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。     

一种改进的Snake模型图像分割算法

针对Snake模型不能收敛到深凹陷区域的缺点,提出一种Snake模型的改进算法.首先把模型不能收敛到深凹陷区域归结为内部能量产生的收缩不足,在此基础上改变新的力,以调整内部能量;然后在不增加参数个数的前提下给出新的能量表达式.算法的实现采用贪婪算法.结果表明,改进的Snake模型能迅速地收敛到凹陷区域,并减少了结果对初值的依赖,明显优于传统Snake模型.     

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。     

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.     

基于图像处理的变电站中隔离开关的状态研究

随着图像处理技术的不断发展,本文利用图像处理技术分析变电站中隔离开关的状态。蚁群算法(Ant Colony Algorithm,ACA)使用的广泛性,很多学者将其应用到图像处理中。本文将蚁群算法应用于变电站设备区域图像分割中,从某个或某些像素点出发,提取出变电站的隔离开关信息,然后对其进一步的图像处理,分析隔离开关的状态。但是,蚁群算法在运算过程中,易出现过早收敛于局部最优解及运算时间过长的缺点。为了使蚁群算法收敛于全局最优解及加快收敛速度,本文针对传统的蚁群算法模型对其信息浓度更新规则改进及参数的改进。通过仿真对比分析改进后的蚁群算法对于图像分割效果更好。     

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。     

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。     

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。     

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．     

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．     

应用Snake模型提取彩色图象目标轮廓线的研究

为了更好地利用Snake模型来提取彩色图象中的物体轮廓，因而对Snake原型提出两点主要改进，即针对snake模型的手工初值设置问题，通过引入彩色聚类预处理过程来减少对人的依赖，首先，采用色彩聚类算法对原始图象进行分割，然后用改进的边缘追踪算法提取有意义区域的边缘，并用这一结果作为Snake模型的初值；然后针对Snake原型应用于彩色图象时出现的失真问题，通过对出错原因的分析，重新设计了Snake的外部能量函数，同时用像素在加权HSI颜色空间中的欧氏距离代替传统方法中常用的像素灰度的差分来近似图象梯度；最后，进行了对比实验，实验结果证明，改进后的算法，特别是在处理彩色图象时，大大优于原始方法．     

基于复数蚁群算法的自适应抗干扰天线

针对自适应抗干扰天线研究了复数域的蚁群算法(Ant colony algorithm,ACA),该算法对多极值函数全局寻优具有传统算法不可比拟的良好性能.根据自适应信号处理原理和最小均方误差准则确定ACA所要优化的目标函数,建立了数学模型.为了计算多维复数权值,定义了权值矢量空间,给出了完整的计算步骤.仿真结果表明,该算法适用于自适应抗干扰技术,能够有效抑制多个干扰.通过与其他算法比较,ACA在抑制干扰、保护期望信号方面显示了较好的性能.     

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。     

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.     

动态信息素更新蚁群算法在指派问题中的应用

建立指派问题的数学模型,将其转化为旅行商问题,利用蚁群算法求解此问题。蚁群算法是一种解决组合优化问题的有效算法,但同样存在搜索速度慢,易于陷于局部最优的缺陷。该文提出一种具有动态信息素更新的蚁群算法,通过具体的算例分析,表明该算法比传统的蚁群算法有更快的收敛速度和较好的稳定性。     

Enhanced Snake algorithm by embedded domain transformation

There have been many attempts to improve the original Snake algorithm by Kass et al. to enhance its ability to locate object boundaries with sharp corners or concave parts. But most of these variants of the Snake model require introducing additional external forces or modifying internal energy terms, all of which necessitate cumbersome fine-tuning by users for optimal performance. In this paper, we present a mathematical formulation for a new algorithm that embeds a domain transformation mapping within the Snake algorithm. The domain transformation step serves to render the object contour more convex and hence is more amenable to be better represented by the Snake contour. Analysis of the new algorithm is carried out which facilitated further enhancements to our technique, rendering a final algorithm that is computationally efficient and is easy and flexible to use. Our approach has been tested with very encouraging experimental results.     

基于蚁群算法的图像分割方法

蚁群算法是一种具有离散性?并行性?鲁棒性和模糊聚类能力的进化方法?根据数字图像的离散性特点,首先从模糊聚类角度出发,将蚁群算法引入图像分割中,综合考虑像素的灰度?梯度及邻域特性进行特征提取?然后,针对蚁群算法循环次数多,计算量大的问题,设置启发式引导函数和初始聚类中心进行改进?详细阐述特征提取?初始聚类中心设置和模糊聚类流程?实验证明改进蚁群算法可以快速准确地分割出目标,是一种有效的图像分割方法