一种基于遗传算法的FFT Snake模型图像分割方法

本文针对Snake模型用于轮廓跟踪时存在抗噪性能差、易于从弱边界溢出的不足，对其能量函数进行改进，提出一种新的FFT Snake模型。该模型较好地解决了以上问题，并将FFT Snake模型的解作为遗传算法的搜索空间，利用遗传算法的全局优化性能，有效地克服了Snake轮廓局部极小化的缺陷，从而可得到对目标更精确的分割。实验结果表明，该方法分割效果十分理想。     

基于粒子群优化算法的改进Snake模型的图像分割方法

虽然Snake模型是一种有效的基于参数的轮廓探测方法,但由于其对初始位置过于敏感,不但参数选取缺乏严格的理论指导,且不能处理拓扑结构改变的问题。为此,针对Snake模型在弱边缘处容易溢出等不足,首先通过引入区域信息对Snake模型的图像力进行了修正,然后对Snake模型容易陷入局部极小化的问题,利用粒子群优化算法的全局优化特性和良好的数值稳定性来对Snake模型的分割结果进行优化。人工合成图像和医学图像的实验结果表明,该方法是有效的。     

基于粒子群优化算法的改进Snake模型的图像分割方法

虽然Snake模型是一种有效的基于参数的轮廓探测方法,但由于其对初始位置过于敏感,不但参数选取缺乏严格的理论指导,且不能处理拓扑结构改变的问题。为此,针对Snake模型在弱边缘处容易溢出等不足,首先通过引入区域信息对Snake模型的图像力进行了修正,然后对Snake模型容易陷入局部极小化的问题,利用粒子群优化算法的全局优化特性和良好的数值稳定性来对Snake模型的分割结果进行优化。人工合成图像和医学图像的实验结果表明,该方法是有效的。     

基于Hough变换和GVF Snake模型的脑肿瘤分割方法*

脑MR图像中肿瘤区域的精确分割对后续的治疗与诊断十分关键,本文提出了一种基于Hough变换定位与遗传算法优化GVF Snake模型的脑肿瘤分割方法。首先,利用Hough变换和阈值处理自动确定肿瘤区域,然后,利用GVF Snake模型对肿瘤区域进行分割,同时为了防止GVF Snake在分割时易出现局部极小值的问题,进一步利用遗传算法的全局优化特性,对GVF Snake模型分割的结果进行优化。实验结果表明,本文提出的模型一方面能实现对肿瘤区域的自动定位,同时也避免了GVF Snake模型在分割时易陷入局部最优的问题,使分割的结果更加精确。     

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．     

差分进化算法GVF Snake模型在PET图像分割中的应用

利用PET图像进行诊治时需要对人体病灶精确定位,PET图像中病灶目标区域的分割是早期诊断与治疗的前提和关键。基于传统Snake模型的方法在PET图像分割时存在对初始轮廓过于敏感,难以收敛到目标凹型区域等问题,为此将GVF Snake模型引入PET图像的分割中。为防止GVF Snake模型陷入局部最优,进一步利用差分进化(DE)算法的全局优化特性对GVF Snake模型分割的结果进行优化,提高PET图像分割精度。实验结果表明,该方法能有效地对PET图像中的病灶目标区域进行分割,可避免陷入局部最优且具有良好的实时性。     

一种新的活动轮廓模型--S-L模型

活动轮廓模型用于图像分割一般分为两种基于参数的模型和基于几何特征的模型.Snake模型可以快速地分割目标,但不能处理拓扑结构复杂的情况且对初值位置过于敏感.水平集模型具有拓扑可变性,但其时间效率较低,在分析这两种模型优缺点的基础上,提出了一种新的活动轮廓模型,该模型兼具有上述两种方法的优点快速性、拓扑可变性.在模型中用Snake模型的能量方程控制曲线的演化并提出一种基于水平集思想的符号表法来改变演化过程中曲线的拓扑结构.为了降低噪音的影响,用区域信息构造新的外力,在外力的作用下可以使初始曲线有更大的选择空间.对左心室MR图像的分割实验结果表明,该模型得到的分割结果与Level Set模型相似,但所用时间远比Level Set模型少.     

一种改进的基于蛇模型的分割方法

CT图像的分割在临床的诊断和治疗中有着重大的意义。其中Snake分割算法能够得到较好的分割结果,该文通过对传统Snake算法基本原理的研究,提出了一种改进的Snake分割模型。首先,通过数学形态学的方法得到CT图像的边缘,其次,运用改进的能量方程对分割过程进行迭代。优化的Snake模型能够克服传统Snake模型无法收敛于极凹处以及对噪声敏感的问题。通过实验将模型应用于实际CT图像分割,并且得到较精确的实验结果。     

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。     

改进的Snake算法在虹膜定位中的应用

传统的Snake模型在图像边缘检测时定位、分割的结果依赖于初始节点的选取,当初始轮廓线超出图像边界时,会导致分割定位失败。针对该问题,对Snake算法进行改进,详细介绍了改进算法的原理和实现,并用遗传算法对结果进行优化。     

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.     

一种快速收敛的混合遗传算法

利用遗传算法早熟的特点 ,构造出一种快速收敛的混合算法来求解优化问题 ,并分析了它的收敛性。它是使用遗传算法来生成搜索方向 ,从而保证了算法的收敛性。该算法利用遗传算法的全局搜索能力 ,并采用 Nelder- Mead单纯形法来加强算法的局部搜索能力 ,加快了算法的收敛速率。模拟实验表明 ,该方法具有高效性和鲁棒性     

FFT Snake模型研究

从3方面入手，对Snakes的外部力引入时空图光流特征，内部力引入傅立叶变换滤波平滑曲线，能量函数极小化方法改为法线方向寻优，从而使FFT Snake模型具有很好的实用价值。实验对比验证，在复杂背景FFT、Snakc模型依然可以有效跟踪运动物体，此时普通Snakes模型必须做大量手动调整。而它同时也解决了帧差等视频分割方法难于识别、提取目标轮廓的问题。FFT Snake模型抓住了运动目标的图像特征，在简单的优化算法下依然可以得到较好的分割效果，并可以用于实时系统。     

一种组合主动轮廓线模型算法

本文针对传统主动轮廓线模型(Snake模型)无法检测凹陷目标轮廓的缺陷，提出了一种由全局Snake模型和局部Snake模型两部分组成的组合Snake模型。组合模型首先使用全局Snake模型进行轮廓粗检测，并使用SUSAN算子检测目标轮廓上凹陷最“深”的凹点；然后，在凹点附近的局部区域，使用局部Snake模型进行轮廓凹陷部分的检测；其后以其替代使用全局模型检测出的目标轮廓的相应部分，形成最终检测的目标轮廓。实验结果表明，本算法具有较好的检测精度和抗噪性。     

基于先验知识改进Snake模型的脸部特征分割

针对传统Snake模型在脸部特征分割中遇到的边界泄漏问题，给出两种局部信息用于边缘增强，改进了外力场；引入了预测／校正两步形变Snake模型的概念，将Snake，模型在内力和外力作用下的形变结果作为Snake轮廓新位置的预测，然后用目标形状的先验知识对预测结果进行校正，使得Snake的形变由预测／校正两步来完成。在分割脸部特征时，构造了对Snake形变进行校正的准则。实验结果表明，该预测／校正两步形变的Snake模型对脸部特征分割有较好的效果。     

基于时空图的轮廓线模型研究

主动轮廓线模型(Snakes)具有能够结合先验知识和图像特征的理论价值,但由于能量局部极值问题的困扰,而鲜已用于实际问题。前人通过改进优化算法来提高其分割效果。文章则尝试从Snakes的外部力入手,引入时空图的光流特征,通过改造能量函数提高分割效果。实验对比验证在复杂背景下,基于时空图的轮廓线模型依然可以有效跟踪运动物体,此时普通Snakes模型必须做大量手动调整。而它同时也解决了帧差等视频分割方法难于识别、提取目标轮廓的问题。时空图轮廓线模型抓住了运动目标的图像特征,在简单的优化算法下依然可以得到较好的分割效果,可以用实时系统。     

基于并行遗传算法的气球力Snake模型参数优化

针对气球力Snake模型的图像分割效果很大限度上依赖于初始参数的选取,借鉴遗传算法的高效、并行和全局搜索的性能,提出了一种求解气球力Snake模型最优参数的算法。该算法用气球力Snake能量泛函作为目标函数,引入图像相似度函数作为遗传迭代终止准则,采用并行遗传计算进行分割参数寻优。实际医学图像的实验结果表明,算法能避免通过大量实验来人工选取参数的繁琐,也解决了参数选取不当导致的分割结果不理想的问题,可以得到较好的分割效果。