割效果。     

基于二进小波变换的主动轮廓模型

针对传统的主动轮廓模型对噪声敏感的缺陷,在推广梯度矢量流的基础上,提出了基于二进小波变换的改进外力场的计算方法.通过综合利用图像小波分解的高频信息,迭代计算获得其外力场,使蛇在图像的多尺度空间中搜索目标轮廓.针对蛇模型对初始轮廓的依赖性问题,给出了在一维最大熵阈值分割后的图像上获取初始轮廓点的方法,减少了人工的干预,加快了蛇的收敛速度和效果.实验结果表明该模型能有效地排除噪声的干扰,搜索凹陷轮廓,而且对脆弱轮廓有很好的逼近能力.     

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.     

基于梯度矢量流Snake模型与图割的目标边界提取

针对梯度矢量流Snake模型因力场迭代次数过大造成运行时间长的不足,结合梯度矢量流Snake模型和图割理论提出了一种新的目标边界提取方法。该方法利用图割理论先对初始轮廓进行迭代寻优,使获得的轮廓线处在目标边界的“有效逼近域”内,然后将得到的轮廓线作为Snake的初始轮廓,最后利用梯度矢量流Snake模型准确提取目标边界。实验结果表明,该方法能够快速、准确地逼近到目标边界,并具有较强的抗噪性。     

基于GVF模型与光流场的左心室容积计算

针对目前利用心脏核磁共振图像计算左心室容积存在的分割困难和计算量大的问题,提出了一种新的计算左心室容积的方法.首先采用基于梯度向量流的主动轮廓模型(GVF-snake)对左心室内膜进行分割获取初始轮廓线,再采用光流法跟踪得到心脏序列中后续帧图像的心腔内膜轮廓线,最后采用Simpson方法计算得到左心室容积.运用该方法得到的结果和用手工勾画心脏内膜轮廓得到的结果比较表明:GVF-snake与光流运动跟踪相结合的方法用于左心室容积的计算是可行的.     

基于力场分析的多目标图像分割算法研究

提出基于力场分析的图像分割方法,为解决参数轮廓模型处理多对象的图像分割问题。首先分析梯度矢量流力场生成机理与力场的特点,建立真实轮廓处力场(零力场)充分条件,依据零力场充分条件生成离真实轮廓处3-5像素距离的初始轮廓线,逼近得到多对象的目标轮廓线;再引入扩散梯度矢量流力场,简化零力场识别与连接过程,降低时间复杂度。试验结果表明,方法对多目标图像分割可得到精确的结果,可以提高轮廓精确度与抗噪性,降低时间复杂度,用户可自主选择图像中感兴趣的对象,在医学图像处理、遥感测绘领域有一定应用价值。     

基于改进的主动轮廓模型及光流估计的标记线跟踪

在心脏核磁共振图像分析中，标记线的跟踪是心肌运动分析及3维运动重建的重要步骤。为了提高心脏标记线跟踪的准确性，首先使用改进的基于动力学方程的主动轮廓模型来对标记线进行跟踪，并根据标记线的特点，引入了3种弹性势能，然后采用了新的内能函数，并使用新的方法来产生图像势能，由于改变了原模型中轮廓线初始速度为零的假设，并引入了光流估计作为轮廓的初始速度，从而提高了跟踪结果的准确性。对多序列心脏收缩期核磁共振图像的实验结果表明，该算法可以获得较好的跟踪效果。     

GVF Snake模型中一种新的初始轮廓设置方法

通过对梯度矢量流（GVF）力场迭代和轮廓收敛过程中时间开销大、不能逼近较复杂轮廓等不足之处的分析，提出了一种新的初始轮廓线的设置方法。基于小波变换的多尺度轮廓检测算法，能够较精确地定位出各类轮廓，在此基础上设置的初始轮廓线能够非常好地靠近图像中的各种真实轮廓。实验结果表明，此方法有效地缩小了搜索的范围，减少了GVF迭代次数，提高了轮廓收敛的速度，并保留了GVF Snake模型的所有优点。     

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.     

一种新的B样条主动轮廓线模型

提出了一种新的B样条主动轮廓线模型，在拉格朗日动力学方程中，文章所推导的仿射不变性模板通过弹性势能项与主动轮廓线进行实时耦合，因此新的模型对运动目标的轮廓跟踪具有仿射不变性，文章进一步讨论了控制系统的李雅普诺夫稳定性，为了有效地跟踪复杂背景中的目标，提出了一种新的特征检测方法，这一方法融合了多种图像信息，因而具有较强的鲁棒性，对真实的序列图像的实验验证了新的模型的有效性。     

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．     

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。     

一种改进的Snake模型与MRI图像分割

Snake模型分割图像时要求初始轮廓线位于图像特征附近,且难以处理深度凹陷区域。该文在快速Snake模型的目标函数中增加局部面积能量项,扩大了算法捕获图像特征的范围;以边缘增强后的BPV图像的梯度为参数,计算梯度向量流场以代替MRI图像的梯度,提高了算法处理弱边界和凹陷区域边界的能力,优化算法的时间复杂度仍然为O(nm)。实验结果表明,该算法能够有效地分割左心室MRI图像。     

Locating object contours in complex background using improved snakes

An active contour model, called snake, can adapt to object boundary in an image. A snake is defined as an energy minimizing spline guided by external constraint forces and influenced by image forces that pull it toward features such as lines or edges. The traditional snake model fails to locate object contours that appear in complex background. In this paper, we present an improved snake model associated with new regional similarity energy and a gravitation force field to attract the snake approaching the object contours efficiently. Experiment results show that our snake model works successfully for convex and concave objects in a variety of complex backgrounds.     

Contour extraction of gait recognition based on improved GVF Snake model

Contourlet transform can be used to captures smooth contours and edges at any orientation. In order to solve the initial active contour problem of Snake model, Contourlet transform is introduced into the GVF (Gradient Vector Flow) Snake model, which will provides a way to set the initial contour, as a result, will improves the edge detection results of GVF Snake model effectively. The multi-scale decomposition is handled by a Laplacian pyramid. The directional decomposition is handled by a directional filter bank. Firstly, the contours of the object in images can be obtained based on Contourlet transform, and this contours will be identified as the initial contour of GVF Snake model. Secondly, then GVF Snake model is used to detect the contour edge of human gait motion. Experimental results show that the proposed method can extract the edge feature accurately and efficiently.     

Snake模型与深度凹陷区域的分割

在基于Snake模型的图像分割中,深度凹陷区域的分割是一个难点．尽管GVFSnake模型极大地改善了这个问题,但它需要事先求解一个偏微分方程组,增大了计算量;同时,GVFsnake模型在初始化时还存在一个“临界点”问题．探讨了深度凹陷区域的分割,用离散轮廓上顺序3点所成三角形内切圆圆心来定义离散轮廓的曲率,该曲率既能反映轮廓的弯曲程度,又具有合理的方向．基于该曲率定义了曲率外力项,构造了基于Snake模型的两阶段算法,先采用传统Snake模型使离散轮廓逼近目标边缘,然后在曲率外力的作用下使离散轮廓进入目标的凹陷区．曲率外力项的引入能较好地解决深度凹陷区域的分割问题,也可以扩展该外力项来扩大Snake模型的捕捉范围．实验结果表明该方法是有效的．