一种基于可变形模型的图像分割算法

提出了一种新的基于可变形模型的图像分割算法。该算法在模拟气球膨胀法的基础上，对内外部力场进行了改进。并通过控制力场的方向，使Snakes不断向图像内部收缩分裂，最终完成对图像的分割。对合成图像和实际图像的实验表明，这一方法是行之有效的。     

一种用于声带振动图像自动分割的自适应可变形模型

提出采用基于迭代算法的分级自适应可变形模型,用于声带振动图像的自动分割．该模型由基本可变形模型和高阶可变形模型构成二级模型,基本可变形模型由２ 条描述声带内壁的样条曲线组成,依据声带振动目标形状的先验知识定义及初始化．高阶模型通过提高每条曲线的阶次,增加控制点数来捕获目标的精细边缘,以得出精确的声带形状分割结果．本文模型充分利用了有关声带形状的先验知识及全局特征,增加了图像分割的正确性及稳定性．     

基于可变形模板的视频对象分割

提出一种基于原型的可变形模板进行图像分割的算法，从而可以将感兴趣的视频对象从静止的复杂背景中提取出来，首先定义一个原型模板来特征化感光趣的视频对象，得到一个先验概率密度函数的一个将运动信息与边缘方向结合起来的似然函数，然后应用贝叶斯准则将两者结合起来，得到后验概率密度函数。求它的最大值，从而确定对象的位置。     

基于可变形模型及像素相似性统计的自动图像发割

提出一种通用的融合基于可变形模型及区域特征统计的自动图像分割方案,像素相似性定义综合考虑灰度、梯度、色彩及纹理等多种图像因素,采用梯度矢量流Ｓｎａｋｅｓ算法自动进行目标匹配。为使分割结果更趋合理,利用相似单元分解技术对属于同一目标的区域进行自动合并,而对同一区域中属于不同目标的区域进行自动分裂,实现对未知目标个数及目标位置的输入图像的自动分割。对人工合成的低信噪比图像及自然图像的实验表明,本文方法     

用可变形模板进行基于内容的图像分割算法

 本文提出一种采用可变形模板匹配技术进行基于内容的图像分割算法.通过预先计算出可变形模板沿着变形的正交曲线,并对模板曲线及正交曲线进行离散抽样,建立一基于正交曲线的二维(2-D)可变形模板,针对图像分割问题定义控制可变形模板进行变形的内、外部能量函数,本文采用遗传算法搜索能量函数最小的全局最优解.该新算法比传统的可变形模板匹配方法降低了搜索空间的维数,减少了算法对模板初始位置的敏感.对实际图像及模拟低信噪比图像处理的结果表明,新算法具有良好的分割精度及稳定性.     

可变形有效感受野的人体图像语义分割算法

针对现有人体图像前景目标姿态变化、大小差异过大和边缘细节丢失等因素造成分割效果不佳的问题,提出了一种基于可变形有效感受野的人体前景分割算法.该算法将不同尺度的特征图进行融合,减少下采样过程中丢失的空间语义信息;同时结合可变有效感受野模块和边缘细化模块来捕获空间信息和语义信息,以适应算法对不同目标的有效感受野范围,并使有...     

一种基于目标特征的多门限图像分割方法

本文提出了一种基于目标特征的多门限图像分割方法。它通过对特征量匹配的方式将属于景物的先验空间知识引入分割过程,使图像分割由单纯的灰度聚类过程变成灰度－几何空间聚类过程。实验结果表明,本文提出的方法可以完整地分割出复杂背景图像中本身具有多个灰度层次的景物。     

基于改进Chan-Vese模型的图像分割

目前基于水平集的图像分割方法很难给出基于全局极值的算法终止条件,而大多采用事先设定迭代次数的方法。本文提出了一种改进的Chan-Vese模型,通过添加水平集函数约束项,使得新模型抑制了水平集函数的取值范围,最终收敛至全局极值,并以此作为算法终止条件,无需事先设定迭代次数。实验结果表明,新模型在其终止条件下,分割结果正确,与传统Chan-Vese模型相比,新模型的收敛速度快3~6倍,且通用性更强。     

基于区域信息的Snake模型医学图像分割

本文针对Snake模型应用于图像边缘检测时对于噪音过于敏感的不足和易于从弱边界溢出．提出了一种新的约束力。在新的约束力的作用下，Snake模型可以很好地减小噪音的干扰，防止曲线溢出弱边界，并使初始曲线具有更大的选择空间，使模型的分割性能更好。实验证明该模型可以分割出较好的目标边界。     

基于形变模型的图像分割技术综述

基于形变模型的图像分割技术是近年来兴起的一种新型图像分割方法,已有相当广泛的研究。该技术为如何有效地从图像中分割出不规则对象及自然对象指出了一条佳径。该文简要介绍基于形变模型图像分割技术的基本原理和发展历程。按技术发展的线索介绍各种典型的形变模型表示形式,提出各种表示形式的优缺点,分析基于形变模型的图像分割的各种技术所存在的缺点,并建议了可能的研究方向。     

基于Contourlet域HMT模型的多尺度图像分割

基于Contourlet系数分布统计特性,结合隐马尔可夫树（HMT）模型和贝叶斯准则提出一种新的图像分割算法.为了更有效保持Contourlet域不同尺度间的信息,提出一种新的加权邻域背景模型,给出了基于高斯混合模型的象素级分割算法和基于新的背景模型的多尺度融合算法.分别选择合成纹理图像、航拍图像和SAR图像进行实验,并与小波域HMTseg方法进行比较以说明算法的有效性.对合成纹理图像给出错分概率作为评价参数.实验结果表明本文方法不但在边缘信息和方向信息保持上有明显改进,而且错分概率明显降低,对真实图像得到了理想的分割效果.     

一种基于变形模型的红外图像去噪新方法

红外图像去噪的新方法采用了平滑约束计算机视觉问题的变形模型，并根据 红外图像的成像特点，提出了用变形模型的空间变化尺度因子，去控制红外图像的平滑去噪操作，使得去噪处理具有良好的保边缘性能。     

基于小波域隐马尔科夫树模型的图像分割

改进了传统的基于小波域隐马尔科夫树模型的图像分割方法.由于传统方法均为直接选择小波子带系数作为训练特征,不能直接得到像素级分割结果;同时传统方法在后融合方面对所有尺度均采用同一种上下文背景,而忽略不同尺度上初分割类标志图的特点.因此,本文在粗分割阶段首先处理了训练时参数设置的问题,并选取了更能表征纹理的特征,能直接得到像素级分割结果;在多尺度融合阶段,充分利用不同尺度上类标志图的特性,不仅考虑粗尺度信息对融合结果的影响也考虑了细尺度信息对结果的影响.实验表明本文算法的视觉效果好干与本文进行比较的Choi提出的HMTseg以及孙强提出的WD-HMTseg遥感图像分割算法.     

基于小波矩不变量的模式识别方法

为了得到一组局产最优的特征组,提出一种结合分散度和顺序前进法（ＳＦＳ）的特征选择方法。实验结果表明小液矩不变量比Ｚｅｒｎｉｋｅ矩不变量有更好的识别效果,尤其对于形体相似的物体,效果更明显。     

A NEW DEFORMABLE MODEL USING LEVEL SETS FOR SHAPE SEGMENTALTION

In this paper,we present a new deformable model for shape segmentation,which makes two modifications to the original level set implementation of deformable models.The modifications are motivated by difficulties that we have encountered in applying deformable models to segmentation of medical images.The level set algorithm has some advantages over the classical snake deformable models.However,it could develop large gaps in the boundary and holes within the objects.Such boundary gaps and holes of objects can cause inaccurate segmentation that requires manual correction.The proposed method in this paper possesses an inherent property to detect gaps and holes within the object with a single initial contour and also does not require specific initialization.The first modification is to replace the edge detector by some area constraint,and the second modification utilizes weighted length constraint to regularize the curve under evolution.The proposed method has been applied to both synthetic and real images with promising results.     

一种基于三维直方图的改进C-V模型水平集图像分割方法

对Chan-Vese提出的基于简化Mumford-Shah模型的水平集图像分割方法(C-V模型)做了改进.传统的C-V模型仅将灰度同(homogeneity)作为区域分离准则,这使其对于对比度明显的图像能够取得很好的分割结果.但单一的分离准则往往致使其在分割噪声信息丰富的、灰度分布复杂的医学、遥感以及自然图像等时产生大量的冗余轮廓.为此,本文在改善C-V模型全局优化特性的基础上,整合图像的灰度分布信息、邻域空间信息以及图像所固有的模糊信息构造三维向量(灰度值、模糊均值和模糊中值),提出了一种基于三维直方图的改进C-V模型水平集图像分割方法.自然图像和红外光学图像的试验结果证明了该方法的有效性.     

基于正则化变分模型的SAR图像增强方法

讨论合成孔径雷达（SAR）图像的噪声抑制与分辨率增强问题.建立偏微分方程抑噪方法与正则化点增强方法相结合的正则化变分模型,该模型同时具有偏微分方程模型的抑噪优势和正则化模型的分辨率增强优势.在图像的背景区域采用偏微分方程模型进行噪声抑制,而在图像的目标区域,先采用后向扩散方程进行锐化,然后再采用正则化模型进行分辨率增强,使整幅图像的处理结果均得到优化.此外,在偏微分方程抑噪模型的构造上,结合SAR成像的工程背景,提出了基于SAR图像幅度信息的前向-后向扩散方程,使方程能有效抑制图像背景区域的噪声并锐化目标边缘.大量的试验结果表明该方法能有效增强目标的强散射点,显著抑制噪杂波区的噪声.