一种基于断点处边缘方向保持假设的闭合轮廓提取方法

文中提出了一种新颖的闭合轮廓提取方法.分析了当GVF Snake模型处理边缘断裂的图像时,存在无法提取目标原始轮廓信息,尤其是目标边角信息的问题.在GVF外力场演化的能量模型的基础上,基于保持断点处边缘原方向的假设,提出了一种新的具有边角保持特性的能量模型,由此模型得到了边角保持GVF(CP-GVF)外力场.CP-GVF外力场解决了当目标轮廓发生断裂时断点对于GVF外力场的影响问题,能够根据断点处的边缘方向信息,以保持该边缘方向的方式恢复目标轮廓中丢失的边角信息,从而恢复这类目标的原始形状.不同边缘结构的仿真图像和真实图像的实验结果验证了算法的性能.     

煤矿井下人员人脸轮廓提取方法

针对煤矿井下人员脸部轮廓难以提取而导致考勤系统识别率低的问题,提出了一种基于主动轮廓模型和主动形状模型的人脸轮廓提取方法。首先由主动形状模型估计初始轮廓位置,然后通过定义主动轮廓模型的能量函数,采用主动轮廓模型算法多次迭代后缩小标记点与真实轮廓之间的差距,提取由主动形状模型获得的正交插值的灰度值轮廓,即可得到人脸轮廓。实验结果表明,该方法较传统主动轮廓模型能够更精确地提取人脸轮廓形状。     

可信可控网络中的一致性视图构建机制

主动轮廓模型是进行图像分割的有效方法,但主动轮廓模型在确定初始轮廓方面主要靠经验,理论方法不多。为此,提出了一种基于改进骨架算法的主动轮廓模型进行图像分割的方法。首先利用改进的骨架算法和轮廓重生算法,生成初始轮廓;再利用含有形状能量的主动轮廓模型进行轮廓的演化,使其接近真实的目标边缘,获得期望的图像分割结果。实例验证和比对实验结果表明,与传统的主动轮廓模型相比,该方法在图像分割的准确性和抗噪性方面有很大的提升。     

基于区域能量最小和主动轮廓模型的医学目标提取

针对传统主动轮廓模型在目标强边缘处容易产生振荡和弱边缘处容易泄露的缺点,提出了一种基于区域能量最小和主动轮廓模型的医学目标提取模型。这一基于目标灰度统计概率和水平集的主动轮廓分割模型,把能量函数表示为在目标区域内对像素点属于目标概率的积分,并在水平集框架下对能量函数最小化,得到分割的迭代方程;同时,通过附加的速度约束项,使得主动轮廓在越过目标边缘时降低速度,大大提高了分割的收敛性和准确度。通过大量冠状动脉和二尖瓣的分割实验以及与几种传统主动轮廓模型和手工提取的比较,表明该模型在医学图像分割方面的健壮性、准确性和有效性。     

一种基于主动轮廓模型的MRI医学图像序列边缘提取算法

为了提取核共振成像图像序列的边缘,提出了一种改进主动轮廓模型的边缘提取算法。通过调整原始公式的一些参数使得该模型不但能精确地提取图像中的凸形物体的边缘,而且能够接近边缘的凹陷处;引入自适应改变大小的外部约束能量来增大外能的吸引范围,使控制点能够不依赖于初始轮廓而快速地收敛到目标的真实轮廓;结合匹配技术,提高边缘提取结果层间传递的精度。实验结果表明该算法仅需少量用户交互就能快速准确地从医学图像序列中提取出感兴趣的物体边缘。     

一种基于活动轮廓和Gauss背景模型的固定摄像机运动目标分割算法

运动物体分割是计算机视觉领域中最具有挑战性的课题之一.文中提出了一种新的基于固定摄像机的运动物体分割算法.它有效地结合了Gauss混合背景模型和活动轮廓的方法,获得了比通常背景减除方法要好的效果.文中把目标提取问题转化为能量最小化问题,并且采用曲线演化的方法来最小化能量函数.由于在能量函数中引入了Gauss混合背景模型,阴影消除项和曲线演化边缘停止项,文中的算法能获得比现有同类算法更加准确的结果.在真实图像数据上的实验结果说明文中的方法具有很好的前景.     

基于全局运动对比度的轮廓编组元提取算法

在轮廓编组计算模型中,编组元的提取对于轮廓编组结果具有重要的影响。针对复杂场景中目标轮廓易与非目标边缘混淆的问题,提出了一种基于全局运动对比度的编组元提取算法。提出了基于边缘片段的运动相似度度量方法,并通过相似度定义了场景中的全局运动对比度,以此对非目标边缘片段进行抑制,从而提取出更为有效的目标轮廓边缘片段构成编组元集合。在Moseg_dataset数据集上的实验结果证明,提出的全局运动对比度对于非目标边缘片段具有良好的鉴别能力,相比较目前轮廓编组计算模型中基于边缘检测和轮廓检测的编组元提取算法,该算法显著降低了编组元集合的规模,提高了编组元集合的有效性。在相同的轮廓编组算法中,该算法提取的编组元集合能取得更优的编组结果。     

改进的主动轮廓模型在脑肿瘤MRI图像轮廓提取中的应用

针对主动轮廓模型(Snake)处理图像时的初始轮廓选取问题,采用改进的区域增长法对图像进行预分割,并将得到的边缘作为主动轮廓模型的初始边缘轮廓;然后分别用sobel算子与梯度矢量流(GVF)代替图像梯度进行主动轮廓模型外部能量的计算,在速度满足要求的情况下,提高了目标区域的提取精度.实验结果表明,基于GVF的主动轮廓模型在脑肿瘤的轮廓提取中能取得更好的效果.     

基于高斯混合分布和区域竞争主动轮廓的医学目标分割

提出了一种基于高斯混合分布和区域竞争主动轮廓的医学目标提取模型。这一模型,把主动轮廓的能量函数表示为像素属于目标或背景的子类的最大概率的区域积分,在水平集合框架下使能量函数最小化,得到在高斯子类区域间竞争演化的分割迭代方程。同时,附加的速度约束项使主动轮廓在越过目标边缘时速度降低,提高了分割的收敛性。通过大量肝脏CT图像的分割实验以及与几种经典模型和手工提取的比较,表明该模型在医学图像分割中具有较好的健壮性、准确性和灵活性均较好。     

基于主动轮廓模型的交通场景运动目标提取算法

在交通监控中,从复杂的交通场景中精确地分割出运动目标是至关重要的。目前,经典的运动目标检测算法有背景差法和帧差法。当场景中存在阴影时,这两种方法都不能够精确地提取运动目标。提出了一种基于主动轮廓模型的运动目标提取算法。通过阴影检测,从运动目标中获得消除阴影的初始轮廓,然后通过主动轮廓模型逼近运动目标真实轮廓。实验表明,该算法既可以消除阴影和噪声的影响,又可以保持运动目标完整。     

一种基于主动轮廓模型的医学图像序列分割算法

介绍了一种结合live wire算法和活动轮廓模型的医学图像序列的分割方法.通过把live wire算法和图像分割中一般的区域增长方法结合,对传统live wire算法进行了改进,并用改进后的算法对医学图像序列中的单张或多张切片进行交互式地准确分割.然后计算机利用活动轮廓模型自动分割相邻的未分割切片.还通过在活动轮廓模型的边缘点中引入记录已分割物体边缘附近局部区域特征的灰度模型,把已分割切片中的物体与背景的局部区域特征带入相邻的未分割切片中,并用由灰度模型定义的区域相似性代替活动轮廓模型中的外能来引导边缘轮廓收敛到物体的实际边缘.最后介绍了一种基于live wire算法思想的简单的分割结果交互式修复方法.实验结果表明该算法仅需少量用户交互就能快速准确地从医学图像序列中分割出感兴趣的物体,在医学图像分析中具有实用价值.     

改进Snake模型在病灶轮廓提取中的应用

提出了用改进Snake模型－GVF（Gradient Vector Field）Snake模型来实现医学图像病灶轮廓的提取,结合高斯平滑滤波、交互式给定初始轮廓点等方法提高轮廓提取的精度。该方法与传统的轮廓提取方法相比,具有捕获范围广、对噪声不敏感的特点,特别适合噪声大、位置不确定、形状不规则的病灶轮廓的提取。实验表明,采用该方法能有效地提取病灶轮廓,在临床上有广泛的应用前景。     

基于Snake和外观模板的组合式图像对象分割

针对目前图像对象分割方法对图像的特征提取和抽象度不够,导致的分割精度低的问题,提出了基于Snake模型和外观模板的组合式图像对象分割研究方法,该方法将改进的外观模板图像对象分割算法得到的分割结果经过预处理作为改进的Snake模型的图像分割算法的输入初始轮廓进行精确处理。该算法在提升对象分割精度的有效性上达到了96%以上。     

活动轮廓模型在重叠藻细胞计数中的应用

针对重叠藻细胞显微图像的计数问题,提出一种基于活动轮廓模型的重叠藻细胞自动计数方法。对重叠藻细胞显微图像进行预处理,标记连通域,提取并处理局部图像,采用活动轮廓模型算法提取重叠藻细胞边缘,同时进行边缘分析和计数。与传统分水岭算法相比,该计数方法不直接进行重叠藻细胞分割,可以消除因直接分割时过分割与欠分割导致的计数误差,提高重叠藻细胞计算准确度。实验结果表明,该方法对重叠藻细胞的计数准确率高于90%。     

自适应融合颜色和深度信息的人体轮廓跟踪

采用活动轮廓对人体目标建模,提出一 种新的水平集框架下自适应融合RGB-D图像的颜色和深度信息的人体轮廓跟踪方法. 设计了一种基于超像素的局部自适应权重计算方法,自动确定深度信息在水平集演化中的重要性. 基于深度信息的活动轮廓驱动外力包括由边缘生成的梯度向量流和由目标/背景深度模型生成的置信图,基于颜色信息的驱动外力由目标/背景颜色模型生成的置信图,这三种外力通过局部自适应权重融合,驱动活动轮廓向目标的边界演化.为了得到更加精确的目标轮廓和防止误差漂移,基于本文观察到的人体表面在深度图像中的两个特性,提出两个简单但有效的算法对水平集方法得到的结果进行精化调整. 最后,通过实验验证了本文算法的优越性.     

基于张量投票的主动轮廓边缘提取

提出一种基于张量投票的主动轮廓边缘提取算法。该算法对图像进行张量编码,将其转化为二阶对称的半正定张量,每个输入张量通过预定的投票域对邻近数据进行稀疏投票,投票后每个输入点收集自身获得的选票,再进行稠密投票,以获得轮廓的显要特征,从而实现主动轮廓的边缘提取。实验结果表明,该算法能有效提取图像轮廓边缘,得到较好的物体主动轮廓模型。     

区域信息和水平集方法的图像分割

随着图像处理技术不断发展,图像分割技术也在不断的走向成熟,但是目前比较成熟的分割方法都存在一定的局限性,传统的分割方法一般都难以实现全局分割,而且对目标边缘比较模糊的物体难以实现有效的精确的分割;基于区域信息和水平集方法的图像分割算法弥补了这些缺陷,该算法是在传统的动态轮廓GAC模型和C_V模型的基础上进行改善;通过实验分析,首先,该算法极大提高了图像分割的精确性,使得轮廓线能够在要分割目标的边缘附近停止演化,即使目标的边缘是模糊不清的图像,该算法也能实现精确地分割;其次,该算法还克服了传统动态轮廓分割算     

一种改进的snake算法在人脸检测定位中的应用

在基于彩色图像中的人脸检测的人脸定位问题上,针对snake算法受能量函数的初始状态影响大等缺点,提出了一种改进的snake算法。引入目标图像的质心和目标的最大拉长度作为优先信息确定snake的初始状态,很好地弥补了snake算法的不足。同时减小了搜索的范围,降低了复杂程度,增加了实时性,定位效果也得到大大的提高。     

Bayesian shape model for facial feature extraction and recognition

A facial feature extraction algorithm using the Bayesian shape model (BSM) is proposed in this paper. A full-face model consisting of the contour points and the control points is designed to describe the face patch, using which the warping/normalization of the extracted face patch can be performed efficiently. First, the BSM is utilized to match and extract the contour points of a face. In BSM, the prototype of the face contour can be adjusted adaptively according to its prior distribution. Moreover, an affine invariant internal energy term is introduced to describe the local shape deformations between the prototype contour in the shape domain and the deformable contour in the image domain. Thus, both global and local shape deformations can be tolerated. Then, the control points are estimated from the matching result of the contour points based on the statistics of the full-face model. Finally, the face patch is extracted and normalized using the piece-wise affine triangle warping algorithm. Experimental results based on real facial feature extraction demonstrate that the proposed BSM facial feature extraction algorithm is more accurate and effective as compared to that of the active shape model (ASM).