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Snake的图像分割算法研究

图像分割算法是指从待割图像中提取出感兴趣的目标,以便进行图像分析与图像理解。Snake算法不同于传统的图像分割方法。文中详细介绍了Snake模型的数学机理及离散化方法,最后利用贪婪法实现了Snake算法,并应用与实际图像的分割。     

基于Snake的图像分割算法研究

图像分割算法是指从待割图像中提取出感兴趣的目标,以便进行图像分析与图像理解。Snake算法不同于传统的图像分割方法。文中详细介绍了Snake模型的数学机理及离散化方法,最后利用贪婪法实现了Snake算法,并应用与实际图像的分割。     

一种基于改进的Snake模型的指纹分割算法

通过对Snake模型和指纹图像约束信息和目标形状等先验知识的分析,提出了一种基于改进的Snake模型的指纹分割算法。实验结果表明,基于改进的Snake模型的分割算法较传统的指纹分割有着更高的准确率,具有一定的应用价值。     

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.     

分水岭优化的Snake模型肝脏图像分割

Snake算法是主动轮廓模型的经典算法,是近年来图像分割和视频领域研究的热点。针对Snake模型中存在的初始轮廓敏感和能量函数中曲率约束不足等问题,提出将分水岭变换和主动轮廓模型相结合的主动轮廓分割算法。首先通过引入标记函数和强制最小值技术解决传统分水岭变换可能导致的过分割问题,然后利用改进的强制标记分水岭算法优化Snake模型的初始轮廓曲线,最后通过在Snake模型中增加一项与曲线形状相关的外部力弥补能量约束函数中曲率约束的不足,从而实现更精确的图像分割。改进后的Snake模型应用于腹部MR图像中,对肝脏图像的识别和分割取得了良好效果。     

基于改进Snake模型的肺部图像分割

肺实质分割是基于CT图像的计算机辅助检测技术必不可少的步骤。针对现有活动轮廓模型对初始位置敏感、深度凹陷区域分割不准确和抗噪性差等缺点,提出了一种基于改进Live-Wire算法确定Snake模型初始轮廓的交互式分割方法。该方法结合并改进Live-wire算法和一般的阈值法对图像进行预分割,将得到的边缘作为Snake模型的初始轮廓,通过Snakes模型演化得到肺实质轮廓结果。实验结果表明该方法能快速地对肺部图像进行分割,与传统方法相比具有人工交互次数减少、抗噪音性好、更具鲁棒性和效率性的优点。     

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。     

基于改进Snake的多目标分割算法

为了实现对包含在一个Snake区域内的多个目标进行分割的目标,对传统Snake算法进行了改进,抛弃了与轮廓的弹性力和弯曲力有关的内能,由图像的相对黑像素点数构成图像力.变形中追求图像力的最大值,找到了使Snake收缩变形的方法.针对收缩过程中自身缠绕问题提出了判别方法,这种判别方法也即本研究的分裂方法,从而使Snake具有演化分离的功能,即每一个目标都被一个Snake包围分割.试验结果表明,变形后的模型具有如下的特点:能够分割多目标,图像力能量项物理意义直观清晰,且易于实现,对初始轮廓不太敏感,收敛速度快,具有一定的价值.     

一种基于PSO与OSTU的改进絮体分割算法

介绍了图像分割中常用的直方图法、迭代法、经典大津法的阈值选取原理,然后对水处理混凝过程中的絮体图像进行分割对比实验,结合絮体运动特点和水处理实时性的要求,提出了一种基于粒子群优化(PSO)与OSTU的絮体图像分割的改进算法,即先通过灰度拉伸以增强图像灰度对比,再利用PSO算法的全局搜索能力来改善OSTU方法的阈值选取时间,求出分割阈值.实验表明:该算法能实现絮体图像的准确、快速分割,达到实时计算絮体等效粒径和数量的要求.     

基于Snake模型的图像分割新算法

针对目前基于Snake模型的图像分割算法普遍存在噪声鲁棒性差、适用范围受限、易发生弱边缘泄露以及轮廓曲线难以收敛到细小深凹边界的缺陷,提出了一种基于Snake模型的图像分割新算法。首先,选取新的扩散项代替具有各向同性光滑作用的拉普拉斯算子;其次,引入p-拉普拉斯泛函到平滑能量项中强化法线方向外力;最后,利用边缘保护项使外力场方向与边缘方向一致,以防止弱边缘泄漏并促使轮廓线收敛到细小深凹边界。实验结果表明,所提模型不仅克服了现有基于Snake模型的图像分割算法的缺陷,具有更好的分割效果,明显提高了抗噪性能和角点定位精度,而且耗时更少,适用于噪声图像、医学图像以及含有很多弱边缘的自然图像分割。     

基于改进的Snake模型的脑部MR图像分割方法

为实现对脑部磁共振图像的分割,提出了一种改进Snake模型的图像分割方法。通过引入轮廓中心的概念,在贪婪Snake模型的能量函数中增加距离势能作为外部约束能量,增大了外能的吸引范围,使分割结果不依赖于初始轮廓;对各能量项进行归一化操作,并以归一化扩散方程各分量的梯度矢量流代替MR图像的梯度,提高了模型处理弱边界和深度凹陷区域的能力;对各能量函数的离散化和参数的选择进行了阐述。实验结果表明,该算法是一种有效的分割脑部MR图像的方法。     

基于Ant-Tree聚类算法的图像分割

图像分割可以看作对具有不同特征的像素进行聚类的过程。综合考虑像素的灰度、梯度及邻域等特征,将Ant-Tree聚类算法引入图像分割中。针对Ant-Tree算法的聚类结果信息冗余的缺点,采用了一种改进的树结构模型来提高聚类速度。此外,还提出了一种新的初始化方法,结合K-means算法动态修正聚类中心,提高了聚类准确度和算法的鲁棒性。实验结果证明改进的Ant-Tree算法可以快速准确地分割出目标,是一种非常有效的图像分割方法。     

基于微粒群算法的灰度图像阈值分割的改进

为了充分利用灰度图像的灰度信息和空间信息,提高分割精确度和最优阈值的求解速度,提出一种基于微粒群算法的阈值分割方法--PSO-SDAIVE算法.该算法对传统的二维直方图进行改进,生成差值属性灰度直方图,同时对灰度均值和二维熵的计算进行改进,生成空间差值属性信息值熵(SDAIVE),最后用微粒群算法搜索SDAIVE的最大值.在实验中,对头部CT图像进行分割,实验结果表明,这种分割方法能精确地获得分割阈值,并有很好的抗噪声能力,节省计算时间.     

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.     

基于PSO算法的图像分割方法

针对大多数图像分割方法计算量大、不利于实时处理的缺点,提出用微粒群算法（PSO）优化最小误差分割方法.该方法不但具备最小误差分割法受目标和噪声影响小以及对小图像分割效果好的优点,还克服了遗传算法等加速算法需要预先设定众多运行参数,受目标变化影响大的问题.图像分割的效果和速度得到了提高,性能也更加稳定.实验结果反映了该方法的有效性.     

基于PSO的模糊C-均值聚类算法的图像分割

根据粒子群优化算法（PSO）强大的全局搜索能力,提出了用PSO算法优化模糊C均值聚类（FCM）的聚类中心的方法,有效地避免了传统的FCM对初始值及噪声数据敏感,容易陷入局部最优的缺点,同时图像分割的效果也得到了提高,性能也比传统的FCM方法更加稳定。实验结果反映了该方法的有效性。