基于可变形模型的轮廓提取方法与应用

基于可变形模型的轮廓提取方法是目前研究的热点。从几何表达,图像势能及优化方法三个方面对基于可变形模型的轮廓提取的理论研究及进展进行了综述,并介绍了其在医学图像、脸部特征以及航空影像等方面的应用研究。最后对可变形模型及其在轮廓提取方面的应用进行了总结和展望。     

基于支持向量机的肿瘤形状特征分类

当两类中的样本数量差别较大时,支持向量机的分类能力将会下降。该文提出了一种支持向量机新算法——DFP-PSVM,将有约束条件的二次规划问题转换为无约束二次规划问题,并通过优化计算来实现。为了克服传统的蛇形算法不能收敛于边缘凹陷处以及初始化过于敏感的缺点,采用基于可变形模型的梯度矢量流方法,提取了乳腺X光片中的肿瘤区域,分析了3个基于边缘的价矩。将其他肿瘤形状特征作为DFP-PSVM分类算法的特征输入,进行恶性肿瘤和良性肿瘤的计算机辅助诊断。实验表明,在小样本、两类样本数量“严重不均衡”的情况下,该算法有着较强的分类能力。     

计算机辅助诊断中的肿瘤形状特征分类

为了克服传统的蛇形算法不能收敛于边缘凹陷处以及对蛇的初始化过于敏感的缺点,本文提出用基于可变形模型的梯度矢量流方法提取乳腺X光片中的肿瘤区域。在此基础上,提出三个新的基于边缘的价矩,和其它肿瘤的形状特征作为改进的支持向量机分类法的特征输入,进行恶性肿瘤和良性肿瘤的计算机辅助诊断,取得了良好效果。     

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。     

基于可变形部件模型的台标识别方法

背景变化复杂、部分台标相似度高、拉伸变形等因素增加了台标识别的难度,降低了识别的准确率。为此,本文提出了一种鲁棒的基于可变形部件模型的台标识别方法。首先,依据台标特性,利用合适的颜色特征对可变形部件模型的特征进行了改进和增强。其次,利用隐式支持向量机和隐式线性判别分析技术加速台标识别模型训练。然后,为了弥补可变形部件模型的不足,设计了一种基于加权部件的计算方法。最后,提出一种新的可靠机制进行准确率评价。实验结果表明,与基于方向梯度直方图和支持向量机的识别方法相比,该方法具有更高的识别准确率,性能更加稳定。     

基于可变形模型及区域流向分析的等高线自适应矢量化算法

等高线的矢量化一直是地形图自动识别的难点之一．该文对目前图纸矢量化算法进行了总结分析,根据等高线本身所具有的特征,结合人眼对等高线跟踪提取的特点,提出可变形模型跟踪矢量化算法．算法通过初始种子段的生成、可变内力控制及区域流向分析,直接在原地形图上实现等高线的自动矢量化及断点、粘连点的处理．实验证明该方法行之有效且具有很好的稳定性．     

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。     

动画柔性可变形物体的弹簧模型研究

连续变形模型通常用控制点网格表示，用这些点间的相互作用模糊弹性属性。该文给出了一个可变形弹簧模型和动画布料的弹力公式，在公式中将布料属性当作外部弹力考虑，可适当适当地设置布料的弹性属性，简单地考虑模型点间的相互作用，较精确地描述布料的行为。     

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．     

基于梯度矢量流主动轮廓模型的等高线提取算法

为了提取彩色地形图上的等高线,首先把RGB颜色空间转换为HSV颜色空间,对彩色地形图进行分色,以获得棕色等高线的二值图像;然后利用数学形态学的方法对二值等高线图像滤波,消除等高线线体内的孔洞.利用梯度矢量流主动轮廓模型在等高线二值图像上直接提取未经细化的等高线,并结合等高线断裂区域的等高线流向场连接断裂的等高线.最后验证了文中算法的有效性.     

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。     

一种基于区域划分的DTN路由算法

在DTN网络组成的无向图中,随机运动节点的运动范围会在一段时间内局限在某个连通度高的区域,因此在该时间段内节点应优先处理目标接收节点 与其同区域的消息,而其离开该区域时,应优先交互接收节点在其它区域的消息。由此,提出基于区域划分的DTN路由算法。该算法使用随机实验的方法实现对DTN网络无向图的区域划分,并以节点自身所在区域及消息接收节点所在区域作为消息中转的依据实现DTN消息的路由。实验结果表明,该算法与PRoPHET、Epidemic、SAW相比,能达到较高的消息传输率,并有效降低消息副本的传输与复制。     

多尺度区域增长的肿瘤区域分割方法

数字化的医学图像在早期临床诊断中具有重要的意义。肿瘤形状分析是区分良性肿瘤和恶性肿瘤的重要方法之一。对乳腺肿瘤检测的最终结果很大程度上依赖于对肿瘤区域的分割。为了对肿瘤区域进行特征的提取和识别,首先需要把待处理的肿瘤区域从背景中分离出来。论文使用多尺度区域增长的图像分割技术实现肿瘤分割及肿瘤边缘的准确定位,该方法具有精度高、鲁棒性强等优点。实验结果表明,效果非常理想。     

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.     

基于核图割模型的肝脏CT图像肿瘤分割

计算机断层成像(CT)对疾病的确诊意义重大,在医学图像的自动检测中应用较多的模型为图割模型,但传统图割算法严重依赖于对复杂区域进行大量建立的模型,运算复杂且不利推广。为此,在传统图割理论基础上引入核函数,提出一种基于核图割模型的肝脏CT图像肿瘤分割算法。通过核函数将原始数据映射到高维空间,并在高维图像数据空间用图割理论对CT图像的肝区与肿瘤区域进行分割,以提取疑似肿瘤区域,解决传统图割模型中需要依赖人机交互和对复杂区域建模困难等问题。由Mercer定理得出,核空间的点积运算不需要显式指定图像各区域的具体模型,进行核推广后克服了传统模型通用性不强的弱点。利用临床CT图像数据对该算法进行分割实验,结果表明,基于核推广后的图割算法能够有效对肿瘤和肝区进行分离,可应用于临床实际中作为肿瘤辅助诊断手段。     

基于BFGS计算力场的GVF Snake模型及其应用实现

梯度向量流模型(GVF Snake)在图像处理领域取得较好的效果.但它简单的迭代运算方法,其收敛速度慢,限制了其应用.针对梯度向量场的计算,提出一种基于BFGS算法求解力场的方法,给出详细的求解过程并并且通过计算机仿真进行数值求解,最后将改进后的GVF Snake模型用于图像处理.结果表明, BFGS-GVF建立的梯度向量场性能较好.与图像处理中的牛顿几何轮廓算法、CV活动轮廓算法及IALM-GVF Snake算法进行对比, BFGS-GVF Snake算法能得到清晰、光滑的图像轮廓.     

基于可变模型的腹主动脉瘤分割算法

提出了一种基于可变模型的腹主动脉瘤分割算法。它利用相邻两个切片间的相关性以及医学先验知识,可以快速地分割腹主动脉瘤CTA图像序列,并且结果与专家人工分割结果接近。本文将像素点分为三类：边界内,边界点,边界外,这样就直接决定了模型形变方向,大大提高了分割效率。     

基于树形聚类匹配的脑肿瘤自动分割方法

提出一种基于树形聚类匹配的脑肿瘤自动分割方法.为了去除非脑组织对于脑肿瘤定位的影响,首先提出一种新的脑组织提取算法,这种算法无需完整的序列影像,可直接对三维影像数据进行分割.其次对分割后的脑组织影像进行中心定位,建立树形索引匹配结构,采用一种节点匹配算法完成粗分割,最后根据粗分割结果,采用形变模型完成精确分割.算法的特点是无需数据集的训练,能够较为准确的完成脑肿瘤的自动分割,实验结果验证了算法的实用性及可行性.     

基于可变形运动模型的多角色语义化运动合成

对于一个完整的虚拟环境而言,智能的人群运动会使其更为生动、逼真。针对人群运动数据存在维度高、可控性差的问题,提出一种多角色可变形运动模型,其将人体运动分解为几何与时间变化两部分,并使用PCA算法进行有效降维,构建可变形运动模型的低维语义空间。实验结果表明,提出的方法能根据语义需求调节语义参数,实现多角色的语义化运动分析与合成。