一种基于参数活动轮廓模型的高能闪光照相图像分割算法

针对高能闪光照相系统成像质量较差的特点,提出了一种基于参数活动轮廓模型(Snake模型)的闪光照相图像分割算法.该算法在传统高斯力Snake模型中引入包含图像区域信息的变力,以目标和背景两区域具有最小方差为准则,构建兼顾边缘和区域信息的外部能量函数.数值实验结果表明,该算法对初始轮廓位置不敏感,较好地解决了客体凹陷区域分割问题,能够实现对含噪声的弱边界闪光图像的自动分割.     

基于类间方差参数活动轮廓模型图像分割

提出了基于类间方差参数活动轮廓模型图像分割法.该方法将气球力参数活动轮廓模型中的恒定气球力替换为包含区域信息的变力,最大化目标和背景两区域类间方差,引导轮廓曲线进化.实验结果表明:对于初始轮廓位置不论是处于目标区域内部,或者是处于背景区域内部,还是与目标和背景区域相交,该模型都能获得正确分割结果.     

基于Snake模型的复杂区域图像分割

在复杂区域图像分割中,针对传统Snake模型不能收敛到深凹陷区域等缺点,从内部能量函数和算法实现两方面入手对传统Snake模型进行改进,增加了一项由力作功产生的能量项,并采用Greey算法分两阶段实现.结果表明,改进的Snake模型能迅速地收敛到深凹陷区域和更复杂区域,且减弱了分割结果对初值的依赖性和噪声点对边界的影响.     

基于主动轮廓模型的红外图像轮廓提取算法

针对主动轮廓模型存在的对初始轮廓位置敏感、凹性目标轮廓无法正确收敛等问题,本文将自适应边缘检测和主动轮廓模型相融合,提出一种改进的红外图像目标轮廓自动提取算法。首先,采用最大类间方差法计算红外图像边缘检测算法的自适应阈值,获取目标初次边缘,降低对初始轮廓位置的敏感性;对初次边缘分别进行横向与纵向填充,填充图像相与运算,对得到目标区域提取二次边缘,将其作为主动轮廓模型的初始轮廓,保证目标凹陷区域轮廓的有效收敛。最后,通过仿真分析验证了该方法能够实现红外目标轮廓的精确自动收敛。     

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。     

一种具有向心力的新型Snake算法

动态轮廓模型（Snake算法）是一种较好的目标轮廓检测方法。但是传统的Snake算法在对其能量函数进行优化时,不能检测多目标、血管内轮廓和凹形轮廓。文章首先对图像进行自动Snake初始化,然后在Snake 的成长过程中加入向心力因子。实验结果表明,新的算法能够检测多目标、血管内轮廓和凹形轮廓,优于传统的Snake算法。     

结合边界和区域的水平集超声图像分割算法

针对距离正则化的水平集演化（DRLSE）模型难以处理弱边缘图像、初始轮廓敏感以及曲线演化方向单一等问题,提出一种结合边缘和区域信息的变分水平集超声图像分割模型。该模型采用改进的四阶偏微分方程进行滤波,实现在去除噪声的同时保护图像边缘信息;构造了自适应加权系数,实现曲线自适应地向内或者向外演化;引入CV模型的外部能量项,将图像的边缘信息和区域信息相结合,提高了全局分割能力。实验结果表明：该方法在分割超声图像时,具有演化结果稳定,边缘定位准确的特点,可以较好地提取超声图像中的目标。     

基于SVM能量模型的改进主动轮廓图像分割算法研究

为克服经典主动轮廓模型曲线内外区域能量定义在复杂目标与背景分布情况下的不足,本文将高效的支持向量机有监督学习分类器引入基于Mumford-shah模型的主动轮廓图像分割算法中,提出了基于SVM能量模型的改进主动轮廓图像分割方法.该方法首先利用支持向量机的分类结果对于封闭曲线的内外区域分别构造了一种新的图像能量表示方法,因为分割过程充分利用了有监督学习策略,使得本文提出的算法具有更高的稳定性和更加广泛的适用范围,特别是对目标灰度分布不均或存在多纹理的目标也可以得到较好的分割结果.分割时,首先利用SVM实现粗分割得到目标初始轮廓,然后利用改进的Mumford-shah主动轮廓模型进行精确分割,采用粗分割策略一方面可以大大提高分割速度,另一方面也可以提高了算法的自动化程度.对比实验结果表明本文提出的算法具有更大灵活性和更好的分割性能.     

大气湍流退化图像过渡区域细化算法

针对气动光学效应以及噪声等先验信息不明带来的图像模糊退化,从而使图像过渡区域不易进行细化的问题,提出了一种大气湍流退化图像的过渡区域提取及细化算法。首先,对退化图像进行了基于局部方差的区域分割;然后,对过渡区域进行噪声疑似度和边缘疑似度判断,以获得更贴近区域中心线的较窄区域;最后,进一步对过渡区域跟踪细化完成了轮廓提取。大量仿真实验结果表明,算法较好地提取了退化图像的轮廓信息,同时,算法具有较好的区域分割效果、抗噪性能、细化效果以及实时性。     

基于视差信息的立体图像主动闭合轮廓提取算法研究

针对立体图像中目标对象的闭合轮廓提取任务,该文提出一种基于视差信息的轮廓提取算法。该算法在传统贪婪蛇模型的基础上,利用各控制点和中心的视差关系为模型设计收缩和膨胀力,能够有效指导初始轮廓曲线向目标边缘的收敛。同时算法采用重复利用经处理的控制点作为模型输入的循环迭代方式,能够获得分布均匀且较为密集的边缘曲线。实验结果表明,该轮廓提取算法减少了传统的贪婪蛇模型算法对初始值的依赖,准确度和可靠性均得到了很大的提升。     

基于边缘方向信息的主动轮廓算法

提出一种基于边缘方向信息的改进型主动轮廓算法ＭＡＣＡ（ＭｏｒｉｆｉｅｄＡｃｔｉｖｅＣｏｎｔｏｕｒＡｌｇｏｒｉｔｈｍ）．在Ｓｎａｋｅ模型的基础上加入２项基于匹配要求的新的能量函数，用ＦＧＡ（ＦａｓｔＧｒｅａｄｙＡｌｇｏｒｉｔｈｍ）迭代能量函数使其快速收敛．对轮廓曲线的一阶和二阶导数、搜索区域、轮廓的重抽样作锁定．实验结果表明ＭＡＣＡ比Ｓｎａｋｅ更具有凹状目标轮廓提取和目标同一性判别的能力     

基于最小能量的图像分割方法

提出了一种图像分割新方法,与 Ｓｎａｋｅ 模型一样,该方法融合了传统的三阶段分割方法,并克服了 Ｓｎａｋｅ 模型只能处理单区域轮廓线的缺陷,适用于多区域、多空间位置关系的图像分割,无需轮廓线的初始位置设定。同时,动态规划的嵌入特性,保证了图像分割的全局最优化,实现了图像轮廓线的精确定位和自动分割。实验结果表明了该方法对于多区域图像分割的有效性。     

基于运动补偿的Snake视频对象跟踪算法

当对象移动幅度大时，Snake视频对象跟踪算法中的曲线迭代过程易陷入局部最小，为此，提出一种运动补偿预处理的解决方法。此方法预先估计对象的运动信息，然后对Snake曲线的初始轮廓位置进行运动补偿，最后进行Snake跟踪。实验表明，这种方法不仅跟踪效果好，而且能有效地减少Snake曲线演化的迭代次数。     

超声波图像腔体边界的一种新混合提取算法

针对医学超声波图像中的腔体边界提取提出了一种新的混合算法。该算法先利用高阶距将超声波图像从像素空间转化到特征空间;再采用形态滤波器对特征空间中的图像进行化简,以去除图中的小暗斑和小亮斑,得到腔体的一个初始边界;最后利用Snake演化算法以获得最终的腔体边界。实验结果表明,新算法能够获得较准确的结果。     

A neural network-based stochastic active contour model (NNS-SNAKE)for contour finding of distinct features

Contour finding of distinct features in 2-D/3-D images is essential for image analysis and computer vision. To overcome the potential problems associated with existing contour finding algorithms, we propose a framework, called the neural network-based stochastic active contour model (NNS-SNAKE), which integrates a neural network classifier for systematic knowledge building, an active contour model (also known as the "Snake") for automated contour finding using energy functions, and the Gibbs sampler to help the snake to find the most probable contour using a stochastic decision mechanism. Successful application of the NNS-SNAKE to extraction of several types of contours on magnetic resonance (MR) images is presented.     

Tracking moving object using Snake’s jump based on image flow

An active contour model, Snake, was developed as a useful segmenting and tracking tool for rigid or non-rigid (i.e. deformable) objects by Kass in 1987. Snake is designed on the basis of Snake energies. Segmenting and tracking can be executed successfully by the process of energy minimization. The ability to contract is an important process for segmenting objects from images, but the contraction forces of Kass’ Snake are dependent on the object’s form. In this research, new contraction energy, independent of the object’s form, is proposed for the better segmentation of objects. Kass’ Snake can be applied to the case of small changes between images because its solutions can be achieved on the basis of variational approach. If a somewhat fast moving object exists in successive images, Kass’ Snake will not operate well because the moving object may have large differences in its position or form, between successive images. Snake’s nodes may fall into the local minima in their motion to the new positions of the target object in next image. When the motion is too large to apply image flow energy to tracking, a jump mode is proposed for solving the problem. The vector used to make Snake’s nodes jump to the new location can be obtained by processing the image flow. The effectiveness of the proposed Snake is confirmed by some simulations.     

基于图像引力和Mumford-Shah模型的曲线演化算法

提出了一种图像引力和Mumford—Shah（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。     

RAGS: region-aided geometric snake

An enhanced, region-aided, geometric active contour that is more tolerant toward weak edges and noise in images is introduced. The proposed method integrates gradient flow forces with region constraints, composed of image region vector flow forces obtained through the diffusion of the region segmentation map. We refer to this as the Region-aided Geometric Snake or RAGS. The diffused region forces can be generated from any reliable region segmentation technique, greylevel or color. This extra region force gives the snake a global complementary view of the boundary information within the image which, along with the local gradient flow, helps detect fuzzy boundaries and overcome noisy regions. The partial differential equation (PDE) resulting from this integration of image gradient flow and diffused region flow is implemented using a level set approach. We present various examples and also evaluate and compare the performance of RAGS on weak boundaries and noisy images.     

一种全新的两步自动化医学图像分割方案

针对现有图像分割方法存在需要手动分割,以及精确度较低的问题。采用一种全新的两步图像分割方案。该方案。以基于人工神经网络的模式识别技术,即人工神经网络的大规模培训的方法,通过对肺区不同子区域内结构进行分割处理,利用训练好的大规模人工神经网络对标准胸片中的肋骨、锁骨等骨质结构进行抑制,结合以基于区域的活动轮廓模型,即Snake模型,正确分割亮度不均匀的图像。文中选择与医护人员人工分割的图像进行对比,通过放射科医生采用等级法打分,原图的平均分为20分,而通过文中改进的分割方法平均分高达34分。     

基于红外图像的零值绝缘子自动检测算法

在电力系统中,利用计算机视觉和图像处理技术对零值绝缘子进行检测,对保障电力系统的安全运行具有非常重要的作用。提出了一种基于红外图像的零值绝缘子自动检测算法。该算法首先对输入图像进行预处理,利用GLOH描述子结合机器学习精确定位绝缘子,然后利用图谱方法提取图像的边界点,并搜索初始轮廓线作为初始值,利用GVF Snake模型检测绝缘子串的精确轮廓线,以分割绝缘子,最后通过分析统计直方图,实现零值绝缘子的自动检测。实验结果表明,所提出的算法可以有效地检测零值绝缘子。