基于改进的活动轮廓图像分割

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模型在分割过程中具有处理速度慢，运算量大，对凹陷轮廓处理效果差等缺点，提出了一种改进的活动轮廓图像分割技术．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，然而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。把梯度向量流场（GVF）作为外部能量场，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。     

含各向异性扩散的图像分割新模型

无边活动轮廓(CV)模型已广泛应用于图像分割领域,特别是用于分割不以梯度定义的图像.然而,模型存在对噪声敏感,无法分割深度图像等缺点.针对提高去噪性能和加快收敛性,将各向异性扩散融入到CV模型,同时引入无需重新初始化项,得到一种新的图像分割方法.采用Matlab平台进行仿真实验,结果表明,模型具有较强的抗噪能力,能很好地分割灰度变化不均匀及背景复杂图像,而且能有效地分割CV无法处理的深度图像.     

一种基于广义梯度矢量流Snake模型的心脏MR图像分割方法

提出了一种基于广义梯度矢量流Snake模型的心脏核磁共振图像左心室内、外膜分割方法。首先构造了一种基于目标边缘的方向广义梯度矢量流(edge-based directional generalized gradient vector flow, EDGGVF) Snake模型,该模型在传统GGVF的基础上,结合目标边缘图梯度方向信息,将左心室内、外膜区分为正边缘和负边缘,从而实现左心室内外膜的全自动分割。其次,根据左心室近似为圆形的形状特点,引入了圆形能量约束,有利于克服由于图像灰度不均、乳突肌等引起的局部极小。实验结果表明,该方法可以高效准确地自动分割出左心室内、外膜。     

一种各向异性GVF模型的心脏左心室MR图像分割模型

为了克服传统的梯度矢量流(GVF)模型对细长拓扑结构、噪声及弱边界敏感的缺陷,提出一种基于区域信息的各向异性GVF模型.首先由模糊C均值(FCM)聚类算法得到聚类信息并将其融入到GVF模型中,以降低弱边界和噪声的影响;然后利用图像结构信息改进GVF模型,使其具有各向异性,克服了细长拓扑结构的影响;最后把得到的各向异性GVF模型融入到Snake方程中引导曲线的演化,得到目标边界.实验结果表明,该模型具有较好的分割结果.     

一种新的基于各向异性扩散的GVF模型

针对传统梯度矢量流(GVF)模型各向同性扩散分割图像时所导致的模糊边缘以及弱边界处的泄漏问题,提出一种新的GVF模型,该模型采用8个方向各向异性扩散策略以保持目标边界,并使用具有较快下降速度的保真项系数来增强Snake进入凹陷部分的能力。理论分析和实验结果表明,新方法能较准确地分割出目标凹陷部分,对于弱边界泄漏具有更强的鲁棒性。     

基于改进快速活动轮廓模型的左心室核磁共振图像分割

提出了改进的基于贪婪优化算法的快速活动轮廓模型,原算法加快了求解最优能量曲线的速度,但初始轮廓线必须给定在图像特征的附近。通过在优化的目标函数中增加面积能量项,扩大了算法捕获图像特征的范围,在对贪婪优化算法分析的基础上,给出了局部面积能量项的构造和使用方法,进而简化了优化的目标函数．实验结果表明,该算法具有快速、能在更大的范围内捕获图像的特征、较好地处理图像中凹陷区域的能力,是一种有效的分割左心室MRI图像的算法。     

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。     

基于活动轮廓模型的人脸轮廓提取

在传统的snake算法基础上,针对人脸轮廓提取这一课题,提出了一种初始化snake的方法,并对传统的snake算法进行了改进。实验结果表明,该方法能够较好地提取人脸轮廓,并在精确度和计算量方面大大优于边缘检测算子方法。     

基于改进的活动轮廓模型在图像分割中的应用

活动轮廓模型在图像分割过程中有广泛应用.本文首先介绍了活动轮廓模型,并指出了该模型的缺陷,在此基础上本文提出了一种改进的方法,与现在流行的改进方法不同之处为它是基于算法来改进的.它用遗传算法来优化初始轮廓,取得了较好的分割效果.     

基于参数活动轮廓模型的图像分割新方法

针对目前基于参数活动轮廓模型(PACM)的图像分割方法不能精确定位到角点,不连续边缘易受周围无关信息影响的缺陷,提出一种基于参数活动轮廓模型的图像分割新方法。该方法首先构造边缘保护项,将其引入到图像分割的活动轮廓模型中,保留拉普拉斯扩散项的切线方向分量;再引入两个权重参数控制切线方向和法线方向有偏的扩散,以提高分割的精度和效率。实验结果表明,该模型不仅能检测到弱边缘,精确定位到角点,而且能收敛到深度的凹形边界,降低无关信息对边缘不连续处的影响,防止边缘泄露,很好地保护图像细节,收敛的效率和准确率比边缘保护梯度向量流模型、法向梯度向量流模型及其改进模型有明显提高。     

梯度向量流的各向异性扩散分析

为了解决梯度向量流力场(gradient vector flow,简称GVF)难以进入目标凹部的问题,提出了一种新的主动轮廓模型外力场——各向异性梯度向量流.GVF的扩散项是各向同性且光滑性强的拉普拉斯算子,它在各个方向的扩散速度相同.拉普拉斯算子根据图像的局部结构可分为沿边界法线和切线方向的扩散,沿切线方向的扩散具有增强边界的作用,而法线方向扩散具有去除噪音、扩散力场的作用.基于分析二者在扩散过程中的作用,提出了一种各向异性梯度向量流扩散方法,切线和法线方向的扩散速度可以根据图像的局部结构自适应地选择.实验结果表明,与GVF相比,所提出的方法考虑了扩散过程中法线和切线方向的不同作用,能够进入细长的凹部,并改进了分割结果.     

一种改进的Snake模型与MRI图像分割

Snake模型分割图像时要求初始轮廓线位于图像特征附近,且难以处理深度凹陷区域。该文在快速Snake模型的目标函数中增加局部面积能量项,扩大了算法捕获图像特征的范围;以边缘增强后的BPV图像的梯度为参数,计算梯度向量流场以代替MRI图像的梯度,提高了算法处理弱边界和凹陷区域边界的能力,优化算法的时间复杂度仍然为O(nm)。实验结果表明,该算法能够有效地分割左心室MRI图像。     

基于各向异性主动轮廓模型的图像分割方法研究

摘 要：分割的作用是将数字图像分割为多个简单区域,并根据区域中图像的某种特征提取和分离出的目标区域,便于图像识别与理解分析。主动轮廓模型(snake)是一条可变形的参数曲线及相应的能量函数,广泛应用于医学领域的图像分割。主动轮廓模型是以最小化能量函数为目标,控制参数曲线变形,最后具有最小能量的闭合曲线就是所需分离的目标轮廓。在采用主动轮廓模型进行分割之前,通常都采用高斯滤波器对图像进行滤波,在对图像进行平滑的同时,也会使边缘模糊化,从而影响分割效果。本文将各向异性滤波和主动轮廓模型结合起来,充分利用各向异性滤波在平滑图像的同时能保持边缘的特点,在利用主动轮廓模型进行分割之前使用各向异性滤波代替传统的高斯滤波对图像进行预处理。实验结果表明：与传统方法相比,在主动轮廓模型的预处理阶段,采用本文所提出的算法平滑噪声图像,提高了后续图像分割的准确性。     

基于Perona-Malik模型的各向异性主动轮廓外力场

利用经典的Perona-Malik各向异性去噪模型具有保护图像边界信息的特点,将经过Perona-Malik模型处理后图像的负梯度作为外力场,研究其对主动轮廓法分割结果的影响,提出了一种主动轮廓外力场模型PMF。理论分析和实验结果表明,PMF模型不仅能够保持图像的边界信息,克服了传统外力场不能进入图像凹部的缺陷,而且对初始曲线的约束较少。由于PMF是基于去噪模型而得,因此具有较好的鲁棒性。     

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．     

基于多尺度梯度矢量场GAC模型的MR医学图像分割

医学图像分割是图像分割技术的一个重要应用领域,GAC(测地线活动轮廓)模型是基于PDE(偏微分方程)方法中一种常用的图像分割模型,使用这种模型时,如何选择合适的平滑尺度是影响分割效果的重要因素之一。提出了一种基于多尺度梯度矢量场GAC模型图像对象轮廓提取的MR图像分割方法,用多尺度梯度矢量取代GAC模型中单一尺度下平滑图像的梯度矢量,提高了GAC模型的收敛速度,有效地改善了局部极小值问题。实验结果验证了该方法的有效性。     

几何活动轮廓模型中停止速度场的异性扩散

几何活动轮廓(GAC)模型广泛应用于计算机视觉和图像分析领域,特别是用于定位目标边界.然而,基于GAC模型的图像分割有演化时间长和边界泄漏两个缺点.一方面,停止速度场在同质区域一般不够平滑,这导致活动轮廓不能快速演化到希望的目标边界;另一方面,停止速度场在目标边界上不为0,导致活动轮廓不能停止于目标边界,活动轮廓继续演化进入目标边界内(边界泄漏).针对这两个问题,提出了一种对停止速度场进行各向异性扩散的方法.它基于提出的各向异性扩散模型.然后把各向异性扩散后的停止速度场应用于GAC模型进行图像分割.实验结