基于多尺度图像的主动轮廓线模型

主动轮廓线模型是广泛应用于数字图像处理的一种目标轮廓跟踪算法,但在实际使用过程中,现有模型易受干扰噪声及虚拟边缘的影响,且于凹陷轮廓的跟踪能力较差,在多尺度图像分析的基础上,引入梯度矢量流的概念,并改进其计算方法,提出了一种新的主动轮廓线模型,该模型利用梯度矢量流产生的引力,在图像的尺度空间中搜索目标轮廓,不仅能有效地排除干扰,搜索凹陷轮廓,而且便于引入新的约束条件,实验表明该模型有较好的鲁棒性和     

辅以区域力量的梯度矢量流测地线活动轮廓模型

梯度矢量流测地线活动轮廓模型作为对测地线活动轮廓模型的重要改进,不仅扩大了测地线活动轮廓模型的适用范围,而且改进了它的分割效果。但由于该模型中推动活动轮廓演化的外部力量来自于梯度矢量流,因此活动轮廓在演化过程中可能会由于弱边缘等因素的影响而陷于不希望的局部最小值。为尽量减少弱边缘对活动轮廓初始位置的限制及其对轮廓演化的不利影响,提出了一种新的辅以区域力量的梯度矢量流测地线活动轮廓模型,该模型首先将基于区域信息的力场与梯度矢量流力场相耦合,然后由以上两种力量构成的耦合力场,使活动轮廓模型能够有效地克服弱边缘的影响而收敛到所期望的边缘。实验结果表明,辅以区域力量的梯度矢量流测地线活动轮廓模型与梯度矢量流测地线活动轮廓模型相比,不仅可以更灵活地设置初始轮廓的位置,而且对弱边缘的干扰也有较好的适应性,并能有效地避免边缘泄漏。     

基于改进Snake模型的图像分割方法

Snake（主动轮廓线）模型即能量最小化运动曲线模型,最初由Kass在1987年提出,具有良好的获取特定区域内目标边缘的能力,是一种极为有效的图像分割方法。针对传统Snake模型对初始轮廓的依赖性问题,利用围绕目标形心的圆环间平均灰度差异来确定初始轮廓点,对噪声的干扰有一定的抑制作用,并减少了人工选取的工作量。通过离散Snake算法与分段DP算法的有效结合来获取图像的特征边缘点,以提高Snake算法的收敛速度。最后利用单调性原则对边缘点进行分区,在各个单调区间内采用曲线拟合的方法来获得连续的图像边缘。实验结果表明,基于改进Snake模型的图像分割方法可以从图像中提取连续、封闭的边缘曲线,能够较好的将目标从图像中提取出来。     

基于各向异性扩散活动轮廓模型的左心室MRI分割

结合各向异性扩散算法与梯度矢量流活动轮廓模型,提出了基于各向异性扩散活动轮廓模型并应用于心脏核磁共振图像分割;模型采用各向异性扩散方程构造活动轮廓模型的外部能量函数,得到边界更加清晰的分段平滑图像,运用梯度矢量流将边缘图梯度散射到平坦区域,可以有效抑制噪声,同时保持了目标边界;对左心室核磁共振图像的分割实验表明,该模型可以克服噪声和伪影的干扰,与原梯度矢量流模型相比具有更高的精确性和可靠性,有利于实现自动分割.     

基于PSO和M-S模型的图像分割方法

为得到快速、准确的图像分割方法，提出了一种基于微粒群算法（PSO）的主动轮廓线模型和Mumford-Shah（M-S）模型的方法。利用PSO方法对主动轮廓线模型的蛇点寻优，使其快速收敛到图像边缘附近，得到目标的粗糙轮廓，作为M-S模型的初始水平集；并将窄带方法引入M-S模型的计算，快速得到准确的分割结果。该方法克服了主动轮廓线模型对初始曲线敏感、不能收敛到物体的凹陷边缘、对噪声敏感问题和M-S模型需要对所有图像数据进行计算且计算量大等问题。实验结果表明了该方法的可行性和有效性。     

曲率无关方向扩散及改进型Chan-Vese主动轮廓模型

低信噪比条件下的图像分割是图像分割与应用中所面临的难点之一.针对当前非参数化主动轮廓分割模型在低信噪比、高曲率条件下难以准确收敛到目标边缘的问题,以主动轮廓模型中的噪声处理项作为切入点,提出一种基于曲率无关方向扩散的非参数化主动轮廓噪声去除方法.通过曲率无关方向扩散避免了去噪过程对主动轮廓形状的影响,并通过非规则边缘控制函数进一步控制噪声去除过程对信号边缘与噪声的不同作用,在有效去除噪声的同时保证了高曲率轮廓的收敛性;在此基础上,提出一种针对低信噪比图像分割的改进型Chan-Vese主动轮廓模型.最后通过详细的实验证明了该方法和改进Chan-Vese主动轮廓模型的有效性.     

基于简化Mumford-Shah模型的水平集红外图像分割算法

由于红外图像大多具有目标模糊,对比度低的特点,传统的分割方法容易受到噪声和边界轮廓的影响而导致分割效果不佳,提出了一种基于简化Mumford-Shah模型的水平集红外图像分割算法.该算法能够通过将初始闭合曲线嵌入水平集函数,利用函数的求解从而达到图像分割的目的.仿真实验结果表明,该分割算法与初始轮廓线位置无关,受边界轮廓线和图像噪声的影响较小,具有较强的鲁棒性,在目标与背景灰度级差别较小的红外图像的分割中取得了较好的效果.     

基于水平集方法的航拍图像运动分割

针对航拍图像由于受噪声和光照影响导致分割精度差问题,将一种改进的C-V水平集方法引入到航拍图像运动分割中.首先对C-V模型作了改进,通过引入新的能量项使改进方法无需重新初始化符号距离函数,在保证分割精度的同时提高了分割速度;其次对水平集函数的偏微分方程进行改进,消除了原始C-V方法对远离实际边缘的轮廓曲线进化的抑制作用.实验结果显示,改进方法能有效地分割出航拍图像中的运动目标,在初始轮廓线远离目标实际轮廓时也能够正确分割,并能更好地满足实时性的要求.改进方法具有分割精度高,耗时少的优点,可用于航拍图像运动目标检测跟踪系统.     

一种基于主动轮廓模型的心脏核磁共振图像分割方法

提出一种基于主动轮廓模型的左室壁内、外膜分割方法.首先构造了主动轮廓模型的广义法向有偏梯度矢量流外力模型GNBGVF,作为对梯度矢量流(GVF)的改进,该外力场同时保持了切线方向和法线方向有偏的扩散,具有捕捉范围大、抗噪能力强,且在弱边界泄漏等问题上性能突出.就左室壁内膜的分割而言,考虑到左室壁的近似为圆形的特点,引入了圆形约束的能量项,有利于克服由于图像灰度不均、乳突肌等而导致的局部极小.对于左室壁外膜的分割,采用内膜的分割结果初始化,即通过重新组合梯度分量来构造外力场.该外力场能够克服原始梯度矢量流的不足,使得左室壁外膜边缘很弱时也能得到保持,可以自动、准确地分割外膜.实验结果表明,该方法能高效准确地分割左室壁内、外膜.     

一种基于广义梯度矢量流Snake模型的心脏MR图像分割方法

提出了一种基于广义梯度矢量流Snake模型的心脏核磁共振图像左心室内、外膜分割方法。首先构造了一种基于目标边缘的方向广义梯度矢量流(edge-based directional generalized gradient vector flow, EDGGVF) Snake模型,该模型在传统GGVF的基础上,结合目标边缘图梯度方向信息,将左心室内、外膜区分为正边缘和负边缘,从而实现左心室内外膜的全自动分割。其次,根据左心室近似为圆形的形状特点,引入了圆形能量约束,有利于克服由于图像灰度不均、乳突肌等引起的局部极小。实验结果表明,该方法可以高效准确地自动分割出左心室内、外膜。     

图像场方向导数的局部区域重建

目的 目前图像修复的研究是以人眼不能察觉为目标,注重视觉效果而不追求重建的准确性。本文提出一种能准确重建图像缺损边缘的重建算法。方法 采用稳定场作为图像局部纹理的数学物理描述,提出基于点源影响函数的图像局部区域重建模型,该模型针对每一个缺损点,计算周围各已知点对它的影响,以期较为准确地重建该点;并根据该场中的方向导数,分析各已知点与缺损点的差异性及相似性,确定一种点源影响函数的计算方法,以实现该重建模型。结果 实验结果表明所提算法与传统修复算法相比,对图像边缘及纹理细节的重建更加清晰,同时保持了较好的整体视觉效果;且重建过程无迭代计算,具有较高的效率。结论 实验结果表明,该算法在重建效率和准确重建方面均取得了较好的成果。     

图像清晰度检测方法

针对目前清晰度检测方法中存在的速度慢、局部量化不明显和受光照亮度影响大等不足,在分析了几种常见图像清晰度评价函数特性的基础上,提出了一种基于图像中心距的清晰度评价模型.该模型通过引入图像中心距和高通滤波图像中心距的线性组合,在保持评价结果良好全局性的同时提高了其局部量化精度.在此基础上实现了一种基于五区域的图像清晰度评价方法.实践表明该方法具有较好的计算效率、可靠性和量化等级.     

Three-dimensional modular discriminant analysis (3DMDA): A new feature extraction approach for face recognition

In this paper, we present a novel multilinear algebra based feature extraction approach for face recognition which preserves some implicit structural or locally-spatial information among elements of the original images. We call this method three-dimensional modular discriminant analysis (3DMDA). Our approach uses a new data model called third-order tensor model (3TM) for representing the face images. In this model, each image is partitioned into the several equal size local blocks, and the local blocks are combined to represent the image as a third-order tensor. Then, a new optimization algorithm called direct mode (d-mode) is introduced for learning three optimal projection axes. Extensive experimental results conducted on four benchmark face image databases, demonstrate that 3DMDA is much more effective and robust than state-of-the-art facial feature extraction methods on both classification accuracies and computational complexities.     

基于分数阶微分和Sobel算子的边缘检测新模型

现有的边缘检测算法对噪声敏感,检测到的图像边缘效果不够理想,得到的图像边缘有可能模糊不清。为了克服这些不足,以分数阶微分理论为基础,结合Sobel算子边缘检测方法,提出了一种基于分数阶微分和Sobel算子的边缘检测新模型。理论研究和实验结果表明,与现有方法相比较,该模型不仅能较好地提取图像边缘特征,而且对噪声具有一定的抑制作用;特别地,对于纹理细节较丰富的图像而言,该模型能够检测出更多的纹理细节信息,优于常用的整数阶微分方法,是一种有效的边缘检测方法。     

改进的整体变分模型在视频图像修补上的应用

改进了经典的图像修补变分模型,既考虑了图像区域中梯度不同给图像修补带来的不同影响,同时兼顾了视觉心理学对图像效果的影响。提出了新的变分泛函,给出了相应的欧拉-拉格朗日方程。将此模型应用到静态的图像上,和原来的模型在图像修补效果上进行了对比。将此图像修补模型应用到视频修补问题上,从一个新的角度,在两帧图像之间以增加一帧,把目标放在相应位置,形成新帧,使人物动作连贯,达到更好的视频图像的修补效果。     

基于变分水平集的图像分割模型

基于传统的变分水平集方法的图像分割,水平集函数必须周期性地重新初始化使之保持为符号距离函数,这存在如何选择重新初始化的时间和方式的难题.Li模型通过在能量泛函中引入一个内部约束能量,去除了水平集函数在演化过程中需重新初始化的难题.通过对Li模型的分析,提出了一个新的变分水平集的分割模型.该模型通过在能量泛函中加入一个较简单的内部约束能量,同样可以实现水平集演化过程中的无需重新初始化.并且通过对边缘停止函数的重新定义,引入了新的外部能量,使得本文模型对噪声图像的分割更具鲁棒性.实验表明无论是在收敛速度上,还是在对噪声图像的分割质量上,本文模型和Li模型相比都具有一定的优势.     

A multistep approach for shape similarity search in image databases

Shape similarity searching is a crucial task in image databases, particularly in the presence of errors induced by segmentation or scanning images. The resulting slight displacements or rotations have not been considered so far in the literature. We present a new similarity model that flexibly addresses this problem. By specifying neighborhood influence weights, the user may adapt the similarity distance functions to his or her own requirements or preferences. Technically, the new similarity model is based on quadratic forms for which we present a multi-step query processing architecture, particularly for high dimensions as they occur in image databases. Our algorithm to reduce the dimensionality of quadratic form-based similarity queries results in a lower-bounding distance function that is proven to provide an optimal filter selectivity. Experiments on our test database of 10,000 images demonstrate the applicability and the performance of our approach, even in dimensions as high as 1,024     

Effective image annotation for searches using multilevel semantics

There is an increasing need for automatic image annotation tools to enable effective image searching in digital libraries. In this paper, we present a novel probabilistic model for image annotation based on content-based image retrieval techniques and statistical analysis. One key difficulty in applying statistical methods to the annotation of images is that the number of manually labeled images used to train the methods is normally insufficient. Numerous keywords cannot be correctly assigned to appropriate images due to lacking or missing information in the labeled image databases. To deal with this challenging problem, we also propose an enhanced model in which the annotated keywords of a new image are defined in terms of their similarity at different semantic levels, including the image level, keyword level, and concept level. To avoid missing some relevant keywords, the model labels the keywords with the same concepts as the new image. Our experimental results show that the proposed models are effective for annotating images that have different qualities of training data.     

ARSIS概念下基于第二代Curvelet变换的遥感影像融合方法

ARSIS概念下的遥感影像融合中多尺度分析方法层出不穷,经典的小波分析方法因为方向有限且是各向同性的,因此不能"稀疏"表达二维图像中的线奇异以及边缘方向,在融合影像中引入一定程度模糊。曲波(Curvelet)作为一种新的多尺度分析方法比小波分析更加适合分析二维图像中的曲线或直线状边缘特征,而且具有更高的逼近精度和更好的稀疏表达能力。本文利用第二代Curvelet作为多尺度分析工具,并提出一种新的分量融合模型,粗尺度分量线性加权融合,不同层次细尺度分量采用不同融合模型,1°和2°层对全色影像A分量进行调整使其与多光谱影像B分量具有相同的概率密度函数;3°层基于对全色影像和多光谱影像分量的相关性判断来调整融合分量。利用该方法对SPOT-5影像进行了融合实验,并对比小波融合方法和传统模型下的Curvelet融合方法。实验结果表明Curvelet方法无论在光谱保真度还是空间细节增强方面都优于小波方法,且本文提出的融合模型提高了传统模型下Curvelet的融合效果。