GVF Snake模型中一种新的初始轮廓设置方法

通过对梯度矢量流（GVF）力场迭代和轮廓收敛过程中时间开销大、不能逼近较复杂轮廓等不足之处的分析,提出了一种新的初始轮廓线的设置方法。基于小波变换的多尺度轮廓检测算法,能够较精确地定位出各类轮廓,在此基础上设置的初始轮廓线能够非常好地靠近图像中的各种真实轮廓。实验结果表明,此方法有效地缩小了搜索的范围,减少了GVF迭代次数,提高了轮廓收敛的速度,并保留了GVF Snake模型的所有优点。     

GVF Snake模型时间复杂度的研究

对使用GVF Snake动态轮廓模型算法中两次迭代的时间复杂度进行了统计计算,并进行了力场分析,在此基础上对初始轮廓线设定位置进行了研究。实验结果表明,初始轮廓线的设置应避免跨越能量极小值,此时可以得到比较好的提取效果。GVF力场迭代的次数和轮廓逼近次数与时间成正比。     

基于多尺度小波边缘检测改进GVF snake的颈部淋巴结超声图像轮廓提取

提取超声图像的轮廓对医学诊断有着积极意义。然而,由于超声图像具有目标与背景间对比度低、信噪比低等特点,以往的边缘检测算法在解决图像噪声、精确定位边缘以及获得连续光滑的边缘线之间的矛盾均未得到理想的效果。GVF snake能较好地解决以上矛盾,且具有更大的捕获范围和更强的凹陷域收敛性。但GVF snake初始轮廓线需手工勾勒,不仅比较繁琐,而且目标提取的结果在很大程度上受人工初始化的影响。为此,提出一种多尺度小波变换模极大值与GVF snake算法结合的方法来提取颈部淋巴结超声图像轮廓。该方法首先运用小波变换模极大值多尺度边缘检测算法得到目标图像的边缘图,再在边缘图上分别选取上、下、左、右四个不同方向若干个特征点,即可自动获得较为客观的初始轮廓线,最后利用GVF snake模型提取图像的精确轮廓。实验表明该方法能得到目标图像连续光滑的轮廓线,同时比GVF snake提取的轮廓更加精确,更能反映轮廓的局部细节。此外,由于初始轮廓更加接近给定图像的真实边缘,从而减少了梯度矢量流力场迭代(GVF)次数,提高了轮廓的收敛速度。     

一种基于图割与GVF Snake的凹型目标快速提取算法

将图割理论与GVF Snake模型有机结合,提出了一种凹型目标的快速提取算法。首先用图割算法对初始轮廓线迭代变形,使其在快速提取非凹型段目标边界的同时将轮廓线有效地置于梯度矢量流力场的“有效逼近域”内,然后用GVF Snake算法继续对轮廓线迭代变形,提取凹型段目标边界。实验表明,该算法能快速、准确提取凹型目标。     

基于GVF Snake模型的舌体轮廓实时自动提取

正确快速分割舌体轮廓是中医舌诊实时系统的重要前提.针对Snake算法中初始轮廓设置复杂,以及Snake模型因力场迭代次数过多而造成运行时间过长的问题,提出了一种新的舌体轮廓提取方法.该方法首先利用舌体的RGB值的特殊性,提取出增强的舌体区域的大致轮廓,然后计算出增强的舌体区域的梯度矢量流力场,最后根据该GVF力场的分布规律,自动寻找并获取到非常贴近初始轮廓的Snake轮廓线.实验表明,使用该方法,舌体轮廓分割能在2秒钟内完成,满足了中医舌诊系统的实时性.     

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。     

Snake活动轮廓在组织培养细胞分割中的应用

在组织工程培养细胞图像检测中,需要得到较完整的清晰轮廓线以获取生长信息。为了适应这种需求,提出了一种基于Snake算法自动边缘检测算法。应用基于小波的尺度独立边缘检测方法,可以得到简洁的边缘;采用形态学和样条拟合方法得到的单像素的边界作为Snake算法的初始轮廓,通过迭代和结合图像固定点的外部约束力使轮廓收敛到最终的边界。实验结果证明了该算法的可行性和有效性。     

一种改进的快速轮廓线提取算法

文章针对传统主动轮廓模型对噪声敏感,初始位置敏感和收敛速度慢等不足,提出了一种基于PSO和GVF的快速轮廓线提取算法。首先利用PSO对轮廓控制点进行寻优,使之快速地收敛到图像的边缘附近;然后利用插值算法,得到目标图像的较粗糙轮廓,以此目标轮廓作为下一步GVF收敛的初始位置,最后得到准确的轮廓线。实验结果表明该算法不仅能对图像轮廓线进行准确的提取,而且具有一定的抗噪性能,易于实现,速度快等特点。     

一种基于断点处边缘方向保持假设的闭合轮廓提取方法

文中提出了一种新颖的闭合轮廓提取方法.分析了当GVF Snake模型处理边缘断裂的图像时,存在无法提取目标原始轮廓信息,尤其是目标边角信息的问题.在GVF外力场演化的能量模型的基础上,基于保持断点处边缘原方向的假设,提出了一种新的具有边角保持特性的能量模型,由此模型得到了边角保持GVF(CP-GVF)外力场.CP-GVF外力场解决了当目标轮廓发生断裂时断点对于GVF外力场的影响问题,能够根据断点处的边缘方向信息,以保持该边缘方向的方式恢复目标轮廓中丢失的边角信息,从而恢复这类目标的原始形状.不同边缘结构的仿真图像和真实图像的实验结果验证了算法的性能.     

圆形运动目标的快速检测方法研究

实现对圆的快速轮廓检测,是进行圆形运动目标跟踪与定位的前提。针对圆形目标在成像时发生形变而难以准确检测其外形轮廓的问题,提出一种将随机霍夫变换(RHT)和梯度矢量流主动轮廓模型(GVF Snake)相结合的圆形运动目标检测方法。首先利用改进的随机霍夫变换快速获取目标初始轮廓,解决GVF Snake的初始轮廓自动设置问题,然后基于GVF Snake的轮廓逼近能力,解决传统方法中出现的目标轮廓丢失问题,准确完整地提取目标的真实边界。实验结果表明,该方法有效克服圆形目标的形变,能够快速地提取目标轮廓,具备圆形运动目标的实时检测能力。     

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.     

基于改进的GVF Snake模型CT图像轮廓提取技术

CT图像轮廓提取是逆向工程中的关键技术之一,由于基于边界检测算法很难提供一条连续的无间断的边界轮廓。采用一种改进的GVF Snake算法,首先通过人工取点,B样条拟合的方法,提取其初始轮廓,再利用改进的GVF Snake方法进行边界轮廓逼近,以获得比较精确的叶片边界轮廓,克服了传统活动轮廓模型梯度势能场捕捉范围小的缺点,并通过实验证明了该方法的有效性。     

图像分割算法在胃溃疡图像上的应用

主要研究了对胃溃疡图像中溃疡轮廓进行精确提取的问题。首先要解决对胃溃疡图像进行图像分割时,复杂多变的背景噪音对分割效果的影响,利用小波变换的多尺度特性对胃溃疡图像进行边缘提取,获得不同尺度下的边缘提取图。通过不同尺度下的边缘效果和溃疡边界的连通性,将不同尺度下获取的边缘再次进行对比和提取,把降低噪音的影响和保持边界连续性有效的统一起来,得到效果更佳的边缘提取图。同时利用梯度矢量流模型将轮廓收敛至溃疡的边界上,并对轮廓内的面积进行计算得到溃疡的面积。计算结果显示,利用小波变换和梯度矢量流模型后得到的溃疡面积,已经能够达到临床医学的要求。     

基于二进小波变换的主动轮廓模型

针对传统的主动轮廓模型对噪声敏感的缺陷,在推广梯度矢量流的基础上,提出了基于二进小波变换的改进外力场的计算方法.通过综合利用图像小波分解的高频信息,迭代计算获得其外力场,使蛇在图像的多尺度空间中搜索目标轮廓.针对蛇模型对初始轮廓的依赖性问题,给出了在一维最大熵阈值分割后的图像上获取初始轮廓点的方法,减少了人工的干预,加快了蛇的收敛速度和效果.实验结果表明该模型能有效地排除噪声的干扰,搜索凹陷轮廓,而且对脆弱轮廓有很好的逼近能力.     

基于二进小波变换的多尺度图切割方法

针对传统多尺度图切割方法进行图像边缘轮廓提取时仅采用高斯低通滤波和一阶微分求导,而忽略轮廓精度的缺陷,提出利用二进小波变换的方法进行多尺度边缘检测。在建立多尺度相似矩阵的过程中,根据每层小波的特性直接对各个尺度的相似矩阵进行构造,有效地减少了求解相似矩阵的运算复杂度,降低了内存消耗。实验结果表明,该方法与传统多尺度图切割方法相比具有更好的分割效果。     

基于智能方法的丝状异纤分离关键技术研究

针对异纤分离器存在的主要问题,指出提高异纤的检出率需要采取的综合措施,提出了异纤分离判断和评价的指标及计算、考核、测试方法,基于智能方法研究清除头发丝等难以分离异纤的关键技术,提出了基于多尺度小波和模糊方法的棉花异纤检测算法。首先对图像进行多尺度小波变换,旨在检测各类异性纤维的线爷边缘。把线条边缘的尺寸映射到隶属度空间,对隶属度求和,与阈值比较完成线务识别,可以抑制棉花图像纹理的干扰。实践证明,该算法较之常规识别算法能够较好识别丝状异纤,满足了工业的需要。     

Adaptive diffusion flow active contours for image segmentation

Gradient vector flow (GVF) active contour model shows good performance at concavity convergence and initialization insensitivity, yet it is susceptible to weak edges as well as deep and narrow concavity. This paper proposes a novel external force, called adaptive diffusion flow (ADF), with adaptive diffusion strategies according to the characteristics of an image region in the parametric active contour model framework for image segmentation. We exploit a harmonic hypersurface minimal functional to substitute smoothness energy term in GVF for alleviating the possible leakage. We make use of the p(x) harmonic maps, in which p(x) ranges from 1 to 2, such that the diffusion process of the flow field can be adjusted adaptively according to image characteristics. We also incorporate an infinity laplacian functional to ADF active contour model to drive the active contours onto deep and narrow concave regions of objects. The experimental results demonstrate that ADF active contour model possesses several good properties, including noise robustness, weak edge preserving and concavity convergence.