图像分割中局部能量驱动的快速主动轮廓模型

为了解决图像对象灰度分布不一致性的分割难题,提高图像分割速度,提出了一个全新的快速主动轮廓模型。它由曲线周围局部的统计信息驱动曲线发生形变演化,并使用图像中的边缘信息来引导曲线的演化方向。模型中,根据区域模板与演化曲线共同定义的局部统计信息创建数据拟合项,并应用水平集方法求解曲线的演化。对合成图像和医学图像的实验结果表明,本文提出的分割模型可以同时分割多个灰度不一致的对象,分割速度快,结果稳定,对噪声具有很好的鲁棒性。     

纹理模糊的图像分割

传统活动轮廓分割算法对纹理丰富的图像存在过分割和欠分割现象,为了抑制纹理对图像分割的影响,本文分析了各向同性和异性扩散的机理,设计了保边纹理模糊函数,以图像梯度为变量建立了全变分图像纹理模糊模型。根据对象轮廓与边缘之间的关系利用固定点迭代算法分析相应的卡通分量,对卡通分量运用水平集算法对图像进行分割。实验结果表明,本文设计的模糊函数模糊了图像纹理,保护了对象轮廓。相对于传统CV分割算法,本文分割算法抑制了纹理对图像分割的影响,弥补了传统CV的不足。     

基于水平集及主动轮廓线模型的图像分割研究

传统的图像分割方法难以满足图像复杂分割的要求,基于主动轮廓线模型的图像分割方法正是这种需求下出现的。几何主动轮廓线模型对拓扑结构的变化处理非常自然,解决了参数主动轮廓线模型难以解决的问题,而水平集方法的出现,极大地推动了几何主动轮廓线模型的发展。本文主要研究基于水平集方法的图像分割,介绍了主动轮廓线模型、曲线演化和水平集方法的相关理论和经典的C—V算法模型。     

基于Circular_Mellin变换的纹理图像分割算法

介绍一种比较新颖的算法——旋转及伸缩不变的纹理分割算法,其核心是利用圆周变换和Mellin变换产生一个Circular_Mellin操作数(CMO),将CMO与图像进行卷积,以达到旋转及伸缩不变纹理分割的目的．实验结果表明,这种算法是相当有效的．     

基于神经网络与遗传算法的纹理图像分割

运用两维自动回归模型、分形维数、均值和方差从每一小区域的数据中抽取纹理特征，把纹理特征作为自组织特征映射神经网络的输入层进行训练确定最优的纹理区域分割数，最后运用遗传算法优化图像分割。实验结果证明神经网络和遗传算法相结合能有效地分割纹理图像。     

融合图像局部能量和梯度的水平集分割方法

为了实现结构复杂的灰度不均匀图像的快速准确分割,提出一种融合局部能量和梯度敏感性的水平集方法,采用梯度敏感的能量函数改进局部能量最小化水平集方法,并利用灰度全局信息自动初始化水平集.局部能量函数由局部灰度拟合函数定义,是水平集的外部驱动能量,适用于分割灰度不均匀图像.梯度敏感项依据图像特性,自动判定对水平集的驱动方向,...     

二维熵图像阈值分割的遗传算法

在研究二维熵阈值分割原理的基础上,将遗传算法用于最优阈值的求取,探讨了其快速算法和全局寻优方面的优良特性,研究结果表明,本算法收敛速度快,稳定性好,适合于多阈值的求取。     

局部自适应的细胞图像分割方法

针对单一的全局阈值分割方法不能适用于复杂多目标图像的目标提取，该文提出了一种基于局部自适应多阈值的分割算法。该算法的基本思想是将首次分割得到的目标区域按照一定准则进行划分，分为已经正确提取的目标细胞和包含有多个细胞及部分背景的模糊区域，然后将各个模糊区域作为子图像分别进行再次分割，从中提取出目标细胞。实验结果表明，该算法能够稳定地实现目标分割提取，具有较好的鲁棒性。     

基于遗传算法的超声图像水平集分割

文章提出了超声图像自动分割的新方法。其基本思想是在水平集分割方法的基础上，以能量函数作为评价函数，把图像分割问题变成一个优化问题，利用遗传算法的寻优高效性，搜索到能使分割质量到达最优的轮廓曲线。应用此方法对肝脏超声图像进行肿瘤的边缘提取，得到比较好的结果，从而完成图像的自动分割。     

EM算法在纹理织物图像分割中的应用

提出了一种基于多特征值高斯混合模型（Gaussian Mixture Model）期望最大化（Expectation Maximization,EM）聚类的图像分割算法.该算法采用YCbCr彩色空间提取每个像素点的颜色特征,选择像素点邻近的一个方块计算每个像素点的纹理特征,然后采用基于高斯混合模型的EM算法对图像每个像素进行聚类,根据聚类结果进行区域合并得到纹理织物图像分割的最终结果.通过和其他分割算法进行对比,此算法具有较好的分割效果.     

基于LBP驱动的区域围道纹理分割模型

纹理分割是图像处理的难点之一。针对此问题,提出了一种基于局部二进制模式(localbinary pattern,LBP)驱动的区域围道分割模型。该模型首先将均匀模式的思想用于LBP/C算子,使纹理模式的数量减少了77%,明显降低了提取纹理特征所需的时间;其次对无边缘活动围道模型进行了改进,使其能用纹理特征来演化曲线或曲面分割纹理图像;然后用多级分层的策略对提出的模型进行了延拓,可用于分割多类目标的图像,避免了多相位模型初始围道难以选择的问题,提高了模型收敛的速度;最后运用AOS(additive operator splitting)算法以改善模型求解的效率,进一步提高了图像分割的速度。对合成纹理图像和遥感图像的实验结果说明,提出的分割方法具有分割速度快、精度高的优点。     

一种基于显著性活动轮廓模型的图像分割方法

为了有效地提取图像中物体的轮廓,结合视觉注意机制,提出一种改进的距离正则化水平集活动轮廓模型的分析方法。首先提取图像的初级特征,构成图像显著图;然后采用最大类间方差法获得显著区域的初始轮廓,以此作为活动轮廓模型中曲线演化的初始位置;最后利用距离正则化水平集演化,获得目标物体的边界,完成图像分割。这种结合视觉注意机制与改进的距离正则化水平集演化方法能够显著降低水平函数演化次数,提高图像分割效率。仿真结果表明,它能有效检测单个及多目标物体的边界,且定位准确。     

自适应气球力主动轮廓的图像分割

集成图像的先验信息到模型中是改善主动轮廓模型分割复杂背景图像性能的一种重要方法．采用统计方法确定目标区域，根据区域自适应地决定主动轮廓模型气球力的方向，对测地线主动轮廓模型进行改进．结果表明：主动轮廓曲线的收敛仅依赖图像梯度这一局部性质的情形被改变，主动轮廓曲线的收缩或扩张和目标区域联系起来．图像分割实验说明改进的模型能较好地对带噪声且为弱边缘的人工合成图像、医学超声图像得到理想的目标边缘轮廓．自适应气球力主动轮廓分割图像能提高在图像弱边缘处的定位能力和精确度，减少对噪声的敏感性，加快曲线收敛到目标边界的速度．     

基于水平集方法的医学图像分割

针对水平集方法处理曲线拓扑结构变化能力强,但分割图像时运算效率低的情况,提出将水平集方法和快速步进法相结合应用于医学图像的分割。该方法解决了水平集方法运算效率低、快速步进法易产生过分割的问题,使得图像分割的速度得以提高,分割效果也比较理想。该方法成功的用于头骨CT图像和肝脏CT图像的分割,分割效果较好。     

基于C-V模型的图像分割研究

活动轮廓模型已经成功应用于图像分割,它可以是基于边界的,也可以是基于区域的。在演化过程中,关键问题是如何使水平集函数逼近符号距离函数。CHAN-VESE（C-V）模型是基于Mumford-Shah分割模型和水平集的,它不依赖图像梯度而检测目标,但其距离保持能力较差。在对C-V模型研究的基础上,提出了一个解决其距离保持问题的办法。     

在小波域进行图像的最大熵分割的一种方法

最大熵分割是一种数字图像阈值分割方法，它以有关的信息理论为基础．本文提出一种新的应用于小波域的最大熵分割方法．这种方法借助“零树编码”的思想，首先在小波变换的低频域进行最大熵分割操作，然后依据这个最大熵分割的结果，我们就能获得原始图像的最终分割结果．实验结果证明该方法与传统的图像最大熵分割方法相比。有远箅速度快、抗噪能力强的优点．     

基于边缘流的多尺度水平集砾岩图像分割

针对边缘流方法检测图像边界得到的边界不连续问题,提出了把边缘流作为水平集方程中的一个变量,并将多尺度思想引入该方程.该方法首先在大尺度图像下得到相应尺度的边缘流矢量,将其代入水平集方程,通过求解水平集方程,找出图像目标边界的大致轮廓,然后利用大尺度所得到的大致轮廓作为高一级尺度的水平集方程的初始轮廓,计算相应的边缘流矢量,代入水平集方程求解,逐步进行轮廓优化,最终实现图像分割.采用该方法提取图像目标边界,不仅解决了边缘流方法中边界不连续的问题,也使水平集方法中曲线演化速度太慢的问题得到大大的改善.该方法用于砾岩图像分割,取得了较好的效果.     

基于二维最小Tsallis交叉熵和遗传算法的快速图像分割

针对二维Otsu分割方法在求取最佳阈值时假设部分区域近似为0,降低了分割精度,以及采用的shannon熵因为具有广延性而忽略了两个分割子系统之间的相互作用的问题,提出一种基于二维最小Tsallis交叉熵和微粒群寻优的快速图像分割.利用灰度-梯度直方图并聚类得到有用区域,以具有非广延性的二维最小Tsallis交叉熵为优化函数,采用遗传算法得到最优的二维阈值.实验表明该算法对噪声图像具有良好的分割效果和较强的实时处理能力.     

水平集方法在CT肝脏图像分割中的应用

水平集方法在医学图像分割上有着广泛的应用。作者使用水平集方法用于CT肝脏图像的分割 ,并针对CT图像的特点 ,提出了一种结合图像灰度和曲线曲率信息的速度函数 ,实验结果表明该方法是有效的。     

基于实Gabor滤波器与粗糙熵的加权纹理分割法

结合人眼视觉特性,设计了一组多尺度、多方向Gabor滤波器,引进粗糙集中的互信息熵,以评价经不同滤波器提取的特征对聚类的影响,去除影响聚类的不重要、冗余因素,突出了区分能力强的特征,使纹理图象的分割质量和算法效率均得到了提高。