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。     

一种基于分层Mumford-Shah模型的颅脑图像分割方法

在介绍简化Mumford-Shah模型和水平集（LevelSet）方法的基础上,针对颅脑多目标分割问题,提出了一种基于分层Mumford-Shah模型的图像分割方法,并运用改进图像分割方程进行计算求解,对颅脑MR图像的分割实验证明了该方法的有效性。     

一种遮挡情况下的目标追踪方法

提出一种在遮挡情况下的目标追踪方法。首先建立鲁棒性的目标轮廓模型。然后结合遮挡推理并且以目标的轮廓质心为基础进行LevelSet曲线演化,获取准确的目标轮廓信息,并将提取到的轮廓信息加入到Karman滤波的跟踪框中。最后对目标轮廓模型进行实时更新。实验结果表明所提及的方法具有很好的鲁棒性。     

基于图像处理技术的人机交互界面控制研究

以更好地实现人机交互界面控制为目的，本文设计了基于图像处理技术的人机交互界面控制方法。首先提取人机交互界面图像边缘轮廓特征，采用视觉传达优化方法增强人机交互界面图像视觉传达信息，构建图像的边缘包络特征，利用向量量化法实现图像信息增强处理，结合多分辨率层次分析法提取图像多分辨特征量，优化图像视觉传达输出，从整体上实现更好的人机交互界面控制，采用超完备字典学习的图像去噪算法提升图标图像的清晰度与直观性，从局部上更精准地控制人机交互界面。测试结果显示方法能够准确描述测试对象内部图像的边缘轮廓，可精准地控制人机交互界面。     

基于网格的流体界面追踪方法分析与改进

对于流体运动,需要去求解其自由表面,才能将其与周围的环境分开,目前许多人都对界面追踪进行了相关研究,并提出了许多方法,其中早期的主要有PIC法、MAC法和VOF法等。LevelSet方法可以有效地实现动态的界面,并且对计算机图形学的研究起到关键的作用,但是LevelSet方法对界面的尖角部分会有较强的抹平效应。ParticleLevelSet方法是在kvdSet方法的基础上,在界面附近引入示踪粒子,从而可以弥补这一缺陷。本文分另q介绍这几种方法,并提出一些改进与几种方法的综合应用。     

基于Level Set的交互式快速分割算法

三维医学图像数据量大,并且受噪声、边界模糊等原因的影响,致使三维分割过程消耗时间较长,容易产生欠分割或过度分割.针对以上问题,提出一种基于LevelSet的三维快速分割算法,采用Fast Marching获取二维分割区域,优化轮廓边界,利用直线数值微分算法（Digital Differential Analyzer,D...     

基于视觉感知的图形化人机交互界面分层模型

由于传统方法没有通过特征提取方法获取图像关键滤波纹理系数,导致人机交互界面图像存在增强效果不佳,非平缓区域、曲面区域等不同层次信息量不丰富的问题,为解决上述问题,设计了基于视觉感知的图形化人机交互界面分层模型.构建图像处理模型,采用边缘轮廓特征提取方法,获取关键滤波纹理系数与边缘轮廓信息分量等特征信息.使用层次分析方法对交互界面视觉传达效果进行优化.以交互界面各个区域视觉感知强度和边缘轮廓内视觉感知元素重要度为基础,建立基于视觉感知强度的图形化人机交互界面分层优化模型,并通过遗传算法求解该模型,实现图形化人机交互界面的分层优化.实验结果显示,上述模型的图像亮度增强效果更优,符合人眼视觉感知要求;信息熵始终处在较高数值,具有较好的图像融合效果,信息量丰富.     

企业新闻

<正>华为月亮拍摄获专利华为技术有限公司获得“一种拍摄月亮的方法和电子设备”专利授权。该方法在预览界面中自动识别月亮后进入月亮拍摄模式,自动对焦使预览界面中显示轮廓清晰的月亮图像。再根据用户的拍摄操作,采集多帧不同曝光参数下轮廓清晰的月亮图像进行处理,分别得到清晰明亮的背景且包括轮廓清晰、晶莹美丽的月亮的照片。该方法可以提高非专业用户的拍摄体验。     

基于Visual C++的图像增强和轮廓提取研究

煤矿井下环境比较灰暗,采集的视频图像画面不清晰,尤其在发生事故时,需要对现场画面进行增强和轮廓提取处理。针对该问题,介绍了一种基于Visual C++的图像增强和轮廓提取的设计方法。该方法采用Visual C++处理位图图像,运用灰度变换方法实现图像增强、模板匹配方法实现边缘检测来突出图像轮廓。实验结果表明,采用该方法处理的图像得到了增强并较好地提取了图像轮廓,达到了预期效果。     

基于图像层级的机器素描研究

针对运用机械臂绘制的机器素描图像存在缺失真实感、艺术感,硬件设备复杂,难以普及的问题,提出基于图像层级的机器素描方法.该方法在运用灰度变换、滤波、二值化等图像预处理方法处理原始人物图像的基础上,分别提取出图像轮廓和图像内部填充区域两部分二值目标图像,通过简易路径规划遍历目标图像,根据遍历轨迹控制XY型简易机械臂绘制图像轮廓及按层级绘制模式填充图像内部区域,实现人物素描图像的绘制.实验结果表明,该系统可根据图像轮廓实现任意曲线的绘制,通过层级绘制模式包含环境因素达到了衬托素描图像使其更具层次感的目的.     

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。     

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.     

计算机辅助发型设计软件的研制与开发

本文主要讨论了基于Level Set方法的计算机辅助发型设计软件的研制与开发.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.最终实现了利用计算机对人脸的实时提取及与发型图像的自动合成功能.     

一种新的自适应水平集融合算法

在处理不均匀图像时,自适应距离保持水平集演化(ADPLS)算法速度快、不受初始轮廓影响,但精度较低;LBF算法精度高,但速度较慢同时易受初始轮廓影响。针对上述2种算法的优缺点,提出一种新的自适应融合算法。该算法根据图像信息自动调整ADPLS与局部二值拟合算法在融合算法中所占比重,实现不同算法的优势互补。实验结果证明,该融合算法在分割精度、速度及稳定性等方面有明显提高。     

针对弱边缘信息的左心室图像分割算法

基于距离正则水平集模型（DRLSE）的左心室MR图像分割算法对梯度信息有很强的依赖性,在图像弱边缘区域容易陷入局部最优,且对初始轮廓的选取敏感。为降低算法对初始轮廓的敏感程度,提高其在左心室图像弱边缘的分割能力,提出一种适用于弱边缘信息的左心室分割算法。在DRLSE的基础上,该分割算法提出运用拟合方法计算基于变异系数分割模型（PSM）的新局部项,算法依靠梯度与图像局部信息驱动曲线演化,降低了DRLSE对初始轮廓的敏感度;引入形状约束力,克服DRLSE算法在左心室外膜弱边界处出现边界泄露的情况。为验证所提算法分割的准确性,基于多伦多市患病儿童医院影像科提供的数据库,利用DRLSE、保持凸性水平集模型（CPLSE）模型、U-Net网络以及提出的内膜算法对心内膜进行分割;利用DRLSE、引入外膜形状约束力的DRLSE模型（DRLSE-shape）、U-Net网络以及提出的外膜算法对心外膜进行分割。实验结果表明,针对左心室内、外膜,所提算法优于上述算法,能降低DRLSE对初始轮廓的敏感程度,提升对左心室弱边界MR图像分割的精确度。     

一种改进的活动轮廓模型图像分割方法

基于全局信息的活动轮廓模型不能有效分割灰度不均匀图像,而基于局部信息的活动轮廓模型对轮廓初始化位置比较敏感。为此,提出结合全局信息和局部信息,构造新的符号压力函数（Signed Pressure Force,SPF）,替代Selective Binary and Gaussian Filtering Regularized Level Set（SBGFRLS）模型中的符号压力函数,同时构造一种新的气球力函数,并采用SBGFRLS水平集方法演化轮廓曲线来分割图像的方法。实验结果证明该方法能有效分割灰度不均图像,同时对轮廓初始化位置不敏感,对噪声有较好的抗干扰性。     

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.     

A medical analytical system using intelligent fuzzy level set brain image segmentation based on improved quantum particle swarm optimization

Medical image segmentation demonstrates a significant part in curative image exploration and dispensation, is a multifaceted and perplexing assignment for reckoning efficiency and dissection precision. Segmenting an image is essential to dissection different components of the image, which is prominent fact to identify region of defect accurately. An Intelligent Fuzzy Level Set Method (IFLSM) along with an over-all search proficiency of Improved Quantum Particle Swarm Optimization (IQPSO) for image segmentation is proposed to improve the steadiness and meticulousness thus aiming at reduction of opening sensitivity. The proposed algorithm aims at optimizing the opening contours by utilizing the IQPSO method in addition with intelligent fuzzy clustering method, and segments the image using enhanced Level Set Method (LSM). A stable cluster head is identified using the comprehensive quest aptitude of IQPSO. The iteration period will also provide a pre-segmentation contour which is nearer to Region of Interest (ROI). The implementation of the proposed work for segmenting brain tissues through Magnetic Image Resonance (MRI) images provides an optimized result which is 15% more than the original FLSM algorithm. The obtained contours from the proposed work shows more stability than the original FLSM. The proposed work shows a promising significant improvement in the image segmentation process.