应用于灰度图像分割的基于流体静力学原理活动轮廓模型

提出一种新的活动轮廓模型,应用于灰度图像分割。此模型建立在流体 静力学理论之上, 运用流体静力学理论直接驱动连续曲线,逼近被包围的目标。该模型能够 分割多重目标、能够分割嵌套的目标、能够有效地控制过分割现象。     

高光谱海岸带区域分割的活动轮廓模型

近年来,高光谱遥感图像的分割作为地物识别和异常目标探测等应用的基础工作而受到重视,而高光谱遥感图像的海量数据和复杂结构使其分割技术成为一项挑战性的工作.在对海岸带高光谱遥感图像的光谱特性进行分析的基础上,提出一种基于光谱特性的海岸带水、陆区域分割的偏微分方程活动轮廓模型:首先以高光谱海岸带图像的海域像元光谱信息为参照点,构建海岸带高光谱图像的能量偏差矩阵;在此基础上建立适应该能量偏差矩阵的水、陆区域分割的活动轮廓模型.模型通过引入基于梯度的边缘引导函数,提升了对水、陆区域边缘的捕捉能力和抗噪声干扰能力.实验结果表明,与传统活动轮廓模型相比,本文模型不仅能够保证水、陆区域分割的精度,而且具有更快的计算速度.     

基于区域的活动轮廓模型

基于区域几何活动轮廓模型已经成为目前最流行的图像分割方法之一。本文主要介绍了自Mumford-Shah模型提出以来基于区域几何活动轮廓模型的发展演变过程,分析其中几种典型模型,并对他们的优缺点加以评述,最后指出进一步的发展方向。     

基于改进活动轮廓模型的数字虚拟人图像分割算法

对组织器官的分割和提取是医学图像三维重建及可视化的基础工作。根据数字虚拟人图像的特点,提出了一种基于改进活动轮廓模型的数字虚拟人图像分割算法,推导出了基于改进活动轮廓模型方程的解析表达式,并采用梯度向量流场对该算法进行了改进。该算法克服了传统活动轮廓模型不能处理深度凹陷区域的问题。实验结果表明,该算法具有对“U”形区域计算精确、抗干扰性强、可得到很好的分割结果。     

基于模糊连接度的交互式活动轮廓模型

由于活动轮廓模型能量函数是非凸的,图像分割的结果易于陷入局部最优.为了克服该问题,提出一种基于凸活动轮廓模型的交互式彩色图像分割方法.该方法的新能量函数不仅充分利用边缘信息和颜色信息,还包含一种新定义的空间位置信息.通过模糊连接度构造空间位置信息,将其自适应地融合到活动轮廓模型中.在数值优化过程中,采用分裂Bregman方法获得新模型的全局最优解.针对多幅彩色自然图像作对比实验,结果表明新方法能够准确、快速地得到理想的分割结果.     

一种基于活动轮廓模型的肺部轮廓提取算法

较详细地介绍了一种图像轮廓的半自动提取算法:活动轮廓模型的原理与实现。在此基础上改进了训练集的构造方法,并将活动轮廓模型与Gaussian金字塔分层算法结合来进行多分辨率下轮廓提取,提高了分割速度与精度。最后应用其对X光胸腔正位片的肺部区域进行了分割实验,实验结果验证了该方法的有效性。     

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。     

活动轮廓模型在医学图像分割中的应用及发展

图像分割是医学三维重建、医学可视化等的基础,对疾病的诊断和治疗有着重要的临床意义,目前,用于医学图像分割的算法很多,而活动轮廓模型（Active Contour Model）的提出则是这个领域的一个重大突破。介绍活动轮廓模型从参数活动轮廓模型到几何活动轮廓模型的发展过程及发展现状,提出活动轮廓模型的研究和发展方向。     

活动轮廓模型在医学图像分割中的应用及发展

图像分割是医学三维重建、医学可视化等的基础,对疾病的诊断和治疗有着重要的临床意义,目前,用于医学图像分割的算法很多,而活动轮廓模型(Active Contour Model)的提出则是这个领域的一个重大突破。介绍活动轮廓模型从参数活动轮廓模型到几何活动轮廓模型的发展过程及发展现状,提出活动轮廓模型的研究和发展方向。     

基于核密度估计的活动轮廓模型

基于核密度估计的活动轮廓模型如果没有适当的扰动机制,往往不能在弧度突变的边缘上获得较好的收敛结果,且在大噪声环境下鲁棒性较差。针对该问题,提出一个新的代价函数。该函数通过融合边缘映射的曲率信息,改善原算法在突变边缘的收敛效果,降低算法对初始轮廓的依赖。     

基于区域显著性的活动轮廓分割模型

提出一种新的活动轮廓分割模型,结合视觉显著性检测机制自动获取待分割图像中目标物体的先验形状信息,并自适应地构造初始轮廓,从而降低了初始轮廓位置对分割算法的影响.同时实现了活动轮廓模型对图像的自适应分割和自动分割,使得分割结果更符合人类视觉感知特性.实验结果表明,该模型有较好的分割效果,迭代次数少,且运行时间短.     

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.     

一种基于水平截集的活动围道图像分割方法及算法实现

图像分割是遥感和医学图像处理的基础技术之一,但是目前缺乏工程化通用算法。适合于工程应用的图像分割技术必须满足有效、整体、精确、稳定等一系列要求。为适应这些要求,该文采用基于水平截集的活动围道图像分割方法,进行了面向工程化的算法实现和C应用程序设计。试验表明,所发展的计算技术具有很好的通用性,分割过程快速,得到的边界准确,具有拓扑自适应性和良好的抗噪性,可以实际地用于分割大型遥感图像和医学图像。     

基于局部熵的区域活动轮廓图像分割模型

为解决区域活动轮廓模型不能有效分割灰度不均图像的问题,提出了局部熵约束的区域活动轮廓模型应用于图像分割。首先基于局部熵信息将图像划分为两个特征区域,然后利用局部熵特征信息构造二值拟合能量,并与区域可放缩拟合（Region-scalable fitting,RSF）模型相结合,最后得到水平集演化方程。该模型考虑了图像灰度分布的聚集特征和局部区域统计信息,能有效处理灰度不均匀、弱边缘等图像分割问题,且对轮廓初始位置更具鲁棒性,医学图像实验结果验证了模型的有效性。     

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.     

基于局部图像拟合偏差的活动轮廓分割模型

针对灰度不均匀图像的分割问题,提出一个基于区域的活动轮廓模型。通过构造包含图像局部信息的局部图像拟合偏差能量泛函,度量真实图像与拟合图像的偏差,并在全局凸分割的基础上,将分裂Bregman技术应用到模型能量泛函的最小化问题中,以提高分割速率。同时引入边界检测函数更加准确地探测边界位置,以提高模型的分割准确性。实验结果表明,该模型不仅可以正确分割灰度不均匀图像和受噪声干扰的图像,而且对于多目标图像以及灰度分布均值相同、方差不同的图像,也能快速、准确地得到分割结果。     

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。     

基于改进活动轮廓模型的图像分割

针对图像分割中的灰度不均匀和轮廓初始化问题,提出一种基于区域的活动轮廓模型。将图像的全局信息和局部信息作为能量项驱动活动轮廓向目标边缘演化,以有效分割灰度不均匀图像,为保证图像分割的速度和精度,在能量方程中加入长度项和惩罚项,并采用梯度下降法得到该模型的最小化能量方程。实验结果表明,和局部二值拟合模型、局部图像拟合模型相比,该模型能分割灰度不均匀的图像,对初始轮廓曲线大小和位置更不敏感,且分割图像所需的迭代次数、迭代时间更少。