基于最小错误率和快速水平集的图像分割

提出一种基于最小错误率和快速水平集的图像分割方法,通过对速度项和停止条件的重新设计,实现了快速而有效的图像分割。算法采用模式分类思想,以统计直方图来近似目标和背景区域的概率密度,对基于最小错误率的判别函数进行平滑滤波以获得外部速度,从而实现曲线的进化;同时,分割过程在分类错误率达到最小时停止。实验结果表明,本文算法对弱边缘、低对比度灰度图像具有较好的分割效果,且具有较强的抗噪性能;在分割速度上,本文算法也明显优于几种已有算法。     

一种全局最优的非匀质图像分割算法

为了解决传统几何活动轮廓模型不能自适应地分割非匀质图像的问题,提出了一种全局优化的非匀质图像分割算法.首先,利用图像经过高斯滤波器滤波后的梯度信息定义了一个新的图像分割能量函数.然后,利用水平集方法扩展该能量函数的定义域,以使该能量函数具有全局最优解.为避免水平集函数的重新初始化过程,在能量函数中引入了一个水平集函数约束项.最后,通过最小化该能量函数,建立水平集函数演化的偏微分方程.对水平集演化方程数值求解,实现对非匀质图像的分割.实验结果表明,该算法不但能自适应地确定曲线演化方向,而且能有效地分割非匀质图像.     

改进的距离正则化水平集演化方法

为了有效地对数字图像中的目标物体进行分割,提出了一种结合人类视觉注意机制的距离正则化水平集演化的图像分割方法,首先,利用数据融合获得视觉注意机制的显著图,进而获得曲线演化的初始轮廓,解决了演化曲线对初始位置敏感及不能自适应地决定向内还是向外运动的问题;然后,利用自定义的图像边缘指示函数,通过优化函数的演化速度参数及噪声敏感度控制参数,加快了曲线演化速度;最后,利用距离正则化水平集演化至目标物体的边界,完成图像分割,仿真结果表明:该方法能够有效地检测单个及多个目标物体的边界,提高了边界定位精度,抗噪能力较强.     

基于水平集的多运动目标检测和分割

针对视频图像的运动分割问题，提出了一种基于水平集方法的多运动目标检测和分割新方法.通过一种基于帧间差分的算法,自动提取初始背景图像，并使用相减法，检测出当前图像中的运动像素.定义了一种新的基于差分图像的局部梯度、目标的方差和背景的方差的速度函数，得到了改进的分割曲线的演化方程，分割出不同的运动目标.在水平集的求解过程，设定了控制演化曲线最终停止在目标边界上的条件，得到了运动目标的边界.实验结果表明，与其他传统方法相比，该运动目标检测和分割方法更有效和具有更好的鲁棒性，能够正确地提取运动目标边界.     

一种快速红外人体轮廓跟踪算法

为实现红外图像序列中人体轮廓的精确跟踪,提出了一种基于快速水平集的新算法.首先,在目标区域及其邻近背景区域带上,而不是在整个图像平面上,采用模式分类中的最近邻决策思想来构建快速水平集算法的速度函数;然后,采用基于动态邻近区域的快速水平集来演化目标边界曲线以实现目标的轮廓跟踪.实验结果表明,该算法能适应目标尺度的变化、目标的分裂或合并,并获得人体的精确轮廓.     

基于半隐差分的单参数水平集快速分割

针对传统水平集方法的模型中参数过多以及分割速度较慢的问题,提出一种新的快速水平集图像分割方法.该方法在Chan-Vese模型中引入惩罚函数项,用水平集函数梯度的模取代Dirac函数并只保留一个长度项中的参数,构造无须重新初始化且具有全局优化的新模型.算法的数值演化中新的半隐有限差分格式的构造缩短了每次迭代时间,而停止迭代判定式的引入提高了分割效率且得到了单参数取值规律.对合成图像、医学图像和视频图像的实验结果表明,该方法迭代步数少,使得分割快速、准确,能够满足视频跟踪的稳定和实时性需求.     

一种新的用于图像分割的活动轮廓模型

为了从灰度异质图像中更好地提取目标,本文提出了一种新的图像分割方法,采用测地时间函数作为局部二值拟合模型的核函数,并结合图像区域的局部灰度信息和全局灰度信息建立能量泛函.同时,符号函数惩罚项的引入避免了符号函数的重新初始化,而曲线长度调整项则保证了曲线演化的连续性和光滑性.通过变分水平集方法最小化新的能量泛函,得到曲线演化的梯度下降流.通过对医学CT图像进行分割实验,证明了该方法的可行性和优越性.     

基于模糊逻辑的图像阈值分割算法

为确定图像分割的最佳阈值,提出了一种新的有效的图像阈值分割方法.该方法首先给出一个新模糊熵的定义,这个模糊熵定义不仅考虑到图像在模糊域中划分区域时随隶属函数变化而变化的情况,同时也考虑到图像在空域中划分区域时随隶属函数变化而变化的情况,这样就使得图像依照最大熵准则变换到模糊域更能够有效地反映图像的固有信息.然后,采用改进粒子群优化算法寻求隶属函数的最优参数,得到分割的最佳阈值,并用该阈值对图像进行分割.将新算法应用于图像分割中,效果优于现有大多数阈值分割算法.     

基于水平集方法的胎儿3维超声图像交互分割算法

针对目前胎儿3维超声成像主要靠经验丰富的医生手动方式来分割母体部分的不足,提出了一种基于水平集演化的3维超声图像交互分割方法.该算法通过构造基于梯度方向和大小的演化控制函数来找到处于零水平集的物体边界,为了将水平集方法应用于3维超声,提出窄带方案将演化过程限定在与初始态曲线等距的2条曲线中,而不是在每次演化中更新3维图像中的每个点,提高了分割的速度和精度.实验中使用2种不同来源的超声图像集,它们是来自于不同位置、不同方向、不同时期的胎儿30幅图像.结果显示,该方法能对3维胎儿超声图像进行快速准确的分割,在处理器为dualcore 2.0 GHz的机器上能在5 s内完成对像素大小为255×255×128的图像进行分割.     

基于几何主动轮廓模型的图像分割方法

为改善传统水平集方法对初始轮廓极其敏感、对复杂图像分割不准确的缺陷,提出一种改进的几何主动轮廓模型分割新方法,构造了新的边缘终止函数,在曲线演化过程中应用可变权系数,算法不依赖轮廓的初始位置,演化曲线也能快速地转化为目标边界.此外,该方法可以识别包含内边界的对象,多目标与尖角边界分割结果理想,可应用到医学图像分割.仿真表明:分割结果的J系数在0.91以上,D系数不低于0.95,算法准确性高.     

LBM craniocerebral MR 3D medical image non-rigid registration method

In order to improve the performance of the 3D medical image non-rigid registration method, a new LBM (Lattice Boltzmann Method) craniocerebral MR 3D medical image non-rigid registration method is proposed. The 3D medical image registration process is converted into the flow process of the viscous fluid, the deformation force driving pixels are generated by using two-image gray level difference, and the pixels deformation trajectories are simulated under the control of external force by use of the LBM equation. The LBM equation of the compressible viscous fluid with a control force is set up, meanwhile the boundary conditions and the differential homeomorphism conditions are defined. Experimental results show that this method has the better performance than the similar methods.     

自然场景下交通标志检测与分类算法研究

在HSV彩色空间进行颜色分割的基础上,提出一种基于局部特征与模糊规则的交通标志检测算法.为了对检测出的标志进行分类理解,根据交通标志的颜色与形状特征信息进行分层分解,设计多层决策分类系统,并采用J-means聚类分析与PSO算法来优化设计PNN作为其子分类器.对晴天、多云和小雨天气状况下共3000幅图像进行了交通标志识别,该检测算法的检测率分别达到93.28%、90.25%与88.97%;所设计分类器不仅具有精简的结构,而且有较高的分类精度.     

LBM的医学影像非刚体配准新方法

为了提高医学影像的配准性能,利用流体粒子运动可以模拟任意自由复杂形变的特性,将医学影像配准问题转化为粘滞流体力学物理问题,提出了一种基于离散格子玻耳兹曼方法(LBM)的非刚体配准新方法.配准过程是把浮动影像、目标影像和浮动影像的灰度差以及像素点分别视为粘滞流体、外力以及流体粒子,通过LBM方程模拟浮动影像像素点在外力作用下的流动,使影像产生位移场,发生形变.当两幅影像的灰度值接近一致时,外力消失,流体流动停止,影像达到配准.建立了含外力项的粘性可压缩LBM方程,并对边界条件、初始条件和速度模值进行了定义.实验结果表明,文中方法与同类方法相比,配准性能得到了全面提升,提高了配准效率,适合大形变配准场合.     

基于Rough Set和neural network组合数据挖掘

提出了一种基于rough set和neural network的数据挖掘新方法。首先利用粗集理论对原始数据进行一致性属性约简，然后使用神经网络对数据进行学习，并同时完成属性的不一致约简，最后再由粗集对神经网络中的知识进行规则抽取。该方法充分融合了粗集理论强大的属性约简、规则生成能力和神经网络优良的分类、容错能力。实验表明，该方法快速有效，生成规则简单准确，具有良好的鲁棒性。     

融合区域和边界信息的水平集SAR图像分割方法

提出了一种基于区域和边界信息的水平集SAR图像分割方法。该方法根据SAR图像的区域统计特征和边界梯度信息,建立SAR图像分割能量泛函模型;通过最小化能量泛函得到曲线演化偏微分方程;采用水平集方法求解演化方程,实现了SAR图像的分割。分别采用模拟和真实SAR图像对该方法进行了仿真。实验结果表明,该方法能充分利用SAR图像特征,不需要去除相干斑噪声的预处理过程,实现了对图像中目标与背景的正确分割。     

一种基于集合运算的分类规则处理方法

通过分析分类规则与训练集之间的映射关系,采用集合的相关运算寻找特征规则及相应特征集．从而消除分类规则集中存在的冗余,并在此基础上提出了基于集合运算的分类规则处理算法（PASO）。最后,以恒星光谱数据为背帚,实验验证了该方法的正确性和可行性。     

Wavelet Transform Approach to Segment Thermal Image

An efficient multi-threshold approach to segment thermal image is given based on wavelet transform. Thegray-level histogram of original image is obtained. In order to reduce the effect of noise, the gray-level histogram issmoothed by Bezier curve and Bezier histogram is obtained. One dimension stationary wavelet transform is done to thecurvature curve of Bezier histogram. Positions of peak values of curvature curve in wavelet domain are adjusted from"fine-to-coarse" at all scales. The gray level values, which are located in adjusted peak values at all scales, are