基于GVF Snake的运动目标跟踪方法

针对Snake不能收敛于凹形边缘和收敛速度慢的缺点,结合帧间差分和梯度矢量流主动轮廓模型（GVF Snake）,提出了一种运动目标跟踪方法。首先通过帧间差分得到不同时刻的灰度差异图像,然后用形态方法得到的运动目标粗略轮廓作为Snake的初始轮廓,最后利用GVF Snake的特性,准确地收敛到目标边界。实验证明该方法运算速度快、能够快速地收敛到目标轮廓、准确地跟踪目标,并具有一定的抗噪能力。     

一种改进的交互式医学图像序列分割方法

本文介绍了一种结合live wire算法和活动轮廓模型的医学图像序列的分割方法.我们通过把live wire算法和图像分割中一般的区域增长方法结合来改进live wire算法,并用改进后的算法来对医学图像序列中的单张或多张切片进行交互式的准确分割.然后计算机利用活动轮廓模型来自动分割相邻的未分割切片.我们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来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.本文还介绍了一种基于live wire算法思想的简单的分割结果交互式修补方法.实验表明我们的算法仅需少量用户交互就能快速准确的从医学图像序列中分割出感兴趣的物体.     

一种基于参数活动轮廓模型的高能闪光照相图像分割算法

针对高能闪光照相系统成像质量较差的特点,提出了一种基于参数活动轮廓模型(Snake模型)的闪光照相图像分割算法.该算法在传统高斯力Snake模型中引入包含图像区域信息的变力,以目标和背景两区域具有最小方差为准则,构建兼顾边缘和区域信息的外部能量函数.数值实验结果表明,该算法对初始轮廓位置不敏感,较好地解决了客体凹陷区域分割问题,能够实现对含噪声的弱边界闪光图像的自动分割.     

基于显著性区域的图像分割

在经典的Chan-Vese模型中结合显著性分析,提出了一种有效的目标分割方法.即首先利用频谱残差方法提取图像的显著性区域,针对阈值分割方法的缺点使用改进的自适应阈值分割方法获取目标的大致轮廓,并以此轮廓作为Chan-Vese模型中初始曲线.该方法使得活动轮廓可以从靠近目标物体的位置进行演化,去除复杂背景的干扰.这样就解决了背景复杂时无法得到较为准确的边缘的问题;同时,也减少了CV模型的迭代次数.实验结果表明无论是背景复杂的灰度图像还是医学彩色图像,该算法的分割精度和运行效率都优于CV模型.     

综合利用通用霍夫变换与Snake算法对序列图像的分割

提出了一种综合算法对图像序列进行分割:首先根据上一帧图像物体形状信息用霍夫变换确定在当前帧中同一物体的大致轮廓、位置,再以此轮廓作为初始值,用Snake算法检测出物体的局部形变,对于序列的第一帧用手工勾出目标物体大致轮廓.由于通用霍夫变换抗噪声能力强,而Snake能准确地找出局部形变物体的边缘,综合两种算法的特点能精确地分割出复杂背景下特定的物体.     

基于蛇模型图像分割研究综述

蛇(Snake)模型,也称活动轮廓模型(Active Contour Model),能利用图像的高层信息能量泛函最小化来解决图像分割问题,多数学者因这点认真研究并改进了Snake,参数活动轮廓最先被研究,从改进力场的角度入手,以GVF-Snake最为出色,该类模型非常适合医学图像的分割,但其本身基于拉格朗日框架,分割结果依赖于初始轮廓的设置,学者借助几何活动轮廓模型,解决参数蛇难于处理拓扑变化问题,使分割以自适应方式进行,极大弱化了初始化要求,提高分割鲁棒性,能分割遥感、纹理、彩色图片。     

结合边界和区域的水平集超声图像分割算法

针对距离正则化的水平集演化（DRLSE）模型难以处理弱边缘图像、初始轮廓敏感以及曲线演化方向单一等问题,提出一种结合边缘和区域信息的变分水平集超声图像分割模型。该模型采用改进的四阶偏微分方程进行滤波,实现在去除噪声的同时保护图像边缘信息;构造了自适应加权系数,实现曲线自适应地向内或者向外演化;引入CV模型的外部能量项,将图像的边缘信息和区域信息相结合,提高了全局分割能力。实验结果表明：该方法在分割超声图像时,具有演化结果稳定,边缘定位准确的特点,可以较好地提取超声图像中的目标。     

超像素优化Snake模型的乳腺X线图像胸肌分割

提出基于超像素优化Snake模型的乳腺X线图 像胸肌 分割方法。首先采用融合灰度和纹理特征的超像素分割算法将图像分割为多个具有准确边界 、同质的 超像素区域;再根据胸肌的解剖学特征和灰度特征将超像素分类,识别胸肌区域,完成胸肌 的粗分割; 最后使用超像素分类结果优化Snake模型初始轮廓,通过Snake模型演化实现胸肌的细分割 。实验结果表明,本文方法对不同大小、形状和亮 度的胸肌 能够准确地逼近到目标边界,并具有较强的抗噪性和鲁棒性;与其他胸肌分割算法相比,本 文算法准确性较高,稳定性较好。     

一种具有向心力的新型Snake算法

动态轮廓模型（Snake算法）是一种较好的目标轮廓检测方法。但是传统的Snake算法在对其能量函数进行优化时,不能检测多目标、血管内轮廓和凹形轮廓。文章首先对图像进行自动Snake初始化,然后在Snake 的成长过程中加入向心力因子。实验结果表明,新的算法能够检测多目标、血管内轮廓和凹形轮廓,优于传统的Snake算法。     

基于主动轮廓模型的红外图像轮廓提取算法

针对主动轮廓模型存在的对初始轮廓位置敏感、凹性目标轮廓无法正确收敛等问题,本文将自适应边缘检测和主动轮廓模型相融合,提出一种改进的红外图像目标轮廓自动提取算法。首先,采用最大类间方差法计算红外图像边缘检测算法的自适应阈值,获取目标初次边缘,降低对初始轮廓位置的敏感性;对初次边缘分别进行横向与纵向填充,填充图像相与运算,对得到目标区域提取二次边缘,将其作为主动轮廓模型的初始轮廓,保证目标凹陷区域轮廓的有效收敛。最后,通过仿真分析验证了该方法能够实现红外目标轮廓的精确自动收敛。     

金属球面缺陷的图像检测方法

为解决测量速度和精度之间的矛盾,提出了一种用图像识别技术探测缺陷的大致位置、用激光位移传感器精确测量缺陷三维形貌的测量方法.设计了扫描测量球形表面的图像和数据采集装置;在分析图像特点的基础上,采用低通滤波算法降低了图像背景噪声;根据当前待处理图像上极大极小值的包络线差值信息,初步确定了缺陷的大致位置和区域;用Snake 模型迭代逼近到缺陷的边界;讨论了缺陷三维形貌数据的处理和表征方法.该方法在复杂背景图像分割的自适应能力方面比传统方法更具优势,测量系统能满足自动、可靠地检测金属球面缺陷的需要.     

基于改进的变分水平集和区域生长的图像分割方法的研究

针对水平集和区域生长方法都存在对噪声和初始边界敏感以及容易从弱边缘处泄露等不稳定的问题,提出了结合待分割目标灰度统计信息和图像梯度信息的水平集演化函数对水平集方法进行改进,并利用区域生长方法解决水平集方法对初始边界敏感的问题.分别用传统区域生长方法、阈值方法、GAC模型、C-V模型、Snake模型以及本文方法进行从腹部CT图像分割肝脏区域的实验比较,实验结果表明:本文方法不仅可以减少图像分割的时间,而且显著地提高了分割质量.     

一种全新的两步自动化医学图像分割方案

针对现有图像分割方法存在需要手动分割,以及精确度较低的问题。采用一种全新的两步图像分割方案。该方案。以基于人工神经网络的模式识别技术,即人工神经网络的大规模培训的方法,通过对肺区不同子区域内结构进行分割处理,利用训练好的大规模人工神经网络对标准胸片中的肋骨、锁骨等骨质结构进行抑制,结合以基于区域的活动轮廓模型,即Snake模型,正确分割亮度不均匀的图像。文中选择与医护人员人工分割的图像进行对比,通过放射科医生采用等级法打分,原图的平均分为20分,而通过文中改进的分割方法平均分高达34分。     

用无需选取参数的Unit-linking PCNN进行自动图像分割

脉冲耦合神经网络（PCNN-Pulse Coupled Neural Network）是一种有生物学依据的人工神经网络，它可有效地用于图像分割。基于PCNN的图像分割效果取决于PCNN中各参数的选择。然而，图像分割时，各种不同的图像对应的PCNN参数是不同的，而PCNN参数的选择是困难的。本文提出了一种基于Unit-linking PCNN的图像分割新方法，解决了PCNN图像分割参数选择的难题。用本文提出的新方法可有效地自动分割各种图像，而无需考虑PCNN参数的选择，这对于PCNN的理论研究和实际应用有重要的意义。     

基于多种图像分割方法的法医损伤面积计算

目的：本文通过多种图像分割技术将损伤区域准确地标记出来,并计算出法医图像的损伤区域面积。方法：利用图像分割方法分割目标和背景,然后用数学形态学处理来消除分割带来的空洞和毛刺,最后通过比较4种基于区域分割的方法,给出了计算法医损伤面积的最佳方法。结果：迭代阈值、最大类间方差法和K-均值聚类3种分割方法都能较好地实现损伤图...     

基于多参数配准模型的脑核磁影像分割算法

配准技术在基于多图谱的分割方法中能有效地将医学图谱的先验知识融入分割过程,再结合以高效的标记融合算法,最终实现精确地自动分割.针对图谱配准的较大误差及其对标记融合的重要影响,本文建立了一种新的概率图模型框架并以此提出了基于多参数配准模型的分割算法,将此方法与高效的标记融合算法相结合,可以提高目标图像中特定组织区域的分割精度,更使其在少量图谱分割的情形下具有重要应用.首先,使用多种配准参数对所有目标图像进行配准;然后,分别采用不同的算法对配准图像进行灰度融合和标记融合,实现训练图像的重构过程;最后,利用高效的标记融合算法对重构后的图像进行融合得到最终精确的分割结果.实验结果表明该方法均优于本文其他分割算法,能够有效提升脑部组织分割精度.     

自适应权重的偏微分分割模型在变电设备红外图像中的应用

针对变电设备运维中的红外检测图像无法被准确分割的问题,本文应用了一种改进的自适应权重偏微分图像分割方法.通过分析红外图像信噪比低、边缘模糊、对比度低以及最常出现的灰度不均匀问题,在明确传统分割方法不足的基础上,对基于偏微分方程的分割模型开展改进.本文所提出的自适应权重的LGIF分割模型利用目标设备和背景灰度不均匀程度不...     

基于图像分解的稀疏正则化多区域图像分割方法

针对图像具有不同特征的成分,提出一种基于图像分解的多区域图像分割模型和算法.首先将图像分解项引入到图像分割模型中,递减了纹理和噪声对分割的影响;其次使用稀疏正则化方法保持分割区域的边缘几何结构;最后基于增广Lagrange乘子法,给出一种由扩散流引导的小波迭代阈值图像分割算法.一系列实验结果表明,提出的方法抗干扰能力强,对噪声具有更好的鲁棒性.提出的方法不仅能够分割结构图像,并且能够分割较复杂的纹理图像.     

QoS路由选择:问题与解决方法综述

保证服务质量的QoS路由(Quality of Service Routing)是网络中解决QoS问题的一项关键技术.QoS路由的主要目标是为接入的业务选择满足服务质量要求的传输路径,同时保证整个网络资源的有效利用.度量参数选择问题、寻路问题和路由信息不准确问题是QoS路由中的几个主要研究内容.本文围绕这三个方面,介绍了QoS路由中的主要问题及相关的解决办法,并探讨了今后QoS路由可能的研究方向.     

基于分形理论和Gabor变换的港口背景红外图像分割

为了对复杂港口背景的红外图像进行有效、快速和准确的分割,根据分形理论的思想,在对红 外图像进行分形处理的基础上,先运用最大类间方差法(Otsu)对红外原始背景图像进行粗分割,然后运用Gabor 变换和Gabor多通道滤波器提取港口背景轮廓,最后使用中值滤波滤除噪声,得到最终的港口背景轮廓图像。通过对实际港 口背景的红外图像进行分割实验,验证了所提方法的可行性和有效性。