融合Ratio边缘信息的水平集SAR图像分割方法

提出了一种融合边缘和区域信息的变分水平集合成孔径雷达图像分割方法.该方法不需要去除相干斑噪声的预处理过程,利用具有恒虚警特性的Ratio算子提取合成孔径雷达图像的边缘信息,并与无边缘活动轮廓模型结合建立合成孔径雷达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,采用变分水平集方法求解演化方程,实现了合成孔径雷达图像的分割.分别采用模拟和真实合成孔径雷达图像对该方法进行了验证,实验结果表明,该方法实现了合成孔径雷达图像中目标与背景的正确分割,具有较好的边缘定位能力.     

提取B超病灶的尺度分解小邻域统计水平集方法

在区域水平集方法基础上,利用小波变换将图像分解成多尺度子图像,对不同尺度子图像进行边缘提取并经过数学形态学算子修正,得到接近目标边界的水平集初始轮廓,解决了区域水平集方法对初始轮廓要求高的问题;接着运用小邻域统计方法计算并判断各像素点小邻域统计信息,筛选出该邻域内有效点集作为本次参数代入水平集公式进行迭代运算。实验表明:与几种现存的水平集方法相比,小邻域统计水平集方法能够较好地抑制B超图像噪声,快速地确定病灶边界,对模糊边界的捕获效果好。     

改进二值LFI医学图像分割模型

基于区域活动轮廓模型在处理医学特定分割目标时,受到图像背景影响较大,难以提取目标边界轮廓.针对这一问题,提出一种改进LFI模型.该模型构造出局部适当图像来逼近原图像,且引入吸附因子约束曲线演化方向,恢复曲线演化渐进性,使得分割具有针对性.采用二值水平集方法实现整个分割过程,避免了传统水平集数值不稳定性.实验结果表明该方法可以快速有效地分割特定医学图像目标.     

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。     

融合边缘流和归一化割的岩心图像分割

提出一种融合多尺度边缘流和归一化割的图像分割方法。首先采用多尺度边缘流,检测在大尺度和小尺度上均存在的边缘,并在小尺度上定位边缘,再通过边缘连接,得到封闭的边缘;然后把多尺度边缘流分割得到的区域作为归一化割中图的顶点,区域间的相似性度量作为相似性矩阵的元素,大大降低了归一化割对内存的需求,提高了特征方程的计算效率,使归一化割得到实用,同时也降低了边缘流的过分割现象。实验表明,在岩心扫描图像的分割中,该方法能得到很好的效果。     

基于DIS边缘检测和自适应边缘生长的图像分割方法

提出一种基于DIS(differenceinstrength)边缘检测和自适应边缘生长的图像分割方法.此方法是边缘检测、边缘生长、区域生长等分割技术的有机结合.通过DIS进行边缘检测,产生了比梯度算子、sobel算子等更完全的边缘信息.为了解决伪边缘及不连续点的问题,提出了自适应的边缘生长方法,较好地解决了该问题,连接了不连续边缘点,产生了边缘点集组成的闭合轮廓.通过进行区域生长,得到了最终的分割结果.实验表明,该分割方法都能获得很清晰可靠的分割效果,提供精确的目标轮廓线.     

基于水平集的运动目标检测和速度估算

在摄像机运动的情况下,研究了一种用于运动目标检测和边界速度估算的方法.该方法通过假设分段平滑运动场的约束条件,将求解问题公式化为视频时空域上的最大后验（MAP）运动分割问题.利用Euler-Lagrange梯度下降法,从MAP运动分割方法所得到的能量函数导出一组方程,用于同时估算由于摄像机运动引起的背景运动场和检测运动目标.对应于曲面的Euler-Lagrange方程被表达为水平集的偏微分方程.提出了一种基于水平集隐含表示的运动目标边界速度估算新方法,利用符号距离图表示运动目标的轮廓,采用光流方法估算运动目标轮廓点的速度.对于实际视频序列的实验结果表明,新方法的估算结果准确、稳定,并且相邻点的速度估算具有很好的连续性.
     

基于混合模型的多尺度水平集高分辨率SAR图像水体分割

针对高分辨率SAR图像水体分割,提出基于混合活动轮廓模型的多尺度水平集分割算法。首先利用ROEWA边缘指示函数加权的轮廓线长度能量项和区域信息项建立模型能量函数;然后引入距离正则项,避免水平集方法在演化求解时需要不断重新初始化的问题;最后采用多尺度处理策略,解决水平集分割算法收敛速度慢的缺点。实测高分辨率SAR图像实验结果表明,该算法可用于水体的精确分割。     

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.     

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.     

一种改进的变分水平集车辆检测技术

针对传统运动目标检测算法存在适应性差、对噪声较敏感等缺点,提出一种基于变分水平集快速提取边缘模糊运动目标的方法。该算法利用主动轮廓模型进行边缘检测约束,并结合变分水平集方法进行二次演化获得准确的图像分割。实验证明,该方法能够快速准确的分割运动目标,对于复杂环境有较好的适应性和鲁棒性。     

一种新的活动轮廓模型图像分割方法

局部二值拟合模型利用图像的局部邻域信息拟合能量函数,局部二值拟合模型相当于对活动轮廓内外进行局部均值滤波,因此该模型对高斯噪声有一定的抗噪性,但是该模型对椒盐噪声污染的图像不能取得令人满意的分割结果。为了提高活动轮廓模型对椒盐噪声的鲁棒性,结合局部二值拟合模型中的局部拟合项,提出一种能消除椒盐噪声影响的新的局部拟合项。提出的拟合项的能量函数极小值是局部区域的中值,新的拟合项相当于对活动轮廓内外进行局部中值滤波,中值滤波对椒盐噪声不敏感。原模型中边缘停止函数是基于图像梯度信息,难以区分图像不同区域间模糊的弱边缘和灰度渐进图像目标,并且容易受到各类噪声的影响,抗噪声能力弱。提出一种新的边缘检测算子,重新定义边缘停止函数,进一步提高模型的抗噪性,降低高斯噪声和椒盐噪声对分割结果的影响。为了保持活动轮廓在演化过程中的稳定性,在曲线演化迭代过程中必须周期地初始化以使水平集函数重新变成带符号的距离函数,但重新初始化的计算量大。引入一个惩罚能量,解决水平集函数在演化过程中的重新初始化难题。对不同噪声污染的图像进行试验的结果表明,提出的模型可以取得较好的图像分割结果,比CV模型、LBF模型和LIF模型更具有优势。     

带几何约束的彩色图像选择性分割

为了解决彩色图像分割任务中有选择性的定位感兴趣区域的具体需求,基于Lavdie-Chen的灰度图像单水平集选择性分割方法,提出带几何约束的彩色图像选择性分割方法。该试验方法将彩色图像作为一个整体,求其梯度及边缘检测函数,借助边缘检测函数、目标物体约束点确定的距离函数以及形成的多边形内外面积,共同决定曲线演化进程中的方向与速度。区域信息的加入克服了边缘函数依赖单一图像梯度的缺点;正则化优化算法的引入克服了凹陷处分割效果不理想的缺点;加法分裂算子算法可以快速求解模型的Euler-Lagrange方程。试验结果表明,本研究提出的彩色图像选择性分割方法具有有效性强和正确性高的特点。     

轮廓跟踪与边沿检测的图像自动识别

讨论了轮廓跟踪和边沿检测两种技术在图像自动识别中的应用,指出检测后的边缘点不一定都在图像的边界上,会影响下一步的分析和处理,需要进行轮廓跟踪来将边缘点连成一条连续的边界.提出了一种轮廓跟踪的详细算法,通过寻找适当的起始点坐标,解决了图像边缘点被错误提取的问题.     

Edge-Preserving Depth Map Super-Resolution with Intensity Guidance

Depth discontinuity edge affects the visual quality of synthesized images in 3D image warping. However, it suffers from accuracy degradation when up-sampled from low-resolution depth maps, especially at large scaling factors. To preserve the accuracy of depth discontinuity, a novel joint bilateral depth super-resolution with intensity guidance method is proposed. Particularly, the fast local intensity classification is exploited to estimate depth coefficients in joint bilateral up-sampling for depth maps, so as to eliminate depth discontinuity edge misalignment. Additionally, the proposed method is accelerated on graphic processing units (GPUs) to meet the requirement of real-time application. Experiments demonstrate that our method can preserve the accuracy of depth discontinuity edges after super resolution, leveraging the visual quality of synthesized image in 3D image warping.     

一种消除重建图像边缘振荡的图像压缩方法

针对小波变换进行图像压缩过程中重建图像易引起边缘振荡的问题,提出了一种非延拓消除边缘振荡的方法。该方向将提升算法与传统的非线性ENO小波变换相结合,把高频分量边缘的能量集中到低频分量上,用小波分量模的极大值对跃变点进行奇异性检测,有效地消除了重建图像引起的边缘振荡。仿真实验表明该方法计算简单、存储空间小。     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。