一种新的用于图像分割的活动轮廓模型

为了从灰度异质图像中更好地提取目标,本文提出了一种新的图像分割方法,采用测地时间函数作为局部二值拟合模型的核函数,并结合图像区域的局部灰度信息和全局灰度信息建立能量泛函.同时,符号函数惩罚项的引入避免了符号函数的重新初始化,而曲线长度调整项则保证了曲线演化的连续性和光滑性.通过变分水平集方法最小化新的能量泛函,得到曲线演化的梯度下降流.通过对医学CT图像进行分割实验,证明了该方法的可行性和优越性.     

一种针对灰度非均匀图像的混合分割框架

该文将基于区域的局部和全局活动轮廓技术有机结合起来,给出了一种针对灰度非均匀图像的分割框架。考虑到灰度非均匀特性对图像非轮廓象素点影响较大而对图像轮廓象素点影响较小这一事实,在该框架中引入了图像边缘停止函数来平衡局部和全局灰度信息之间的相互影响。基于该框架,给出了一个具体的实例模型,运用快速的模糊对偶算法获取实例模型的全局最优解。用一组图像进行实验,并通过对实验结果的定量分析,验证了该模型的合理性。     

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。     

结合熵与局部信息的伪影偏差场修正CV模型

针对Chan-Vese(CV)模型对含有伪影、光照不均的图像不能进行有效分割的不足,本文提出了结合熵与局部信息的动态伪影偏差场修正CV模型。模型根据区域同质性特征,利用熵构造区域能量系数,自动调节目标与背景区域在模型中的权重。采用全局与局部结合的方式自适应控制区域演化。将伪影指示函数应用到区域检测项,无需先验灰度信息即可消除异常值,精确地使像素归类。结合Retinex理论对图像进行分解,忽略亮度变化并提取不含照度信息的目标结构图像,避免偏差场对分割的影响。通过与CV模型、LIF模型对比验证了算法的有效性,结果表明,本文提出的算法在目标干扰严重情况下分割性能最优,重叠率可达0.9,误分割率控制在0.06以内。与CV模型、LIF模型相比分割精度与速度性能优势明显。     

基于Bregman散度和RSF模型的水平集图像分割方法

在自然图像中经常会出现亮度不均匀的现象,虽然基于局部信息的水平集方法在不均匀图像的分割方面取得了较好的效果,但是该类方法在主动轮廓的能量上存在局部最小值和计算复杂度高等问题.针对这些问题,本文提出了基于Bregman散度分布和区域可伸缩拟合能量模型(Region-Scalable Fitting,RSF)相结合的水平集图像分割方法.本方法利用包含特征点信息(Bregman散度)的全局信息项加快远离目标边界曲线的演化速度,提高算法对初始位置的鲁棒性;利用RSF模型的局部信息项提高对亮度不均匀图像的分割能力,吸引轮廓曲线向物体边界收敛,并停止在目标对象的边界处.通过对合成图像、医学图像和其它真实图像的对比实验,可以看出本文模型与现有模型(LCV、RSF和LGIF)相比,对亮度不均匀图像具有更强的处理能力和更高的处理效率,且对噪声具有更强的鲁棒性.     

融合图像局部能量和梯度的水平集分割方法

为了实现结构复杂的灰度不均匀图像的快速准确分割,提出一种融合局部能量和梯度敏感性的水平集方法,采用梯度敏感的能量函数改进局部能量最小化水平集方法,并利用灰度全局信息自动初始化水平集.局部能量函数由局部灰度拟合函数定义,是水平集的外部驱动能量,适用于分割灰度不均匀图像.梯度敏感项依据图像特性,自动判定对水平集的驱动方向,...     

利用改进CV模型分割煤矿井下早期火灾图像

针对传统主动轮廓模型难以实现煤矿井下早期火灾图像火焰区域精确提取的问题,提出了一种改进的Chan-Vese(CV)模型.在计算目标和背景全局区域拟合中心的基础上,利用曲线内外区域局部灰度统计直方图获取目标和背景局部区域拟合中心,并对全局和局部区域拟合中心赋予归一化的调节比例,以综合利用图像全局和局部信息;为了加速曲线运动到目标边缘,利用曲线内外区域像素灰度的最小绝对差来取代模型中原有的内外区域能量权重,以提高模型分割效率.结果表明:与CV模型、局部二值拟合模型(LBF)、全局和局部灰度拟合混合模型(LGIF)、引入自适应能量权重的CV模型(WCV)相比较,提出的模型能更加快速、精确地提取煤矿井下早期火灾图像中的火焰区域,在分割效果和分割效率方面均有明显优势.     

图像分割中局部能量驱动的快速主动轮廓模型

为了解决图像对象灰度分布不一致性的分割难题,提高图像分割速度,提出了一个全新的快速主动轮廓模型。它由曲线周围局部的统计信息驱动曲线发生形变演化,并使用图像中的边缘信息来引导曲线的演化方向。模型中,根据区域模板与演化曲线共同定义的局部统计信息创建数据拟合项,并应用水平集方法求解曲线的演化。对合成图像和医学图像的实验结果表明,本文提出的分割模型可以同时分割多个灰度不一致的对象,分割速度快,结果稳定,对噪声具有很好的鲁棒性。     

基于C-V模型无关曲率方向的快速分割算法

为提高图像分割的精度获取边缘更佳的分割图,提出结合无关曲率方向的边缘函数与无需重新初始化符号距离函数的基于C-V(Chan-Vese)模型的快速分割算法。针对在图像的同质区域中基于水平集的C-V模型不能正确分割出目标轮廓的缺陷提出优化方法。改进算法不依赖于水平集梯度信息进行活动轮廓曲线的演变,引入无关曲率的边缘函数并结合平均曲率运动方程以最小化长度能量项;并且在能量函数中增加了内能泛函项,以简化模型在局部需要重新初始化符号函数的步骤,提高运算速度。实验表明新算法能够演化出目标边缘曲线,准确分割图像,且运行耗时显著减少,收敛速度近似为几何活动轮廓C-V模型的1.2倍。     

结合KL散度和RSF模型的主动轮廓图像分割方法

针对主动轮廓模型在进行图像分割时计算复杂度较高的问题,提出一种基于区域的变分水平集主动轮廓模型图像分割方法.新模型将Kullback-Leibler(KL)散度信息加入到RSF(region-scalable fitting)模型中,在新模型的能量项中通过RSF能量项计算区域内某点和该区域"中心"之间的拟合距离来表示目标区域的相似性,同时通过最大化KL能量项使模型能更容易分离图像中的不同灰度区域,进而使图像分割的计算时间显著降低.该模型可以很好地处理图像的模糊边界和图像噪声等问题,并适用于合成图像和实际图像的分割.通过实验结果的对比可以看出,本模型在保证分割精度的前提下,加快了边缘的收敛速度,提高了图像分割的效率.     

基于改进的水平集局部二值拟合模型车牌分割算法

本文提出了改进的LBF模型的轮廓演化能量函数,它结合了CV模型的能量项加快了演化速度,并在结合LBF模型中的局部均值信息的同时,引入图像的局部方差和全局方差信息.实验结果证明该方法能够提供准确的光滑的闭合的边界,精度可以达到亚像素级,系统的识别准确率高.     

一种全局最优的非匀质图像分割算法

为了解决传统几何活动轮廓模型不能自适应地分割非匀质图像的问题,提出了一种全局优化的非匀质图像分割算法.首先,利用图像经过高斯滤波器滤波后的梯度信息定义了一个新的图像分割能量函数.然后,利用水平集方法扩展该能量函数的定义域,以使该能量函数具有全局最优解.为避免水平集函数的重新初始化过程,在能量函数中引入了一个水平集函数约束项.最后,通过最小化该能量函数,建立水平集函数演化的偏微分方程.对水平集演化方程数值求解,实现对非匀质图像的分割.实验结果表明,该算法不但能自适应地确定曲线演化方向,而且能有效地分割非匀质图像.     

全局约束下超声图像微器械轮廓提取方法

为实现超声设备与手术机器人系统的配准,提出一种全局约束下的参数活动轮廓(Snake)分割算法,该算法能以高精度分割超声图像中的手术器械轮廓.将已知的手术器械轮廓信息作为先验知识,以归一化傅里叶描述子的形式表述,并利用该描述子定义泛能量,用来约束分割过程,达到最优解.求解过程中,通过计算泛能量相对于各变量的雅可比矩阵,可以获得能量最小化时的偏微分方程,差分离散化后可以获得其欧拉形式的迭代方程,通过数值方法获得分割轮廓.实验结果表明,使用基于已知轮廓的先验Snake方法对超声图像中的手术器械进行分割,能以较高精度提取超声图像中的微器械轮廓,轮廓形状与实际器械形状更加相似.先验Snake法能对曲线进行全局约束,避免了传统Snake分割方法中容易陷入局部极值的缺陷,具有较大的应用前景.     

利用模糊特征改进Snakes模型的图像分割

利用模糊特征自适应地控制曲线法向力场改进参数主动轮廓模型,改进后的模型可以对弱边缘、无边缘区域和纹理图像进行分割。曲线法向力场加速了曲线收敛到目标区域边界,改进了抓取范围和提取凹区域的能力。对弱边缘图像、医学图像和纹理的分割实验表明,新方法具有良好的性能。     

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.     

NSST与引导滤波相结合的多聚焦图像融合算法

为进一步提高融合图像的对比度和清晰度,提出一种非下采样剪切波变换(简称NSST变换)与引导滤波相结合的多聚焦图像融合算法.首先,利用NSST变换对多聚焦源图像进行多尺度、多方向分解;然后针对低频子带系数,通过计算局部区域改进拉普拉斯能量和进行加权映射,构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于局部区域改进拉普拉斯能量和的引导滤波加权融合规则;针对高频子带系数,结合人眼视觉特性,通过计算显著信息、局部区域平均梯度、边缘信息和局部区域改进拉普拉斯能量和来构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于人眼视觉特征的引导滤波加权融合规则;最后,进行NSST逆变换,获得融合图像. 4组多聚焦源图像的仿真实验结果表明,无论是从主观评价还是客观评价上,与其余4种融合算法相比,本文算法均较好地保留多聚焦源图像的边缘轮廓、细节和纹理等信息,也无细节信息缺失,提高融合图像的对比度和清晰度.