基于图像引力和Mumford2Shah模型的曲线演化算法

提出了一种图像引力和Mumford2Shah (M - S)模型的快速曲线演化算法,该算法分两 步实现:首先利用图像引力,对参数主动轮廓线模型中的控制点进行寻优,使控制点能快速地收敛到图像的边缘附近;然后利用插值算法,得到目标较粗糙的大致轮廓,再使用M - S模型和窄带方法得到准确的轮廓。该算法避免了参数主动轮廓线模型不能收敛到物体凹陷的边缘和对初始位置敏感等问题,也避免了M - S模型需要对所有图像数据进行计算,计算量大等问题,实现了对参数和几何主动轮廓线模型进行了有效结合。     

基于简化Mumford—Shah模型的文本行和段落分割算法

文本行和段落分割是文档图像处理过程中的重要步骤.本文提出了一种基于简化Mumford-Shah模型的新的文本行和段落分割算法,该算法是脚本语言独立的.为了提高文本行和段落分割算法的有效性,首先使用高斯滤波器对文档图像进行平滑,然后再在此基础上运用简化的Mumford-Shah模型的水平集图像分割算法分割文档图像.最后,利用数学形态学方法处理文档中粘连和交叠情况.实验表明,该算法可以准确快速的分割目标物体,而且算法与初始轮廓线位置无关、不受边界轮廓线连续性限制、对图像噪声具有很强的鲁棒性.     

基于改进Chan-Vese模型的图像分割

目前基于水平集的图像分割方法很难给出基于全局极值的算法终止条件,而大多采用事先设定迭代次数的方法。本文提出了一种改进的Chan-Vese模型,通过添加水平集函数约束项,使得新模型抑制了水平集函数的取值范围,最终收敛至全局极值,并以此作为算法终止条件,无需事先设定迭代次数。实验结果表明,新模型在其终止条件下,分割结果正确,与传统Chan-Vese模型相比,新模型的收敛速度快3~6倍,且通用性更强。     

一种基于三维直方图的改进C-V模型水平集图像分割方法

对Chan-Vese提出的基于简化Mumford-Shah模型的水平集图像分割方法(C-V模型)做了改进.传统的C-V模型仅将灰度同(homogeneity)作为区域分离准则,这使其对于对比度明显的图像能够取得很好的分割结果.但单一的分离准则往往致使其在分割噪声信息丰富的、灰度分布复杂的医学、遥感以及自然图像等时产生大量的冗余轮廓.为此,本文在改善C-V模型全局优化特性的基础上,整合图像的灰度分布信息、邻域空间信息以及图像所固有的模糊信息构造三维向量(灰度值、模糊均值和模糊中值),提出了一种基于三维直方图的改进C-V模型水平集图像分割方法.自然图像和红外光学图像的试验结果证明了该方法的有效性.     

基于C-V模型的医学图像分割方法

重点阐述了两种几何活动轮廓模型,基于梯度信息的李纯明模型和基于区域信息的C-V模型,在分析了两种模型的优缺点后,将李纯明模型中的罚函数项引入到C-V模型中,提出了无需初始化的C-V模型。实际结果表明,改进后模型具有李纯明模型的分割速度和C-V模型的效果。     

基于C-V模型的红外图像自动分割方法研究

为解决红外图像分割中背景噪声及边界轮廓的影响,引入了基于曲线演化理论、水平集方法和M-S分割函数的C-V模型。通过将图像表达为分段常量函数来建立适当的能量函数模型,引入水平集的表示方法,在整个图像域中依据最小化分割寻找全局极小值,可令活动轮廓最终到达目标边缘。由MATLAB实现的仿真结果表明采用C-V模型对红外图像进行自动分割不受边界轮廓线连续性限制,对初始轮廓线位置不敏感,对图像噪声具有很强的鲁棒性,对均匀灰度目标分割效果良好。     

一种基于改进 Chan-Vese 模型的红外图像分割方法

为了解决基于 Chan-Vese（CV）模型的传统水平集方法难以分割灰度不均匀红外图像的问题,本文提出一种基于改进 CV 模型的水平集分割方法。通过加入可处理局部区域信息的局部项,使得改进的 CV 模型能够有效避免不均匀背景对水平集演化过程的干扰。此外,通过加入符号距离能量惩罚项,使得该模型无需重新初始化过程,从而提高了水平集函数的演化效率。实验结果表明,本文方法对于红外图像的分割具有较高的精度。     

基于改进的CV模型的医学图像分割

基于CV模型的水平集分割是医学图像分割的一个重要的分割手段。医学图像分割要求精度高,速度快。传统的处理方式效率比较低,不能满足医学图像的分割要求。针对这一缺点,本文提出新的分割模式。首先,在分割过程中间断的对图像进行窗口化处理,减少演化过程所需计算的数据量。同时使活动轮廓的演化速度伴随窗口规模进行调整,减少演变所需的迭代次数。实验表明,改进之后分割方法能够极大的提高分割速度,同时图像细节部分的分割也有更高的精度。     

基于统计模型的变分水平集SAR图像分割方法

针对SAR图像感兴趣区域分割问题,提出了一种基于统计模型的变分水平集分割方法。该方法在分析SAR图像特征的基础上,利用相干斑噪声的统计模型直接定义了关于水平集函数的能量泛函,不同于一般水平集方法中关于参数化曲线的能量泛函。通过极小化能量泛函,建立了水平集函数演化的偏微分方程。对水平集演化方程的数值求解,实现了对SAR图像感兴趣区域的分割。分别采用模拟和真实SAR图像对提出的方法进行了验证,试验结果表明该方法充分利用了SAR图像的特征信息,不需要相干斑噪声预处理,能够准确实现对SAR图像感兴趣区域的分割。     

基于改进型C-V模型的红外图像自动分割

将C-V模型引入到红外图像分割中,同时提出了一种改进的模型。该模型通过增加偏离能量项,避免了标准C-V模型的重新初始问题。模型允许选取较大的时间步长,可以用简单的有限差分格式实现。实验证明,改进的模型在分割效果不变的情况下可以有效加速演化过程,提高分割效率。     

全介质硬膜窄带滤光片中心波长的变化特性

报道了全介质窄带波光片中心波长的变化特性，给出了探测氧分子谱线的０．７６３ｎｍ，窄带滤光片的制备和中心波长的变化结果。     

具有高斯横向分布的环形染料腔中带模型下的光学双稳性

利用带模型理论研究了环形腔染料激光器中的光学双稳性，使用了真实的高斯横模腔场分布．并将所得到的结果分别与使用平面波近似下的带模型结果以及单横模近似下的二能级模型结果进行了比较．     

基于双运动模型的头—肩目标的分割

提出了一种新的头－肩目标分割方法，采用双运动模型，可以更好地描述头－肩运动，文章导出了该模型的参数估计算法，并将其运用于半自动分割系统中，实验结果表明：使用双运动模型的分害系统，可以更准确地分割头－肩目标。     

一种基于可变形模型的图像分割算法

提出了一种新的基于可变形模型的图像分割算法。该算法在模拟气球膨胀法的基础上，对内外部力场进行了改进。并通过控制力场的方向，使Snakes不断向图像内部收缩分裂，最终完成对图像的分割。对合成图像和实际图像的实验表明，这一方法是行之有效的。     

基于小波域隐马尔科夫树模型的图像分割

改进了传统的基于小波域隐马尔科夫树模型的图像分割方法.由于传统方法均为直接选择小波子带系数作为训练特征,不能直接得到像素级分割结果;同时传统方法在后融合方面对所有尺度均采用同一种上下文背景,而忽略不同尺度上初分割类标志图的特点.因此,本文在粗分割阶段首先处理了训练时参数设置的问题,并选取了更能表征纹理的特征,能直接得到像素级分割结果;在多尺度融合阶段,充分利用不同尺度上类标志图的特性,不仅考虑粗尺度信息对融合结果的影响也考虑了细尺度信息对结果的影响.实验表明本文算法的视觉效果好干与本文进行比较的Choi提出的HMTseg以及孙强提出的WD-HMTseg遥感图像分割算法.     

基于Contourlet域HMT模型的多尺度图像分割

基于Contourlet系数分布统计特性,结合隐马尔可夫树（HMT）模型和贝叶斯准则提出一种新的图像分割算法.为了更有效保持Contourlet域不同尺度间的信息,提出一种新的加权邻域背景模型,给出了基于高斯混合模型的象素级分割算法和基于新的背景模型的多尺度融合算法.分别选择合成纹理图像、航拍图像和SAR图像进行实验,并与小波域HMTseg方法进行比较以说明算法的有效性.对合成纹理图像给出错分概率作为评价参数.实验结果表明本文方法不但在边缘信息和方向信息保持上有明显改进,而且错分概率明显降低,对真实图像得到了理想的分割效果.     

基于GLC模型的红外纹理合成方法研究

根据自然红外纹理在空间的统计分布特性，利用随机场模型可以有效地合成红外纹理，由于物体表面的温度场分布具有马尔可夫性，可以利用GLC(Generalized Long—Correlation)随机场模型模拟自然地物表面的红外辐射温度场分布情况，并利用普明克黑体辐射定律计算地表的辐出度场分布，通过辐出度场进行显示定标和量化，可以有效生成不同的红外纹理。模拟结果表明：GLC模型可以有效模拟3～5μm和8～12μm波段的红外纹理。     

基于选择多分辨率Kohonen网络的自适应灰度图像分割方法

针对多阈值分割中存在的问题，提出一种新的基于测量空间的空间聚类方法，即基于选择性多分辨率Ｋｏｈｏｎｅｎ网络的自适应灰度图割方法，算法的优点在于不需预知图像分割 ，能够动态地根据图像局部的特性决定，实验证明该方法具有良好的适应性。     

基于神经网络模型的辐射真温测量方法研究

将神经网络理论用于多光谱辐射测温领域,实验结果表明,该方法是解决目标真温测量行之有效的一种新方法。