基于Level Set方法的人脸轮廓提取

人脸轮廓提取在诸如安全检查,保安管理、交通电子监控、机器人研究等方面有着十分重要的应用价值.先利用图像背景差分法快速检测出人脸的初始矩形轮廓线,然后采用Level Set方法对视频图像进行人脸轮廓提取,Level Set演化函数空间方向上采用四阶紧致差分逼近式离散,计算过程中加入了窄带算法和全局优化方法.数值实验结果表明,该算法在不增加计算时间的基础上,可以检测出模糊或离散的边界,并得到精确的人脸轮廓线.     

Level Set方法在轮廓界面追踪问题中的应用

运用LevelSet方法研究图像轮廓追踪问题。首先,运用差分法检测出图像的初始轮廓线,然后采用基于LevelSet方法的偏微分方程数值解理论来进行图像轮廓界面的提取。Matlab实验结果表明,该方法可以测出模糊或离散的边界,得到精确的图像轮廓界面。     

基于细化的西夏字笔划提取方法研究

西夏文字字数多、字形复杂、形态相似的字多,受手工书写因素的影响,同一个字的模式变化很大。文章提出了一种西夏字笔划提取方法。     

基于Level Set方法的人脸轮廓提取与跟踪

提出一种基于level set方法的图像序列中人脸轮廓提取与跟踪算法，首先利用图像帧间差分快速检测出运动区域，并根据人脸图像的投影映射规则确定人脸所在的外接矩形，然后以此矩形作为初始曲线，采用一种改进的1evelset模型精确提取出入脸轮廓。由于图像序列中人脸是一直运动的，该文引入一阶线性Kalman滤波模型对人脸运动进行估计，从而较好地跟踪了运动中的人脸轮廓，实验结果表明该方法是有效的。     

基于Level Set方法的曲线演化

Level Set方法是一种描述曲线以曲率相关的速度演化的有力工具,最近几年在医学图像处理、自然现象的模拟以及计算机视觉等领域得到了广泛的应用.其中,曲线演化后的平滑算法和轮廓跟踪方法是Level Set方法实际应用中的两个关键算法.给出了一种平滑Level Set距离函数的简单方法.该方法只采用内插值的方式,消除平面上的全部孤立点以及部分可能产生歧义的点,在允许存在部分冗余点的情况下,利用曲线轮廓跟踪算法,得到平面上所有曲线的轮廓.经过实验验证,该方法简单、高效,适应范围广.     

基于Level Set模型的彩色脑血管图像骨架提取算法

骨架提取是计算机视觉理论与应用中极具挑战性的课题,具有重要的应用价值.在分析医学彩色脑血管图像特性的基础上,引入一种基于颜色梯度信息和贝叶斯分类的水平集速度函数,提出了HSV空间高速模型,并基于该模型提出了用于彩色脑血管图像的骨架提取算法.该算法使用了两个新的中间函数,它的全部参数均由分析得到,避免了人工干涉.实验证明,该算法对颜色渐变和边界噪声不敏感,具有很好的有效性和鲁棒性.     

基于窄带的自适应Level Set方法

Level Set模型将运动界面表示为高维场函数的零等值面,自然而鲁棒地解决了界面演化中拓扑结构改变的问题,但计算效率不高.文中提出了基于窄带的自适应Level Set方法.自适应方法首先构建粗网格满足界面演化的整体需求,同时估算粗网格点的曲率值,使用快速扩散法聚类高曲率点,通过主元分析估算点集朝向,构建细网格捕捉演化中的细节区域.粗、细网格均为独立的计算单元,定义为存储网格中的有向包围盒.这种数据结构可以有效避免频繁的坐标变换和插值操作,同时保证了数值解的精度.实验结果与误差分析表明,自适应方法能有效减少计算量,达到更好的界面跟踪效果.     

基于快速Level Set的红外图像分割方法

针对传统红外图像分割算法精度差以及单纯基于边界信息或区域信息Level Set的图像分割算法实时性差等问题，提出了一种同时基于边界信息和区域信息的快速Level Set的红外图像分割算法。通过自适应系数T1和T2很好地将边界信息和区域信息相结合，在保证分割精度的同时加快了图像分割速度。通过实验仿真并与其他红外图像分割算法结果比较，证明了该算法的有效性和实时性。     

基于Level Set方法的点采样曲面测地线计算及区域分解

点采样物体的几何处理是当前造型领域中的研究热点之一,如何有效地对点采样曲面进行区域分解是几何处理的基础性工作．该文首先提出了一种基于Level Set方法的点采样曲面上两点间最短路径的计算方法,用以解决区域分解中的边界曲线生成问题．为了保证求解Level Set微分方程的稳定性,文章采用移动最小平方(MLS)方法对点采样曲面进行均匀重采样和去噪音处理．在此基础上,又进一步提出了一个基于Level Set方法的点采样曲面区域拾取算法．最后给出了上述算法在点采样物体的几何处理中的应用实例．实验结果表明该文提出的算法稳定、快速且容易实现。     

基于Level Set算法的医学图像分割的研究与实现

提出了一种改进的结合基于阈值分割特点的Level Set方法.首先用滤波器对原始图像进行平滑,然后根据当前曲线找到区域的统计特性,最后根据区域之间的统计特性的相似度重新定义了Level Set方法的演化停止准则,从而提高了算法的准确性和自动性.实验结果表明,该方法具有较好的分割效果和较高的分割效率.     

基于水平集曲线演化的目标轮廓提取

基于水平集的曲线演化与活动轮廓模型相结合,产生了几何活动轮廓模型,由于其良好的特性,在图像分割领域已经有了广泛的应用。本文对于一种耦合的活动轮廓模型,应用变分法求解出其对应的水平集曲线演化的偏微分方程,并给出了解的存在惟一性证明,然后将它应用到图像分割和目标轮廓提取中,取得了良好的效果。     

基于水平集方法的弱边界运动人体目标跟踪与轮廓提取

针对图像中目标和背景灰度偏差较小、目标边缘轮廓弱的特点,提出了一种快速收敛并具有较强捕获弱边缘能力的水平集曲线演化方法。该方法采用指数函数作为边缘指示函数,运用归一化的Gauss分布函数改进传统的正则化Dirac函数。在目标跟踪过程中,采用卡尔曼滤波获取视频相应帧图像的运动人体目标最小外接矩形框,对外接矩形框内运动人体进行水平集曲线演化,实现对人体目标的跟踪和轮廓提取。分别对可见光下的运动目标和红外运动视频序列进行仿真实验。结果表明,相对于传统方法,其在跟踪速度上有很大的提高,对于红外图像中的弱边界目标及凸凹度较大的区域,也具有快速准确的收敛效果。     

非重复初始化水平集方法的图像轮廓检测

水平集方法（Level Set Method）是一种用于计算曲线演化位置的有效方法。该文针对传统Level Set Method进行图像检测中需要重复初始化水平集函数的缺点,研究了不需要重复设置水平集函数的图像检测方法,实验表明,该方法能更好的检测多目标图像轮廓。     

非重复初始化水平集方法的图像轮廓检测

水平集方法(LevelSet Method)是一种用于计算曲线演化位置的有效方法。该文针对传统LevelSet Method进行图像检测中需要重复初始化水平集函数的缺点,研究了不需要重复设置水平集函数的图像检测方法.实验表明,该方法能更好的检测多目标图像轮廓。     

基于支持向量机分类水平集方法的图像特征提取研究

本文提出了一种基于支持向量机分类器的水平集方法的图像特征提取方法,在提取图像特征的水平集方法应用中,通过改进水平集能量函数,引入区域信息,能够同时提取图像目标的内外边界,并且收敛速度快。提取图像特征之后通过支持向量机非线性分类器对待处理图像进行分类。     

基于CUDA的图像轮廓提取并行实现

对图像轮廓提取进行并行实现,介绍基于形态水平集的图像轮廓提取算法,对该算法的并行可行性进行分析,并采用CUDA技术并行实现。与串行的方式实现比较,采用CUDA技术实现可以节省更多的时间,得出CUDA并行技术在需要大量数据计算时加速的有效性。     

西夏文字特征提取的研究

字符的识别研究已取得了许多研究成果。西夏字的识别研究尚属一个待开发的新领域。西夏字识别的主要问题有:它属于表意文字,还是一个大字符集,具有极高的相似度(有许多结构相似的西夏字在西夏字符集中)。西夏文字的特征提取是整个西夏文字识别系统中最重要的一部分。该文针对西夏文字的特点,提出了能充分反映西夏文字特点的几种特征并加以提取;用这些特征可以有效地识别西夏字。     

背景提取和水平集相结合的运动目标轮廓提取方法

提出一种基于背景提取和水平集的方法来进行运动目标的检测和轮廓提取。首先,通过一种改进的背景提取法将视频序列中的背景提取出来,然后通过结合背景差分结果和帧间差分结果检验出运动目标的运动区域,以检验出的运动区域的外接矩形为初始曲线,应用一种无需初始化的水平集的方法进行运动目标轮廓的提取。仿真实验表明,该方法能够实时有效地对运动目标轮廓进行提取。     

王 升1，谢 立1*，刘 军2

针对传统Snake模型在图像目标检测和分割时不能处理拓扑变化以及不能反映出演化曲线的内在几何特性,提出了一种改进模型——基于水平集的测地主动轮廓模型。该模型采用测地主动轮廓模型,并结合水平集方法,即用水平集函数表示测地主动轮廓模型的曲线演化方程,来模拟初始曲线沿能量下降最快的方向演化的过程。对该模型进行研究,将其应用于细胞图像的目标检测和分割实验中,实验结果表明,所提出的新方法具有良好的检测效果,对多目标进行了有效分割,并且能清晰反映出演化曲线的内在几何特性以及具有良好的拓扑处理能力,这些特性是传统Snake模型所不具有的。