窄带主动轮廓模型及在医学和纹理图像局部分割中的应用

提出一种新的基于二值水平集的窄带主动轮廓模型用于局部分割.通过对二值水平集进行形态学膨胀和腐蚀操作, 提出一种稳定灵活可控的窄带控制方案,该方案可使得曲线进化精度从一个像素宽度灵活变化到任意大小. 考虑到局部分割一般要求初始轮廓置于待分割目标内部并不断膨胀进化直至目标边缘,本文提出用形态学闭运算作为新的曲线平滑方案. 与传统的高斯平滑和曲率平滑方案相比,形态学闭运算不仅能够更好地促进曲线的膨胀进化,而且有利于保持水平集函数的二值性. 此外,本文提出的方法是一种通用的自然框架,可以根据不同的需求设计不同的速度函数. 为了证明所提出的局部分割框架的有效性和鲁棒性,本文以医学图像和纹理图像为例分别设计了两个速度函数: 一个是融合了磁共振脑图像的非严格对称信息的速度函数用于大脑皮质下结构的局部分割;另一个是融合了局部熵和局部梯 度算子的速度函数用于纹理图像的局部分割. 在合成图像、医学图像和纹理图像上的实验证明了本文方法在局部分割中的有效性和鲁棒性.     

一种基于主动轮廓模型的运动目标跟踪方法

分析了几种经典主动轮廓模型（即Snake）的优缺点．针对传统Snake在应用于目标跟踪时的一些缺陷,设计了自动初始化轮廓的算法．采用四邻域交替搜索法取代八邻域搜索方法以减少计算开销,并给出了一种较为实用的基于Snake的运动目标跟踪方法．通过实验证明了本方法的可行性．     

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.     

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。     

基于主动轮廓模型和水平集方法的图像分割技术

图像分割是计算机底层视觉中首要解决的关键问题。为了使人们对该领域现状有个概略了解。首先回顾了近十几年来基于主动轮廓模型的图像分割技术的发展概况；然后分类介绍了基于边界、基于区域和基于边界与区域的主动轮廓模型技术的演变及各自的优缺点，以及相应的能处理轮廓拓扑变化的稳定数值求解方法——水平集方法；最后展望了主动轮廓模型在图像对准中的应用。     

基于核自组织映射的有监督主动轮廓图像分割

针对灰度不均匀目标和多灰度强度目标利用主动轮廓难以精确分割的问题,提出了一种基于核自组织映射（KSOM）的有监督主动轮廓算法KSOAC。首先对背景区域和前景区域的先验样本分别利用KSOM进行训练,得到其各自的拓扑映射结构来表征其分布,从而获得突触权值向量;其次提出计算两个网络结构单位像素的平均训练误差,把该误差加入能量函数修正曲线进化过程,并利用前景和背景的面积比得出能量项的控制参数;最后推导出了利用神经元权值向量的有监督主动轮廓能量函数和迭代方程,并采用Matlab 7.11.0对多幅图像进行了仿真验证。仿真结果和数据表明,与自组织映射（SOM）主动轮廓（SOAC）相比,KSOM得到的映射更接近于先验样本的分布,误差更小;KSOAC的准确率、查全率和F参数均大于0.9,分割结果更接近目标本身;在时间消耗方面与SOAC相差不大。实验结果表明,KSOAC能够提高概率分布未知图像、非均匀图像和多灰度强度目标分割效果,减少目标泄露。     

基于非参数二维熵的主动轮廓模型

提出一种基于区域二维熵的新型主动轮廓模型.该模型将基于二维直方图的熵作为主动轮廓的新型外部能量,能有效完成内部存在噪声和虚假边缘的同质区域的分割.同时针对多数基于区域的主动轮廓模型只分割同质目标的局限,本文通过使用非参数化方法有效表达目标统计特性,并经由模型演变过程中自相交问题的解决,完成了内部结构较复杂的非同质目标(如人脸)的分割.实验验证了该模型的有效性.     

基于方向气球力活动轮廓模型的图像分割

针对传统参数活动轮廓模型存在对轮廓线初始位置敏感的缺点,提出了方向气球力活动轮廓模型并应用于MRI图像分割。该模型利用底层图像分割的结果确定外力的方向,使气球力方向始终指向目标边界,引导轮廓线变形。当轮廓线运动到目标边界附近时,在高斯势力作用下继续变形,完成图像高层分割。实验结果表明,该模型与轮廓线初始位置无关,能实现MRI图像的自动分割。     

几何活动轮廓模型的多尺度扩散分割算法

提出了一种对几何活动轮廓模型中的停止速度场进行多尺度扩散的算法,它通过引进2个控制参数来定义停止速度场的目标边界、同质区域和过渡区域;对于不同复杂性的图像,采取不同的控制参数对其停止速度场进行多尺度扩散;并将多尺度扩散后的停止速度场应用于几何活动轮廓模型进行图像分割.实验结果表明:对1幅合成图像和2幅自然图像,该算法大大地减少了分割时间,在一定程度上也减少了边界泄漏.     

几何活动轮廓模型中停止速度场的异性扩散

几何活动轮廓(GAC)模型广泛应用于计算机视觉和图像分析领域,特别是用于定位目标边界.然而,基于GAC模型的图像分割有演化时间长和边界泄漏两个缺点.一方面,停止速度场在同质区域一般不够平滑,这导致活动轮廓不能快速演化到希望的目标边界;另一方面,停止速度场在目标边界上不为0,导致活动轮廓不能停止于目标边界,活动轮廓继续演化进入目标边界内(边界泄漏).针对这两个问题,提出了一种对停止速度场进行各向异性扩散的方法.它基于提出的各向异性扩散模型.然后把各向异性扩散后的停止速度场应用于GAC模型进行图像分割.实验结     

基于Perona-Malik模型的各向异性主动轮廓外力场

利用经典的Perona-Malik各向异性去噪模型具有保护图像边界信息的特点,将经过Perona-Malik模型处理后图像的负梯度作为外力场,研究其对主动轮廓法分割结果的影响,提出了一种主动轮廓外力场模型PMF。理论分析和实验结果表明,PMF模型不仅能够保持图像的边界信息,克服了传统外力场不能进入图像凹部的缺陷,而且对初始曲线的约束较少。由于PMF是基于去噪模型而得,因此具有较好的鲁棒性。     

基于流体静力学的区域分割活动轮廓模型

提出一种新的活动轮廓模型,应用于灰度图像的区域分割。对于定义在灰度图像 上的闭合连续简单曲线,该模型应用流体静力学理论直接驱动,使其不断地缓慢收拢,直至收 敛于区域边界。在这个过程中,闭合连续简单曲线所经历的像素都被该模型根据像素性质判定 其区域归属。重新初始化有关变量,激活已收敛于区域边界的闭合连续简单曲线,继续驱动闭 合连续简单曲线收拢,直至该曲线收敛于内嵌的新区域边界或者收敛于一个点。在该模型运行 过程中,一条闭合连续简单曲线可能会分裂成多条闭合连续曲线,以适应多区域分割。当一条 闭合连续的简单曲线经过模型持续驱动之后收敛于一个点时,被其包围的区域分割才告结束。 本文提出的模型能够分割多区域和嵌套区域。     

结合混合符号压力函数的活动轮廓模型

为分割灰度不均图像和各类噪声图像,本文提出了一个结合混合符号压力函数的活动轮廓模型。首先,利用图像的全局和局部信息,根据当前活动轮廓的位置,构造一个混合符号压力函数,该函数通过自适应权值线性组合一个全局压力项和一个局部压力项,得到图像相对于当前活动轮廓的混合压力。然后,结合此混合符号压力函数,构造活动轮廓的演化方程,最后通过交替迭代算法求解模型。实验中采用不同的人造、医学和自然图像对模型进行了测试,实验结果表明,该模型对初始轮廓有较强的鲁棒性,能有效分割灰度不均图像及各类噪声图像,并且相对于其他活动轮廓模型,本文模型具有最好的实验效果。     

融合显著性特征的自适应主动轮廓模型

主动轮廓模型存在演化速度慢、对初始轮廓和噪声敏感、弱边缘泄漏及目标过分割等问题。对以上问题进行了研究,提出了融合显著性特征的自适应主动轮廓模型。提出基于去雾算法的显著性映射作为正则项提升模型对初始轮廓位置的鲁棒性,防止轮廓演化过程过早陷入局部最优解,同时缩短轮廓演化时间。为了防止模型在演化过程中出现弱边界泄漏,模型中引入边缘检测函数作为能量泛函的权重。该模型利用最大面积稀疏约束,提出自适应目标提取方法来消除目标过分割影响。与多种主动轮廓模型在数据集MRSA500(500张)上进行实验对比,表明了提出的模型对初始轮廓和噪声的鲁棒性,而且提出模型的平均分割效率提升约5.6倍,平均Jaccard相似度系数提升约22%。     

基于主动轮廓模型的玉米种子高光谱图像分类

提出将主动轮廓模型(Active contour model,ACM)应用于玉米种子的高光谱图像分割中.首先,通过高光谱成像系统获取9个品种共432粒玉米种子的高光谱反射图像,利用基于主动轮廓模型的图像分割法对玉米种子高光谱图像提取目标区域轮廓,得到单波段下每粒玉米种子12个形状特征参数,然后通过主成分分析法(Principal component analysis,PCA)对特征数据降维,结合波段间的相关性选出12个最优波段,最后利用误差反向传播(Back propagation,BP)神经网络模型进行建模分类,与传统的阈值分割法相比,取得了更好的分类效果.研究结果为高光谱图像目标轮廓提取提供了一种新方法.     

一种改进的活动轮廓图像分割技术

图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。针对传统的活动轮廓外力模型均存在一些难以克服的缺点，提出了一种改进的活动轮廓图像分割技术，并首先介绍了用活动轮廓进行目标分割的基本原理，即一条曲线在其内部能量和外部能量的共同作用下，可以移动到所期望的位置，并且当曲线到达目标位置的时候，活动曲线所具有的能量达到最小。在传统的活动轮廓中，外部能量通常由目标点的梯度势能场给出，但是由于梯度势能场存在着一些难以克服的缺点，即不能够很好地指导曲线的移动，为此，对其进行了改进，即采用一种梯度向量流场作为外部能量场的方法，从而有效地克服了传统梯度势能场捕捉范围小以及难以处理凹平面的缺点，并通过实验证明了该方法的有效性。     

基于改进的活动轮廓图像分割

图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。针对传统的活动轮廓模型在分割过程中具有处理速度慢，运算量大，对凹陷轮廓处理效果差等缺点，提出了一种改进的活动轮廓图像分割技术．在传统的活动轮廓中，外部能量通常由目标点的梯度势能场给出，然而梯度势能场存在着一些难以克服的缺点，即不能够很好地指导曲线的移动。把梯度向量流场（GVF）作为外部能量场，有效地克服了传统梯度势能场捕捉范围小以及难以处理凹平面的缺点，并通过实验证明了该方法的有效性。