利用局部离散度活动轮廓模型的强度非均匀图像分割

强度非均匀现象在真实图像中普遍存在,采用常规基于强度的分割算法会导致严重的误分割。针对强度非均匀图像分割,提出了基于局部离散度的活动轮廓模型分割算法。首先定义基于类内类间距离的离散度,然后利用核函数提取局部区域信息,同时加入边缘指示函数加权的轮廓线长度项能量,建立基于局部离散度的活动轮廓模型。最后引入水平集函数惩罚项,避免水平集方法在演化求解时需要不断初始化的问题。合成图像和真实图像实验结果证明本文算法性能稳定,适应于强度非均匀图像的分割。      

基于Wasserstein距离的局部能量分割模型

 提出了一种基于Wasserstein距离和图像局部区域直方图信息的非参数活动轮廓分割模型.用该距离对图像中不同区域的直方图进行比较,提高了相似性衡量的准确性;引入高斯内核函数来获取图像局部区域直方图信息,并将信息嵌入模型指导轮廓演化,以克服由于亮度不均造成的图像分割困难;通过水平集规范项提高计算精度并避免水平集演化的重新初始化.实验结果表明,本模型能够对亮度不均的无序特征图像进行有效准确的分割.     

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。     

结合局部能量与改进的符号距离正则项的图像目标分割算法

针对传统C-V模型对颜色不均匀图像分割失败并且对初始轮廓和位置敏感问题,以及现有符号距离正则项存在周期性振荡和局部极值问题。该文提出结合局部能量信息和改进的符号距离正则项的图像目标分割算法。首先,将全局图像信息扩展到HSV空间,并使用局部能量项信息分析每个像素及其领域内的统计特性,从而在较少的迭代次数内有效分割颜色分布不均匀图像。其次,改进现有符号距离正则项,改进后的符号距离正则项在避免水平集函数的重新初始化的同时,提高了计算效率,保证了水平集函数演化过程的稳定性。然后,定义阈值判断法的水平集函数演化的终止准则,使曲线准确演化到目标轮廓。该算法与同类模型的对比实验表明该模型具有较高的分割精度和对初始轮廓的鲁棒性。     

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。     

基于水平集的医学图像分割算法

针对具有灰度不均效应的医学图像分割问题,文中提出了一种快速结合全局和局部信息的水平集模型,即HLSGL.基于C-V水平集分割算法的全局信息,通过计算图像各像素点的局部拟合均值,引入局部信息能量项,使全局与局部信息叠加构成驱动力项,保证对图像边缘具有较好的局域化效果.在构造的驱动力项中引入一种新的速度停止函数,使分割过程...     

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.     

一种自适应初始轮廓的水平集演化方法的研究

距离规则水平集存在对噪声、初始轮廓敏感、收敛速度慢以及容易从弱边缘处泄露等不稳定问题.结合待分割目标灰度统计信息和图像梯度信息,提出了一种自适应初始轮廓的水平集演化方法,利用图像信息构成的自带符号目标信息函数代替面积项中的边缘指示函数,解决水平集方法对初始轮廓敏感问题.另外,还设计一个自我调整的面积项系数解决水平集方法对收敛速度慢以及弱边缘处泄露问题.实验结果表明：本文方法不仅可以减少图像分割时间,提高了分割质量,同时能够解决对初始轮廓敏感问题.     

基于边缘和区域信息相结合的变分 水平集图像分割方法

 针对GAC模型和C-V模型分别存在对弱边缘和灰度渐进图像分割效果不理想以及演化效率低等问题,提出了一种基于边缘和区域信息相结合的变分水平集图像分割方法.结合了图像边缘梯度信息和区域全局信息的能量函数作为模型的外部能量项,引入内部变形能量约束水平集函数来逼近符号距离函数,省去了重新初始化水平集函数的过程,并融入了物体形状先验知识的附加约束信息,提高了分割精度.实验结果表明,论文所用方法对分割噪声弱边缘图像和灰度渐进图像具有一定的有效性和可行性.     

基于自适应滤波器的水平集算法

针对传统水平集无法正确分割含乘性噪声图像的缺点,提出了一种基于自适应滤波器的水平集算法.该算法首先将自适应滤波器引入到速度停止项中,以消除乘性噪声对水平集演化的影响;其次,通过估算图像同质区域的相对方差值,达到区分边缘区与同质区以及保持边缘的目的;最后,将该速度停止项带入到水平集演化方程中,对图像进行演化运算.实验结果表明,该方法能够在抑制乘性噪声的同时较好地对图像进行分割.     

基于改进主动轮廓模型的图像分割算法

针对C-V模型对灰度不均匀的图像分割效果不理想的情况,提出一种改进的C-V模型.该模型在C-V模型的基础上,引入非加权的邻域平均和局部窗口方差概念,加快并精确了C-V模型的演化效果,同时在C-V模型的能量函数中加入惩罚项,使得C-V模型在演化过程中无须重新初始化,进一步提高了分割速度.仿真实验结果表明改进的C-V模型较原模型对灰度不均匀图像分割具有较好的分割效果.     

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。     

基于改进Chan-Vese模型的液晶显示屏Mura缺陷分割

液晶显示屏Mura缺陷是一类较难检测的显示缺陷,它具有对比度低、背景亮度不均匀、边缘模糊等特点。针对传统Chan-Vese模型(C-V模型)对其分割时存在误分割及速度慢的问题,本文提出一种改进的C-V模型。首先,依据曲线演化理论,简化了传统C-V模型的图像数据力驱动项,这样减少了迭代过程中的计算量,提高了分割的速度。其次,为了平衡图像的亮度不均匀,在模型中引入一个新的能量项,该能量项与轮廓曲线内、外部之间的亮度差有关,提高了分割的准确性。最后,在算法的实现过程中引入迭代停止的判别式,通过设定分割的精度可以实现迭代的自动停止,并有利于正确地分割出目标。实验结果表明,本文提出的改进C-V模型能够准确分割背景不均匀的Mura缺陷,并且具有较快的速度。     

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k均值的多相位水平集遥感图像分割方法

针对遥感图像的特点,本文提出了一种基于K-均值与改进的多相位水平集模型结合的新方法。相比于传统的水平集模型,改进模型在能量函数中考虑了图像的面积、梯度信息和边缘检测。图像的梯度信息可以克服分割中存在的边缘定位的不准确,边缘检测可以在曲线衍化过程中更好的保持边缘信息。为了加快边缘的收敛速度,避免陷入局部最优,本文提出先对图像进行中值滤波来平滑图像和消除部分噪声,然后利用K均值进行聚类得到明显的特征差异。接着用Sobel算子进行梯度重建,然后用改进的多相位水平集模型进行分割。实验结果显示本文的算法对于遥感图像的分割在时间和精度上都有较好的效果。     

基于图割的单水平集迭代终止算法

针对C-V模型中变分水平集优化方法存在的最佳迭代次数难于确定,且容易陷入局部最优等不足,借鉴图割算法在较短时间内能得到全局最优的优势,提出一种基于图割的单水平集迭代终止算法.首先在目标区域设定一条初始轮廓线,采用无须重新初始化的C-V模型对轮廓线进行迭代,当轮廓线内部面积变化值小于预先给定的阈值时终止迭代,然后将此轮廓线作为图割算法的初始轮廓线进行图像分割.实验结果表明,该方法较原始C-V模型大大缩短了迭代时间,稳健性更高,具有较好的图像分割效果.     

基于改进C-V模型的B超图像分割

图像分割是医学超声图像学中的难题之一.针对传统的水平集图像分割法速度较慢,提出了一种基于改进Chan-Vese(C-V)模型和加强中值滤波的B超图像分割方法,并与传统的C-V模型分割方法进行比较,最后用最大香农熵等方法评价分割结果.实验结果表明:改进的C-V模型B超图像分割法具有较好的分割性能,并且耗时方面明显优于传统C-V模型分割方法,可以将其应用于医学超声图像的分割中,能够到达实时性的要求.     

基于改进C-V模型的肾脏CT图像分割方法

生物组织的自动分割是计算机辅助诊断和病变 检测的关键步骤。在腹腔CT图像中,肾脏组织本身的灰度不均匀性使得传统C-T模型无法准 确实现肾脏的分割。为了解决上述问题,本文结合图像全局和 局部统计信息改进了传统的C-V模型。 基于先验知识,提出了描述肾脏组织皮质 特征的数学表达式。选择感兴趣区域,在预处理阶段获得了CT图像中肾脏的大致初始轮廓。 随后,应用C-V模型进行轮廓演化时引入局域信息,提高了C-V模型的局部适应性。实验结 果表明,与现有方法相比,本文的方法的结果更接近于人工分割结果,其肾脏分割结果的Di ce系数平均值为94.0%。     

基于梯度信息的C-V模型图像分割算法

针对传统的C-V模型对于含有多灰度级目标的图像难以准确分割并且分割速度缓慢等问题,提出了在C-V模型中引入梯度信息的图像分割算法。该算法在C-V模型的偏微分方程中加入了基于梯度信息的加速因子和弱目标边界控制力,加速因子的引入可以显著地提高C-V模型的分割速度,弱目标边界控制力可以有效地防止弱目标边界泄漏和漏分割。实验结果表明:该算法能够有效分割出弱目标和提高图像分割速度。