积分投影与活动轮廓相结合的人眼疲劳识别

提出积分投影与活动轮廓相结合的方法识别人眼疲劳。使用活动轮廓检测眼睛,计算轮廓倾斜度并旋转摆正眼睛图片。对眼睛区域进行垂直积分投影计算,生成垂直积分投影二值波形。计算波形的3个特征值,识别眼睛张开或闭合状态。实验结果证明,该方法具有简单、有效和快速等优点,并可适用于人眼倾斜的情况。     

基于视觉感知的图形化人机交互界面分层模型

由于传统方法没有通过特征提取方法获取图像关键滤波纹理系数,导致人机交互界面图像存在增强效果不佳,非平缓区域、曲面区域等不同层次信息量不丰富的问题,为解决上述问题,设计了基于视觉感知的图形化人机交互界面分层模型.构建图像处理模型,采用边缘轮廓特征提取方法,获取关键滤波纹理系数与边缘轮廓信息分量等特征信息.使用层次分析方法对交互界面视觉传达效果进行优化.以交互界面各个区域视觉感知强度和边缘轮廓内视觉感知元素重要度为基础,建立基于视觉感知强度的图形化人机交互界面分层优化模型,并通过遗传算法求解该模型,实现图形化人机交互界面的分层优化.实验结果显示,上述模型的图像亮度增强效果更优,符合人眼视觉感知要求;信息熵始终处在较高数值,具有较好的图像融合效果,信息量丰富.     

基于图像处理方法的人眼动姿态识别技术的研究

传统的获得人眼动姿态技术一般需要利用机械装置或是电极、镜片等直接与眼睛接触,给被试者的眼睛带来不适,具有很大的局限性。提出了基于图像处理方法的人眼动姿态识别技术。首先利用摄像机拍摄人脸图片,再利用水平差分和改进的垂直积分投影实现了人眼位置粗定位。在此基础上,采用了Harris角点检测方法寻找内外眼角,并提出基于Susan模板的差分极大值角点筛选方法来筛选出最佳内外眼角,最后提出了一种基于眼球低灰度值特征的分析方法确定眼球左右移动的姿态。提出的人眼动姿态识别技术具有定位准确率高、速度快、对人眼无伤害等优点,为人眼动姿态识别技术的应用提供了新的途径。     

基于最大熵分割和肤色模型的人眼定位

人眼定位是进行虹膜识别、视线跟踪、眼睛状态分析等的首要任务,为此提出一种基于最大熵分割和肤色模型的人眼定位方法。利用最大熵分割法对图像进行分割,获得人眼候选区域。建立YCbCr肤色模型,将其作为人眼定位的约束条件以排除非人眼区域,通过形态学运算准确定位人眼。仿真实验表明,该方法对人眼定位准确,并对背景、头部偏转角度等细节具有较好的适应性,运算速度较快。     

一种在红外图像中定位人眼的方法

提出了一种新型快速的在红外图像中进行眼睛定位的方法.该方法由两部分组成:首先,通过同态滤波增强图像的对比度,使用改进的迭代阈值算法和积分投影函数获取人脸,根据人眼和人脸的几何特征,获取大致的人眼区域;其次,通过自适应中值滤波算法和迭代阈值法获取最小人眼块,利用最小人眼块的质心和积分投影最终准确定位眼睛.实验表明:所提出的算法是快速和可靠的.     

基于Kinect传感器的瞳孔定位算法

传统算法通常需在头部稳定或光线明亮的情况下进行,较难在自然条件下对多姿态头部运动时的人眼进行跟踪。针对该问题,提出基于Kinect传感器的瞳孔定位算法,使用三维主动表观模型（ AAM）对眼轮廓匹配得到眼部特征点,粗定位分割出眼睛,再对瞳孔进行精确定位。实验表明：在多姿态与头部带有遮挡物的情况下仍能较好地跟踪和定位人眼。     

基于Hough变换和梯度信息的人眼视线方向估计

本文主要研究使用廉价的摄像头进行人眼视线方向估计,所采用的方法是在眼部特征分析的基础上引入边缘梯度方向信息.首先对人眼模型进行讨论,并在样本分析的基础上提出了新的眼睛模型.作为眼睛模型的组成部分,上眼睑、内外角点和虹膜检测所采用的技术是基于梯度信息的Hough变换.根据所定义的视线模型和眼部特征分析,人眼视线方向就可以得到有效的估计.将所提出的人眼视线方向估计算法应用于实时视线跟踪系统,并通过凝视点标定、估计结果分类和错估率统计等方法对算法性能进行考察,结果表明所提算法在低分率的图像条件下具有更高的估计精度.     

基于人眼鼻孔特征的眼动跟踪方法

提出了一种基于人眼鼻孔特征跟踪眼动的算法。首先利用Adaboost的层叠式分类器定位人脸、眼睛和鼻子;然后采用梯度Hough变换检测圆的方法精确定位瞳孔虹膜;最后利用几何方法建立椭圆跟踪模型,实现瞳孔的快速跟踪。实验结果表明,该方法定位眼睛嘴角快速准确,同时对眼睛的跟踪具有较好的鲁棒性和实时性。     

采用测地线活动轮廓模型检测与跟踪运动目标

水平集几何活动轮廓模型能较好地适应曲线的拓扑变化.为了跟踪和获取刚体和非刚体运动目标的轮廓信息,提出了一种基于改进测地线活动轮廓(GAC)模型和Kalman滤波相结合的算法以检测和跟踪运动目标.该算法首先采用高斯混合模型和背景差分获取目标的运动区域,在运动区域内采用引入距离规则化项的GAC模型进行曲线演化,使改进GAC模型在运动目标的真实轮廓处收敛;然后通过结合Kalman滤波预测目标下一帧的位置,实现对目标轮廓跟踪.实验结果表明,该方法适用于刚体和非刚体目标,在部分遮挡的情况下也能保持良好的检测和跟踪效果.     

人眼检测及瞳孔定位

提出一种自动定位瞳孔的方法。该方法利用人眼在人脸的位置分布设置人眼的搜索区域,通过Adaboost（The Adaptive Boosting Algorithm）算法搜索先前设置好的区域,可以得到人眼所在粗略位置,利用图像二值化和Canny算法提取图像轮廓,通过对提取的轮廓进行椭圆拟合即可得到人的眼球中心坐标,即瞳孔的位置。实验结果表明该方法能准确定位瞳孔,对光照、姿态具有一定的鲁棒性。     

基于Snake模型的铁路铸件气孔检测

研究Snake模型在铁路铸件数字化辐射成像(DR)图像气孔缺陷自动检测中的应用,改进初始轮廓点的获取方法。综合运用阈值分割和区域生长方法得到各气孔的重心,依次对其采用一种射线法得到初始控制点,对初始控制点进行收敛和拟合。对仿真图像的实验结果表明,最小检测尺寸为3×3,能较好地收敛到目标的凹陷区域;对实际铁路铸件DR图像检测的实验结果表明,该方法能准确得到检测区域内多个气孔缺陷的轮廓,不会检测出伪缺陷,具有较高的自动化程度。     

Segmentation of the left ventricle in cardiac cine MRI using a shape-constrained snake model

Segmentation of the left ventricle (LV) is a hot topic in cardiac magnetic resonance (MR) images analysis. In this paper, we present an automatic LV myocardial boundary segmentation method using the parametric active contour model (or snake model). By convolving the gradient map of an image, a fast external force named gradient vector convolution (GVC) is presented for the snake model. A circle-based energy is incorporated into the GVC snake model to extract the endocardium. With this prior constraint, the snake contour can conquer the unexpected local minimum stemming from artifacts and papillary muscle, etc. After the endocardium is detected, the original edge map around and within the endocardium is directly set to zero. This modified edge map is used to generate a new GVC force filed, which automatically pushes the snake contour directly to the epicardium by employing the endocardium result as initialization. Meanwhile, a novel shape-similarity based energy is proposed to prevent the snake contour from being strapped in faulty edges and to preserve weak boundaries. Both qualitative and quantitative evaluations on our dataset and the publicly available database (e.g. MICCAI 2009) demonstrate the good performance of our algorithm.     

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．     

一种新的基于多级混合模型的图像分割方法

本文将统计模型和动态轮廓模型合理有效地集成,提出了一种基于多层混合模型的图像分割方法。应用统计模型能够对目标图像进行快速的定位,但是由于统计方法的应用以及采用基于边缘灰度的搜索匹配方法,使其无法得到精确的轮廓信息。提出通过给动态轮廓模型增加有效参数的方法,进行图像轮廓点之间平滑的控制。该方法可以实现对图像快速、精确的分割。     

MAC: magnetostatic active contour model

We propose an active contour model using an external force field that is based on magnetostatics and hypothesized magnetic interactions between the active contour and object boundaries. The major contribution of the method is that the interaction of its forces can greatly improve the active contour in capturing complex geometries and dealing with difficult initializations, weak edges and broken boundaries. The proposed method is shown to achieve significant improvements when compared against six well-known and state-of-the-art shape recovery methods, including the geodesic snake, the generalized version of GVF snake, the combined geodesic and GVF snake, and the charged particle model.     

Snake模型初始轮廓选取的研究

针对Snake模型处理复杂背景图像时的初始轮廓自动选取问题,该文采用分水岭算法先对图像进行分割,并将得到的边界作为Snake模型的初始边缘轮廓。由于分水岭算法具有将目标物体从复杂背景中分割开来的优点,使得在应用Snake模型对复杂图像进行分割时减少了人工的干预。经过实验对比,采用分水岭算法对玉米秸秆图像进行边缘轮廓的提取能达到较好的效果,为自动进行Snake模型的计算提供了一种较好的初始轮廓处理方法。     

边缘检测和Snake Model结合的轮廓识别

基于主动轮廓识别和被动轮廓识别方法各自的优缺点,提出结合主动和被动的方法,先对图像进行被动轮廓的预处理,然后再应用主动轮廓的方法,通过比较选出Canny算子进行预处理,再通过基于概率的方法分割图像,最后再应用Snake模型进行轮廓提取。并取得较好的应用。     

Fast Global Minimization of the Active Contour/Snake Model

The active contour/snake model is one of the most successful variational models in image segmentation. It consists of evolving a contour in images toward the boundaries of objects. Its success is based on strong mathematical properties and efficient numerical schemes based on the level set method. The only drawback of this model is the existence of local minima in the active contour energy, which makes the initial guess critical to get satisfactory results. In this paper, we propose to solve this problem by determining a global minimum of the active contour model. Our approach is based on the unification of image segmentation and image denoising tasks into a global minimization framework. More precisely, we propose to unify three well-known image variational models, namely the snake model, the Rudin–Osher–Fatemi denoising model and the Mumford–Shah segmentation model. We will establish theorems with proofs to determine the existence of a global minimum of the active contour model. From a numerical point of view, we propose a new practical way to solve the active contour propagation problem toward object boundaries through a dual formulation of the minimization problem. The dual formulation, easy to implement, allows us a fast global minimization of the snake energy. It avoids the usual drawback in the level set approach that consists of initializing the active contour in a distance function and re-initializing it periodically during the evolution, which is time-consuming. We apply our segmentation algorithms on synthetic and real-world images, such as texture images and medical images, to emphasize the performances of our model compared with other segmentation models. Research supported by NIH U54RR021813, NSF DMS-0312222, NSF ACI-0321917 and NSF DMI-0327077.     

基于预测和粒子滤波的运动目标跟踪算法

本文提出了一种改进的基于预测和粒子滤波的运动目标跟踪算法,在预测算法的基础上,结合GVF-SNAKE理论和粒子滤波器,实现了对运动目标的准确跟踪。本算法首先根据预测算法得到目标初始预测轮廓,把初始预测轮廓上的每个蛇点作为一个目标,利用粒子滤波算法对各蛇点分别进行预测,得到各蛇点的最终预测轮廓,从而实现了运动目标的准确跟踪。实验结果表明,本文算法能够对运动目标进行准确的跟踪,并具有较强的抗遮挡能力。     

基于Snake模型的植物叶片面积计算方法

为对植物叶片面积进行准确测量,提出一种通过Snake模型提取叶片轮廓,并在叶片轮廓基础上计算面积的方法。对传统Snake模型进行改进,定义HSI空间的颜色梯度作为Snake的外部能量函数,将提取出的角点作为初始轮廓的顶点,通过自适应增加或减少顶点来设置Snake的初值。利用改进的Snake模型提取叶片轮廓,在叶片轮廓链码表的基础上计算面积。实验结果表明,与Image J软件中计算叶片面积的方法相比,该算法的测量精度更高。