一种结合区域梯度的活动轮廓模型

针对多相C-V模型计算复杂性高、对初始轮廓敏感等问题,提出一种结合区域梯度的活动轮廓模型。该模型对演化曲线内部区域使用梯度进行拟合,对演化曲线外部区域使用灰度进行拟合。实验结果表明,相对于多相C-V模型,该模型能快速分割多相图像,对初始轮廓不敏感。     

一种新的活动轮廓图像分割模型

基于区域的局部二值拟合模型在处理灰度不均匀图像方面有较大优势,但其只考虑原始图像灰度的平均统计信息,对于包含大量噪声的图像通常很难获得理想的效果。为克服上述缺陷,提出一种基于原始图像和差分图像统计信息的分割模型。该模型在原始图像灰度统计信息的基础上,加入差分图像信息,分别对原始图像和差分图像构造以高斯函数为核函数的能量方程,并运用梯度下降法求解,驱使活动轮廓向目标边缘演化。实验结果表明,与传统活动轮廓模型相比,该模型能正确提取含有噪声和信噪比低的图像,同时对初始轮廓曲线有更高的鲁棒性。     

基于改进活动轮廓模型的图像分割

针对图像分割中的灰度不均匀和轮廓初始化问题,提出一种基于区域的活动轮廓模型。将图像的全局信息和局部信息作为能量项驱动活动轮廓向目标边缘演化,以有效分割灰度不均匀图像,为保证图像分割的速度和精度,在能量方程中加入长度项和惩罚项,并采用梯度下降法得到该模型的最小化能量方程。实验结果表明,和局部二值拟合模型、局部图像拟合模型相比,该模型能分割灰度不均匀的图像,对初始轮廓曲线大小和位置更不敏感,且分割图像所需的迭代次数、迭代时间更少。     

C-V活动轮廓模型的一个注记

Chan-Vese提出的“无边活动轮廓”模型（C-V模型）是一个著名的基于区域的图像分割模型,它是基于Mumford-Shah泛函和二值PC函数（目标区域取一个值,背景区域取另一个值）解决图像分割问题的。在C-V模型中,定义能量泛函的面积项的系数被要求为非负值,这个要求限制了模型适用的范围。实验研究表明：面积项系数取负值时,C-V模型能够分割某些原来不适用的图像。     

一种引入Chebyshev距离的改进的无边活动轮廓模型

无边活动轮廓模型(C-V模型)是水平集分割方法中的一种经典模型.传统的无边活动轮廓模型将灰度同质作为区域分割准则,这使其对于仅含两个同质区域且灰度变化不大的图像能够取得很好的分割效果,但对灰度渐变图像分割时,该模型往往无法得到正确结果.本文针对这一问题,通过引入Chebyshev距离构造一种新的相似度,以此来表征演化曲线内外灰度差异,修改了传统无边活动轮廓模型中均值取值的定义,使得演化曲线在图像灰度变化缓慢区域获得较大的驱动力.新模型克服了传统无边活动轮廓模型不能正确分割灰度渐变图像的不足.实验对比及分析表明,新模型能够更准确地分割灰度渐变图像,同时对噪声有一定的鲁棒性.     

结合全局和局部信息的活动轮廓模型

利用全局信息的C-V模型对轮廓初始化和噪声不敏感,但不能分割灰度不均的图像;利用局部信息的RSF模型能分割灰度不均的图像,但对轮廓初始化和噪声很敏感。针对该问题,基于C-V模型和RSF模型,提出一个新的水平集正则化项,给出一个用偏微分方程表示的结合全局和局部信息的活动轮廓模型。实验结果表明,该模型能分割灰度不均的图像,且允许灵活的轮廓初始化,抗噪性较强。     

基于改进活动轮廓模型的数字虚拟人图像分割算法

对组织器官的分割和提取是医学图像三维重建及可视化的基础工作。根据数字虚拟人图像的特点,提出了一种基于改进活动轮廓模型的数字虚拟人图像分割算法,推导出了基于改进活动轮廓模型方程的解析表达式,并采用梯度向量流场对该算法进行了改进。该算法克服了传统活动轮廓模型不能处理深度凹陷区域的问题。实验结果表明,该算法具有对“U”形区域计算精确、抗干扰性强、可得到很好的分割结果。     

一种改进的活动轮廓模型图像分割方法

基于全局信息的活动轮廓模型不能有效分割灰度不均匀图像,而基于局部信息的活动轮廓模型对轮廓初始化位置比较敏感。为此,提出结合全局信息和局部信息,构造新的符号压力函数（Signed Pressure Force,SPF）,替代Selective Binary and Gaussian Filtering Regularized Level Set（SBGFRLS）模型中的符号压力函数,同时构造一种新的气球力函数,并采用SBGFRLS水平集方法演化轮廓曲线来分割图像的方法。实验结果证明该方法能有效分割灰度不均图像,同时对轮廓初始化位置不敏感,对噪声有较好的抗干扰性。     

LBF活动轮廓模型的改进

LBF模型是一个著名的基于区域的活动轮廓模型。与PC（Piecewise Constant）模型不同,该模型引入了一个以高斯函数为核函数的局部二值拟合（Local Binary Fitting,LBF）能量。因为LBF能量能够获取图像的局部信息,所以LBF模型解决了PC模型不能处理灰度不均一图像的分割问题。提出了一个改进的LBF模型,它使用一个新的核函数代替高斯核函数。实验表明：与LBF模型比较,新模型减少分割时间约50%。     

一种改进的活动轮廓图像分割技术

图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。针对传统的活动轮廓外力模型均存在一些难以克服的缺点，提出了一种改进的活动轮廓图像分割技术，并首先介绍了用活动轮廓进行目标分割的基本原理，即一条曲线在其内部能量和外部能量的共同作用下，可以移动到所期望的位置，并且当曲线到达目标位置的时候，活动曲线所具有的能量达到最小。在传统的活动轮廓中，外部能量通常由目标点的梯度势能场给出，但是由于梯度势能场存在着一些难以克服的缺点，即不能够很好地指导曲线的移动，为此，对其进行了改进，即采用一种梯度向量流场作为外部能量场的方法，从而有效地克服了传统梯度势能场捕捉范围小以及难以处理凹平面的缺点，并通过实验证明了该方法的有效性。     

基于改进活动轮廓模型和视觉特性的图像分割方法

提出一种基于改进活动轮廓模型和视觉显著性分析的图像分割方法。与传统的水平集模型不同,改进的活动轮廓模型不需要进行初始化和计算符号距离函数,从而有效地提高曲线演化效率。在此基础上,提出了基于标记的多相水平集分割方法,有效地解决了复杂图像存在的灰度不均性问题。另外,为避免初始轮廓位置对分割结果的影响,采用视觉显著图获取水平集初始轮廓位置,通过对该显著图进行OSTU分割提取初始轮廓。通过实验分析,提出的方法在分割结果、速度和复杂度上较之传统的CV模型都有明显的改进。     

基于全局主动轮廓模型的图像分割研究

基于区域信息的Mumford-shah分割模型中,由于图像对象灰度分布的不一致性,分割曲线易陷入局部最小值,不能获得完整边界分割.提出了一个全新的主动轮廓模型,基于局部区域信息创建能量驱动曲线演化,通过竞争关系约束曲线的演化范围,确保模型能收敛于全局静态最小值.实验结果表明,分割模型可以同时分割多个灰度分布不均匀的对象,对噪声具有较好的鲁棒性.     

一种基于Hellinger距离的活动轮廓图像分割方法

图像分割作为许多计算机视觉应用的基础,近十年来一直是计算机视觉学者们研究的焦点。提出一种基于CV活动轮廓模型的图像分割方法,采用Hellinger距离度量区域内的每个像素点与区域的差异度,取代CV活动轮廓中的方差度量,并结合测地活动轮廓(GAC)的思想,改进了CV模型目标函数中区域边界长度的度量。然后将目标函数映射到网络流图中,采用图切割方法对目标函数进行优化。实验证明所提出的方法具有较好的分割效果,相对于CV活动轮廓法有了较大的提升。     

基于改进的LBF模型的图像分割

LBF(Local Binary Fitting)模型利用局部图像信息能够对强度分布不均匀的图像进行分割,然而,该算法仅考虑均值信息,导致模型在处理弱边界图像时得不到理想的分割结果。为此提出一种改进方法:在考虑图像局部均值信息的同时考虑图像局部方差信息和全局方差信息,使得演化曲线能够准确地停止在目标边界上;同时为了加快曲线演化的速度,结合了CV模型的能量项。实验结果表明,改进的方法对含有弱边界信息图像进行分割时能取得较好的效果,演化速度上也有明显的提高。     

基于多尺度图像的主动轮廓线模型

主动轮廓线模型是广泛应用于数字图像处理的一种目标轮廓跟踪算法,但在实际使用过程中,现有模型易受干扰噪声及虚拟边缘的影响,且于凹陷轮廓的跟踪能力较差,在多尺度图像分析的基础上,引入梯度矢量流的概念,并改进其计算方法,提出了一种新的主动轮廓线模型,该模型利用梯度矢量流产生的引力,在图像的尺度空间中搜索目标轮廓,不仅能有效地排除干扰,搜索凹陷轮廓,而且便于引入新的约束条件,实验表明该模型有较好的鲁棒性和     

一种改进的圆形目标图像分割算法

针对目标与背景颜色接近,目标区域粘连度较高难以分割的情况,提出了一种基于阈值处理和分水岭分割相结合的改进的圆形目标图像分割算法。提及的算法分成两个步骤：第一步采用了3次阈值处理相结合的改进算法,较好地完成了目标和背景颜色接近情况下的目标提取;第二步采用了改进的分水岭分割算法,改善了分水岭分割之前的距离变换和求种子点过程,较好地实现了粘连度较高情况下的目标区域分割。实验结果表明该方法对圆形粘连目标的分割有较好的效果。     

基于水平集人机交互模型的医学图像分割

医学图像中要分割的对象常比较复杂,通常的图像自动分割方法很难得到理想的结果.本文在曲线演化图像分割方法的基础上,提出了一种基于水平集方法的人机交互模型.该模型不仅继承了水平集方法对拓扑变化的自适应性,而且还有良好的人机交互性能.在分割过程中,医生只要在图像的适当位置上加入少许几个标记点,本方法就可以在医生的监督指导下对复杂的对象进行准确的分割.实验表明,本文的交互模型具有良好的实用性.     

一种基于改进小生境遗传算法的图像分割方法

利用经典的Otsu算法和基本遗传算法相结合进行图像分割存在有算法效率低、容易提前形成伪解的问题,对于上述问题,提出一种基于改进小生境遗传算法的图像分割算法(IVNGAMS)。算法全局优化了二维Otsu图像分割函数,可以按照个体适应度大小自动控制遗传参数。并通过引入模拟退火算法,进一步提升算法的局部搜索能力。实验结果表明,改进的图像分割方法能更好提升算法的全局搜索能力,能够更加稳定快速的收敛到最佳的分割阈值,并且得到了更好的图像分割效果。     

基于混合主动轮廓模型和区域间差别最大化的细胞弱边界分割

准确分割是图像处理与分析的关键。然而显微细胞图像的目标轮廓模糊、存在弱边界等问题,使得分割结果往往不尽人意。针对这一问题,提出基于混合主动轮廓模型和区域间差别最大化的细胞弱边界分割方法。该模型根据区域最大化的原则,并采用局部和全局灰度信息作模型的驱动力,在确保检测出全局差异的同时,捕捉到局部差异性。模型的能量泛函是由局部和全局拟合项组成的,并引入策略权重参数,这个参数利用梯度信息来解释局部拟合项和全局拟合项是如何组成混合拟合项的。实验结果表明,这种基于混合主动轮廓模型和区域间差别最大化的细胞分割方法能有效地捕获弱边界并分割出细胞核。     

一种图像分割模型的自适应参数选择方法

针对灰度分布不均匀的图像特征,提出一种基于局部和全局高斯分布拟合能量的自适应权重参数选择方法。基于图像的局部和全局区域信息,以高斯分布作为拟合函数建立能量泛函。基于水平集方法,随着活动轮廓的演化,局部和全局区域信息在能量泛函中的权重会相应地变化,有利于提高图像分割的质量和效率。数值实验验证了该方法的有效性。