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。     

一种新的基于二值水平集和形态学的局部分割方法

局部分割是图像分割中的关键性工作,针对局部分割方法中存在的窄带控制不稳定和局部分割精度不足的问题,文中提出一种新的基于二值水平集和形态学运算的局部分割方法。该方法引入二值水平集取代传统的符号距离函数,并在曲线进化过程中保持水平集函数的二值性以确保窄带控制的稳定性和一个像素宽度的局部分割精度。为增加曲线平滑方案的灵活性,引入可选择的形态学算子来平滑曲线,并采用稀疏场算法以提高效率。在合成图像和医学图像上的实验结果表明,提出的方法能更好地实现图像局部分割。     

基于模糊阈值和水平集的红外图像分割方法

针对阈值法分割红外图像易产生误分割和水平集分割方法受初始曲线限制大,提出了一种结合模糊阈值与水平集的自适应红外图像分割方法。该方法首先采用二维Otsu方法计算阈值,利用该阈值获取模糊阈值分割法中的窗口宽度,使模糊阈值分割法具有自适应性;然后采用此自适应模糊阈值分割法预分割红外图像,利用预分割结果自动获取水平集初始曲线;最后将Chan-Vese方法与Shi方法结合提出改进的水平集方法,并用此方法分割红外图像。实验结果表明,本文方法具有较好的分割效果和较强的鲁棒性。     

融合多尺度分析和水平集的交互式图分割方法

针对快速水平集算法用于图像分割时,存在水平集初始化和阈值设置的困难,该文提出一种融合金字塔模型、随机游走及水平集(PYR-RW-LS)的新算法。首先将多尺度分析引入随机游走算法,把分割结果作为快速水平集算法的初始化曲线,解决其初始化问题;接着把水平集演化看成对曲线上的点不断进行模式分类的过程,引入贝叶斯分类决策和最小距离分类决策交替工作,产生曲线演化所需的驱动力,同时将两种分类决策的失效条件作为新算法迭代停止的条件,解决了快速水平集算法阈值设置的困难。仿真实验结果表明:PYR-RW-LS算法比只采用模式分类思想的快速水平集算法拥有更高的计算效率,且在抗噪性方面亦优于随机游走算法,同时保留了随机游走算法对弱边缘不敏感的优点,尤其适用于大尺寸,高清晰度的图像处理。     

基于模糊水平集的脑肿瘤MR图像分割方法

针对传统水平集(Level Set)方法对脑肿瘤MR图像进行分割时易在弱边缘处产生泄露的问题,提出一种新的基于模糊水平集的脑肿瘤MR图像分割方法。采用模糊聚类算法对图像进行预分割,得到脑肿瘤MR图像的感兴趣区域;将聚类分割结果作为水平集演化的初始轮廓;利用聚类结果计算水平集演化的初始化条件和控制参数。算法执行效率得到了提高,并且克服了水平集演化依赖于初始化条件和控制参数且需要较多人工干预的缺陷,增加了方法的鲁棒性。实验结果表明,该方法鲁棒性强,能够快速、准确地分割出MR图像中的脑肿瘤,具有重要的临床意义。     

基于曲线进化的目标检测算法

提出了基于曲线进化的运动目标检测算法。对于运动目标检测问题定义了新颖的能量模型,并给出了相应的曲线进化方程。结合水平集算法,所提出的曲线进化模型能够自动的适应拓扑变化,检测出多个运动目标区域及轮廓。从计算物理学领域引入基于偏微分方程的水平集窄带算法,在构造窄带时无需显示的知道曲线的位置,并能够快速的实现。     

基于LBM对流扩散方程的水平集图像分割方法

为使图像处理更快速稳定,文中通过研究偏微分方程的元胞自动机模型,提出了一种基于格子波尔兹曼模型（LBM）对流扩散方程的图像分割算法：用对流扩散方程替换水平集方程,利用LBM求解对流扩散方程,实现基于LBM的水平集图像分割。实验分析表明,该方法能精确求解对流扩散方程,算法模型能够取得闭合的分割曲线,同样能够很好的处理图像拓扑结构的变化。并且通过与水平集方法和窄带水平集方法进行计算速度实验对比,可证明该算法大大减少了分割的计算量。     

一种基于水平集的运动视频对象分割算法

视频对象的分割是基于内容的视频处理的重要组成部分。提出并实现了一种基于水平集的运动视频对象分割算法。算法通过视频帧间的亮度差值提取初始轮廓曲线，将该曲线作为水平集算法的初始零水平集，采用窄带水平集方法演化曲线。得到最终的分割结果。实验表明该算法简单高效，具有很好的分割效果。     

基于SPKFCM快速双循环水平集非均匀图像分割

针对传统快速双循环水平集对初始演化曲线过于依赖的问题,提出一种基于空间惩罚核模糊C-means (SPKFCM)算法的初始演化曲线自动选取快速双循环水平集算法.首先,对模糊均值聚类算法进行改进,通过增加空间惩罚函数提出SPKFCM算法,用于对快速双循环水平集算法的自动初始化;其次,基于SPKFCM并结合快速双循环水平集算法,设计基于SPKFCM快速双循环水平集算法框架,并给出相应速度参量Fd和Fint模糊化形式;最后,通过与已有算法在仿真图像上的对比结果显示,所提算法在随机初始化条件下,具有更高的分割精度和计算效率.     

一种新的基于水平集方法的SAR图像分割算法

本文基于Aubert-Aujol（AA）模型和变分水平集方法提出一个新的SAR图像分割模型;在反应-扩散框架下,将各项同性扩散算子加入到该模型的水平集演化方程中,并提出一个两步分裂水平集演化算法,该算法不需要周期性地更新水平集函数。通过对合成图像和Envisat SAR图像的分割实验,表明本文提出的算法具有较准确的边缘定位能力和噪声抑制能力。     

提高水平集方法初始化计算速度的研究

本文对水平集方法的初始化步骤进行了改进。在水平集方法中，初始化是一个很重要的步骤。它包括计算图像平面中每个点的初始水平集距离，同时找到与当前点距离最近的曲线上的点。这是一个费时的过程，影响到整个水个集方法的计算速度。本文基于快速推进法提出了一种快速初始化方法。这种方法只需要Ｏ（Ｎ）的时间就能够遍历所有的图像点，完成初始化。最后，对三种不同的初始化方法：直接法、快速推进法和本文的方法在计算速度上作了对比。实验表明，最终得到理想的分割结果的情况下，本文的方法在时间上优于其他两种方法。     

Fast two-cycle curve evolution with narrow perception of background for object tracking and contour refinement

The problem of object contour tracking in image sequences remains challenging, especially those with cluttered backgrounds. In this paper, the fast two-cycle level set method with narrow perception of background (FTCNB) is proposed to extract the foreground objects, e.g. vehicles from road image sequences. The curve evolution of the level set method is implemented by computing the signs of region competition terms on two linked lists of contour pixels rather than by solving partial differential equations (PDEs). The curve evolution process mainly consists of two cycles: one cycle for contour pixel evolution and a second cycle for contour pixel smoothness. Based on the curve evolution process, we introduce two tracking stages for the FTCNB method. For coarse tracking stage, the speed function is defined by region competition term combining color and texture features. For contour refinement stage which requires higher tracking accuracy, the likelihood models of the Maximum a posterior (MAP) expressions are incorporated for the speed function. Both the tracking and refinement stages utilize the fast two-cycle curve evolution process with the narrow perception of background regions. With these definitions, we conduct extensive experiments and comparisons for the proposed method. The comparisons with other baseline methods well demonstrate the effectiveness of our work.     

Fast electromigration wafer mapping for wafer fab process monitoring and improvement

In this work, a set up for fast wafer level electromigration (WL-EM) is developed with the use of a standard electrical analyser, a semi-auto probe station with a hot chuck, and a PC. EM tests on multiple test structures are carried out simultaneously and tests are done at multiple locations (EM mapping) across the wafer. Measured data are imported into MS EXCEL and analysed with a macro automatically. Good correlations are demonstrated between the fast WL-EM test and classical package level EM at 0.1% failure rate. For several years reliable EM monitoring charts are created with the fast WL-EM set up. The fast EM mapping test does not only exploit the advantages of fast WL-EM test in terms of short throughput time and low cost (without packaging) for process monitoring, the additional information on EM performance across the wafer makes the test extremely valuable for process improvement.     

Level set formulation for automatic medical image segmentation based on fuzzy clustering

The level set method is widely used in medical image segmentation, in which the performance is seriously subject to the initialization and parameters configuration. An automatic segmentation method was proposed in this paper, which integrates fuzzy clustering with level set method through a dynamic constrained term in the new energy functional. It is able to use the results of fuzzy clustering directly, which can control the level set evolution. Moreover, the added constrained term is changing continuously until getting the final results. Such algorithm eliminates the manual operation a lot and leads to more robust segmentation results. With the split Bregman method, the minimization of the new energy functional is fast. The proposed algorithm was tested on some medical images and also compared with other level set models and the state-of-the-art method such as U-Net. The quantitative and qualitative experimental results show its effectiveness and obvious improvement for medical image segmentation.     

一种改进的单参数水平集快速分割方法

针对传统水平集分割方法的参数多且速度较慢的问题,提出了一种新的基于单参数的快速水平集图像分割方法,改进了基于Mumford-Shah模型的Chan-Vese(C-V)模型,引入惩罚函数项、用水平集函数梯度的模取代Dirac函数,并且只保留长度项参数,构造出无须重新初始化且具有全局优化的新模型。此外,在算法实现中引入停止迭代判定式,实现自动分割同时得到单参数的取值规律。人工合成图像和医学图像分割的实验结果表明,该方法具有更快的速度和更好的鲁棒性。由于零水平集函数可以任意设定且便于调整单参数取值,新方法具有更广泛的适应性。     

适用于高分辨SAR图像的全局稳态最小水平集分割方法

该文针对高分辨率SAR图像的分割问题提出了一种新的快速的水平集方法。该方法基于G0分布能够同时描述高分辨率和中低分辨率条件下的SAR图像统计特性,通过水平集方法求解能量泛函最小化实现SAR图像的分割。由于能量泛函被设计为具有全局稳态最小值,使得该方法具有较好的全局分割能力和比较快的分割速度,从而增强了该方法的实用性。利用模拟和真实SAR图像上的分割实验验证了该方法的有效性。     

一种快速的亚像素图像配准算法

图像超分辨率重建是在现有红外探测器基础上提升空间分辨率的一种有效方法。超分辨率图像重建是利用一组相互之间存在亚像素位移的低分辨率图像构造出一幅高分辨率的图像,快速、高精度估计图像间的位移是其关键技术之一。提出了一种用于超分辨率重建的亚像素配准算法,算法由特征检测、像素级配准和亚像素级配准三个处理过程组成。在特征检测过程,首先采用梯度算子对图像进行边缘检测,然后对边缘点进行角点预检测,排除非角点像素点,之后再进行Harris角点检测,大大减少了计算量;在像素级配准过程,用NCC算法进行像素级配准,用统计方法去除误匹配点对;在亚像素级配准过程,先对像素级匹配点的邻域进行插值放大,再进行亚像素匹配,误匹配点剔除,相对偏移量计算。对提出的算法进行了仿真实验,结果显示本算法的速度较类似算法速度有较大的提高。     

An overview of level set methods for etching, deposition, andlithography development

The range of surface evolution problems in etching, deposition, and lithography development offers significant challenge for numerical methods in front tracking. Level set methods for evolving interfaces are specifically designed for profiles which can develop sharp corners, change topology, and undergo orders of magnitude changes in speed. They are based on solving a Hamilton-Jacobi type equation for a level set function, using techniques borrowed from hyperbolic conservation laws. Over the past few years, a body of level set methods have been developed with application to microfabrication problems. In this paper, we give an overview of these techniques, describe the implementation in etching, deposition, and lithography simulations, and present a collection of fast level set methods, each aimed at a particular application. In the case of photoresist development and isotropic etching/deposition, the fast marching level set method, introduced by Sethian (1996), can track the three-dimensional photoresist process through a 200×200×200 rate function grid in under 55 s on a Sparc10. In the case of more complex etching and deposition, the narrow band level set method, introduced in Adalsteinsson and Sethian (1995), can be used to handle problems in which the speed of the interface delicately depends on the orientation of the interface versus an incoming beam, the effects of visibility, surface tension, reflection and re-emission, and complex three-dimensional effects. Our applications include photoresist development, etching/deposition problems under the effects of masking, visibility, complex flux integrations over sources, nonconvex sputter deposition problems, and simultaneous deposition and etch phenomena