基于动态轮廓模型的维氏显微硬度自动测量

动态轮廓模型是提取图像中物体轮廓的一种有效方法。文章首先对FeAl/ZrO2陶瓷基复合材料的压痕图像进行了自适应阀值分割,然后利用改进的动态轮廓模型对其进行了轮廓提取,得到了压痕的对角线长度,进而计算出材料的硬度。并对传统方法和本文提出的方法的误差做出了对比分析。该方法可以对显微组织维氏硬度试验压痕准确地提取,并自动计算维氏硬度,从而实现了维氏显微硬度测量的高效率与自动化。     

基于几何活动轮廓模型的人脸轮廓提取方法

针对在结构性噪声较严重的情况下 ,常规几何活动轮廓模型无法获得理想分割效果的问题 ,提出一种基于几何活动轮廓模型的人脸轮廓提取方法 ,该方法首先将人脸形状的椭圆性约束作为算子嵌入到几何活动轮廓模型中 ,并利用几何活动轮廓模型提取任意轮廓的优势来快速抽取出图象中类似椭圆的目标边缘 ;然后根据图象中人脸的先验知识 ,通过对检测到的椭圆目标进行进一步验证来找出最终人脸轮廓 .由于采用变分水平集方法做数值计算 ,因此该方法不仅能够自然地处理曲线的拓扑变化和能较精确地提取出图象中的人脸轮廓 ,而且同时可以给出人脸水平旋转的大致角度等信息 .实验结果表明 ,该方法是有效的 .     

利用光流预测Snakes模型初期轮廓的动态图象轮廓追迹方法

针对应用Ｓｎａｋｅｓ模型进行动态图象轮廓追迹时,若存在前后帧目标变形较大,则易发生追迹失误的问题,提出了利用光流预测Ｓｎａｋｅｓ模型的初期轮廓,然后进行动态图象轮廓追迹的方法,实验证明改进后的方法与原来Ｓｎａｋｅｓ模型相比,具有更好的轮廓动态跟踪能力。     

一种基于主动轮廓模型的MRI医学图像序列边缘提取算法

为了提取核共振成像图像序列的边缘，提出了一种改进主动轮廓模型的边缘提取算法。通过调整原始公式的一些参数使得该模型不但能精确地提取图像中的凸形物体的边缘，而且能够接近边缘的凹陷处；引入自适应改变大小的外部约束能量来增大外能的吸引范围，使控制点能够不依赖于初始轮廓而快速地收敛到目标的真实轮廓；结合匹配技术，提高边缘提取结果层间传递的精度。实验结果表明该算法仅需少量用户交互就能快速准确地从医学图像序列中提取出感兴趣的物体边缘。     

基于数学形态学的图像边缘处理

提出了一种基于数学形态学的边缘提取方法。该方法先对图像进行颜色预处理,再利用数学形态学对图象进行形态学梯度变换,最后通过基于统计学的边缘提取方法进行边缘提取。该方法消除了由于照明而引起的目标物体的阴影边缘,并且直接提取出目标物体的边缘轮廓,对背景噪声有很好的抑制作用。与常用的边缘检测算子相比,该方法能更有效、准确、完整地提取出目标物体的边缘,明显优于传统的边缘检测算子。     

二维可分离物体的识别与定位

一、参考图象与实测图象中对应物体的识别对于二值图象,文献[1]中给出了一种提取特征的方法,即轮廓特征码序列法.但是,如何存贮这些物体所对应的轮廓特征码序列以及如何利用这些特征进行匹配则有待进一步研究.     

采用平面-空间颜色局部一致性的点云模型描述

为了避免在建模过程中对动态模型进行网格化处理和纹理映射,获得较高的建模速度及良好的模型外观,提出一种基于点云模型的动态物体模型重建方法.通过分水岭分割原理进行图像分割并提取分水岭轮廓;然后采用剪影轮廓序列建模方法重建物体的稀疏点云模型;最后根据平面-空间颜色局部一致性原理扩充模型,获得稠密点云模型.实验结果表明,该方法能够快速生成紧致性描述且具有外观表象的三维模型.     

基于遗传算法的图象不变矩匹配

研究模板和图象间的有效匹配，利用不变矩特征作为检测模板和图象中物体轮廓相似度的测度，同时把遗传算法引入图象匹配识别，并针对简单遗传算法在应用过程中出现收敛过早和早熟现象的问题，采用了一种 改进型遗传算法。该算法和不变矩相结合能有效检测出具有平移、旋转 和尺度变化的物体，该方法可以应用于实际图象匹配和识别中。     

基于活动轮廓模型的胃窦B超序列图象边缘轮廓的提取与跟踪

提出了一种基于活动轮廓模型的胃窦B超序列图象边缘轮廓的提取与跟踪方法.对于序列中的第一幅图象,通过人工取点,B样条拟合的方法,提取其初始轮廓,再运用活动轮廓模型,进行边缘轮廓的逼近,以获得比较精确的胃窦边缘轮廓.在后续图象处理中,将活动轮廓模型与光流模型相结合,实现了轮廓的跟踪.实验的结果证明了该方法的有效性.     

复杂物体轮廓提取

图象分割是图象处理中的一项重要工作,虽然目前手工与自然相结合的分割方法已在实际工程中得到了广泛应用,但由于图象的多义性和复杂性,许多分割工作仍无法利用计算机来自动完成,为了解决这一问题,根据图象经Maar变换后的特征,采用新的判断准则,提出了一种复杂物 体边缘定位算法,用该算法 具有尖角特征的特体轮廓进行快速准确地提取,同时由于利用了矢量化方法来消除毛刺,从而使跟踪获得的边界更符合物体的实际轮廓特征,通过对多种图象的实验表明,该方法十分有效。     

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。     

图像分割中分段光滑Mumford-Shah模型的水平集算法

图像分割和轮廓提取在计算机视觉和模式识别中具有重要意义，基于主动轮廓模型的图像分割和轮廓提取是目前研究热点，分析了Mumford—Shah模型的主动轮廓新的视觉机制；并推导了简化的分段光滑水平集模型,通过构造具有柔性距离函数，对迭代步骤中水平集函数重新初始化，结合本质上无振荡格式(ENO scheme)和预测校正格式，提出了一种新的有限差分算法，该算法不但能提取多个具有不同凹凸拓扑结构和灰度差异物体的轮廓，而且能保持分割后物体的灰度特性。最后给出了若干算例，算例表明，该水平集算法具有数值稳定性，不会出现振荡现象。     

Robust tracking of position and velocity with Kalman snakes

A new Kalman-filter based active contour model is proposed for tracking of nonrigid objects in combined spatio-velocity space. The model employs measurements of gradient-based image potential and of optical-flow along the contour as system measurements. In order to improve robustness to image clutter and to occlusions an optical-flow based detection mechanism is proposed. The method detects and rejects spurious measurements which are not consistent with previous estimation of image motion     

高光谱海岸带区域分割的活动轮廓模型

近年来,高光谱遥感图像的分割作为地物识别和异常目标探测等应用的基础工作而受到重视,而高光谱遥感图像的海量数据和复杂结构使其分割技术成为一项挑战性的工作.在对海岸带高光谱遥感图像的光谱特性进行分析的基础上,提出一种基于光谱特性的海岸带水、陆区域分割的偏微分方程活动轮廓模型:首先以高光谱海岸带图像的海域像元光谱信息为参照点,构建海岸带高光谱图像的能量偏差矩阵;在此基础上建立适应该能量偏差矩阵的水、陆区域分割的活动轮廓模型.模型通过引入基于梯度的边缘引导函数,提升了对水、陆区域边缘的捕捉能力和抗噪声干扰能力.实验结果表明,与传统活动轮廓模型相比,本文模型不仅能够保证水、陆区域分割的精度,而且具有更快的计算速度.     

Small object detection in cluttered image using a correlation based active contour model

This paper presents a novel energy function for active contour models based on autocorrelation function, which is capable of detecting small objects against a cluttered background. In the proposed method, image features are calculated using a combination of short-term autocorrelations (STA) computed from the image pixels to represent region information. The obtained features are exploited to define an energy function for the localized region-based active contour model called normalized accumulated short-term autocorrelation (NASTA). Minimizing this energy function, we can accurately detect small objects in images containing cluttered and textured backgrounds. Moreover, the proposed method provides high robustness against random noise and can precisely locate small objects in noisy backgrounds, difficult to be detected with naked eye. Experimental results indicate remarkable advantages of our approach comparing to existing methods.     

基于高斯混合分布和区域竞争主动轮廓的医学目标分割

提出了一种基于高斯混合分布和区域竞争主动轮廓的医学目标提取模型。这一模型,把主动轮廓的能量函数表示为像素属于目标或背景的子类的最大概率的区域积分,在水平集合框架下使能量函数最小化,得到在高斯子类区域间竞争演化的分割迭代方程。同时,附加的速度约束项使主动轮廓在越过目标边缘时速度降低,提高了分割的收敛性。通过大量肝脏CT图像的分割实验以及与几种经典模型和手工提取的比较,表明该模型在医学图像分割中具有较好的健壮性、准确性和灵活性均较好。     

基于区域能量最小和主动轮廓模型的医学目标提取

针对传统主动轮廓模型在目标强边缘处容易产生振荡和弱边缘处容易泄露的缺点,提出了一种基于区域能量最小和主动轮廓模型的医学目标提取模型。这一基于目标灰度统计概率和水平集的主动轮廓分割模型,把能量函数表示为在目标区域内对像素点属于目标概率的积分,并在水平集框架下对能量函数最小化,得到分割的迭代方程;同时,通过附加的速度约束项,使得主动轮廓在越过目标边缘时降低速度,大大提高了分割的收敛性和准确度。通过大量冠状动脉和二尖瓣的分割实验以及与几种传统主动轮廓模型和手工提取的比较,表明该模型在医学图像分割方面的健壮性、准确性和有效性。     

基于活动轮廓的多分辨率自适应图像分割

本文在活动轮廓模型的基础上,提出了一种自适应图像分割方法,引入了新的图象统计信息、梯度信息有关的加权外部能量,使得分割结果与模型的初始位置无关,不受噪声影响;利用ACD方法使模型自适应地改变其拓扑结构;为了提高图象分的速度和鲁棒性,提出了多分辨率图象分割算法,利用该方法对一些形状、拓扑结构复杂的物体进行了分割实验,结果验证了该方法有效性。     

The Velocity Snake: Deformable Contour for Tracking in Spatio-Velocity Space

We present a new active contour model for boundary tracking and position prediction of nonrigid objects, which results from applying a velocity control to the class of elastodynamical contour models, known as snakes. The proposed control term minimizes an energy dissipation function which measures the difference between the contour velocity and the apparent velocity of the image. Treating the image video-sequence as continuous measurements along time, it is shown that the proposed control results in robust tracking. This is in contrast to the original snake model which is proven to have tracking errors relative to image (object) velocity, thus resulting in high sensitivity to image clutter. The motion estimation further allows for position prediction of nonrigid boundaries. Based on the proposed control approach, we propose a new class of real time tracking contours, varying from models with batch-mode control estimation to models with real time adaptive controllers.     

一种改进型多尺度DDCM主动轮廓模型边界检测算法

尽管主动轮廓模型 (Active contour model) ,或称 Snakes,近年来已经在计算机视觉和图象处理领域得到了广泛的应用 ,尤其在边界检测方面也表现出良好的性能 ,但是由于传统的 Snakes图象边界检测对初始轮廓线的位置十分敏感 ,因而限制了它的更广泛应用 .为了克服这一问题 ,提出了一种改进型多尺度 DDCM主动轮廓模型的边界检测算法 ,该算法是首先通过分阶段改变轮廓曲线的内力 ,使轮廓曲线的曲率能自适应地进行多尺度调整 ,进而改变了轮廓线的柔性和刚性 ,使之能够更好地与目标边界匹配 .实验结果证明 ,该算法在计算速度和边界检测精度上 ,均优于传统的主动轮廓边界检测算法 ,因而具有一定的实用价值 .