一种基于遗传算法的双T-Snake模型图像分割方法

Snake的初衷是为了进行图像分割，但它对初始位置过于敏感，且不能处理拓扑结构改变的问题。初始位置的敏感性可以用遗传算法来克服，因为它是一种全局优化算法，且有良好的数值稳定性。为了更精确地进行图像分割，本文提出了一种基于遗传算法的双T—Snake模型图像分割方法，它将双T—Snake模型解作为遗传算法的搜索空间，这既继承了T—Snake模型的拓扑改变能力，又加快了遗传算法的收敛速度。由于它利用遗传算法的全局优化性能，克服了Snake轮廓局部极小化的缺陷，从而可得到对目标的更精确的分割。将其应用于左心室MRI图像的分割，取得了较好的效果。     

应用于造影图像的血管中心线全自动提取方法

针对传统血管中心线提取方法计算量大、需大量人工介入操作的问题,提出一种全自动的血管中心线跟踪提取方法.首先根据血管尺度设计不同的Frobenius范数对血管进行自适应增强,并基于血管灰度分布构造多尺度微分算子以建立判别函数,从而获得种子点的初始位置和跟踪方向;然后在初始方向局部弧长范围内优化检测新的脊点与跟踪方向,以确保在有较大误差干扰的情况下依然能够获得正确的脊点位置;最后利用血管拓扑结构特征检测方法剔除伪血管中心线.实验结果证明,该方法无需人工介入即可准确地在冠脉造影图像中提取出血管中心线、方向矢量等信息,可被用于临床心血管疾病的计算机辅助诊疗过程.     

血管内超声图像初始轮廓提取算法的研究

Snake模型在医学图像分割中的应用已经越来越广泛,但在应用该模型时,如何选取合适的初始轮廓是一个难题;在对血管内超声医学图像的研究基础上,提出了一种基于灰度信息与ROI区域的初始轮廓获取方法,根据IVUS图像的灰度特征对其进行自适应阈值分割以及面积滤波,然后获得分割轮廓点集进而得到snake初始轮廓点集;在matlab7.0环境分别对不同类别的2种IVUS图像的中外膜边缘提取进行仿真实验,实验证明该方法获得的初始snake轮廓较为逼近目标真实轮廓且适合于snake模型进行迭代收敛,由于其初始轮廓已较为接近目标真实轮廓,因此节省了snake模型的迭代次数,算法运行效率也优于手工提取初始轮廓的snake方法,可以较为方便的应用于实际领域。     

基于Snake模型的铁路铸件气孔检测

研究Snake模型在铁路铸件数字化辐射成像(DR)图像气孔缺陷自动检测中的应用,改进初始轮廓点的获取方法。综合运用阈值分割和区域生长方法得到各气孔的重心,依次对其采用一种射线法得到初始控制点,对初始控制点进行收敛和拟合。对仿真图像的实验结果表明,最小检测尺寸为3×3,能较好地收敛到目标的凹陷区域;对实际铁路铸件DR图像检测的实验结果表明,该方法能准确得到检测区域内多个气孔缺陷的轮廓,不会检测出伪缺陷,具有较高的自动化程度。     

CT冠脉造影中冠状动脉中心线的提取

提出了一种冠状动脉中心线的提取方法,该方法以FastMarching(快速行进)算法为基础,首先对图像进行下采样,接着使用血管增强滤波器对图像进行滤波,然后利用FastMarching算法提取下采样图像中初始点之间的最短路径,并使用最短路径在原始图像上计算冠状动脉中心线。在公共数据集上的验证实验表明,该方法具有较好的鲁棒性和准确性。     

差分进化算法GVF Snake模型在PET图像分割中的应用

利用PET图像进行诊治时需要对人体病灶精确定位,PET图像中病灶目标区域的分割是早期诊断与治疗的前提和关键。基于传统Snake模型的方法在PET图像分割时存在对初始轮廓过于敏感,难以收敛到目标凹型区域等问题,为此将GVF Snake模型引入PET图像的分割中。为防止GVF Snake模型陷入局部最优,进一步利用差分进化(DE)算法的全局优化特性对GVF Snake模型分割的结果进行优化,提高PET图像分割精度。实验结果表明,该方法能有效地对PET图像中的病灶目标区域进行分割,可避免陷入局部最优且具有良好的实时性。     

基于粒子群优化算法和改进的Snake模型的图像分割算法

基于活动轮廓（Snake）模型的目标轮廓提取是图像分割中一种重要的方法.为了克服传统Snake模型在图像分割中不能向凹处收敛和收敛不准确的缺点,提出了一种粒子群优化算法与改进的Snake模型相结合的图像分割算法.改进的Snake模型,即在传统的Snake 模型的基础上增加了一个向心能量,增加此能量可以使初始化曲线向目标的凹处收敛.又由于粒子群优化算法具有获得全局最优的能力,可以使曲线能更准确地收敛到目标的边界.通过实验证明此方法可以取得很好的分割效果.     

结肠中心线快速提取算法研究

中心线的提取速度是提高结肠计算机辅助检测的效率的重要因素.为此提出了一种基于生成树的中心线快速提取算法(FMST).在分析了最大生成树中心线提取算法(MST)存在大量冗余数据特点的基础上,利用边主源辅的搜索策略,保留趋于物体中心的关键点,通过消减冗余数据的方法来提高MST算法的速度.在10套已知中心线金标准的结肠仿真数据和2套结肠CT数据上的实验结果表明,FMST算法加快了MST算法的提取速度并且保持了中心线提取的准确性;在仿真数据上,FMST算法较MST算法的速度提高了80％以上,中心线重合率达到96.98％.     

基于距离均衡化的自适应性动态轮廓模型

针对形变轮廓模型对初始位置敏感、易陷入局部极值以及不具备自动拓扑变换功能等问题，在讨论拓扑自适应的Snake模型的基础上，提出了基于距离均衡化的自适应性动态轮廓模型。该模型是首先通过顶点到其邻点连线的平均距离来改进内部能量项，使轮廓的运动更具稳定性，同时用轮廓自身的特性来决定轮廓的运动，使其具有较强的自适应性。然后通过膨胀力的构造和使用，使得该模型能够在较大范围内捕获图像的特征。用该方法对合成图像和真实图像进行的分割结果表明，效果较好。     

基于Snake技术的运动目标轮廓提取

提出了一种利用改进的Snake技术检测视频序列巾活动目标的方法,首先改进内能项,用控制点之间的距离平方和作为弹性能量项以取代传统的长度,并构造局部能量窗锼索最优解,提高了Snake收敛速度。通过改进外部能量项,引入梯度矢量流算子,使Snake能够较好地收敛到目标的凹形边缘。最后对控制点初始位置、采样密度等影响收敛效果因素的选定作了适当的改进,给出了一种在Snake运动中动态调整其形态以提高收敛效果的策略,使Snake曲线能更快速、更准确地拟合活动物体的真实轮廓。实验证明,该算法能对视频序列图像中的活动目标轮廓进行较好的提取。     

基于最小截取二乘法的道路线形识别算法

根据道路线形的特点，在道路数据采集车获得道路的坐标原始数据的基础上，利用基于Hough变换的直线和圆曲线提取算法对数据进行分组，然后利用基于最小截取二乘法（LTS）的选权迭代法对数据进行平差，从而实现道路线形识别的目的。最后利用条件平差对道路各段线形参数进行平差，得到线形参数的最优化结果。利用本文提出的道路线形识别算法，从原始数据中提取线形参数，进行道路线形识别，在实践中取得了良好的效果。     

利用张量投票的机载LiDAR点云道路骨架线提取

针对机载LiDAR数据中道路骨架线检测存在的噪声干扰问题,结合道路多层特征显著性,提出了一种基于道路最大宽度快速确定最小尺度因子的张量投票道路骨架线提取方法。将预处理后三维道路点云转化成二维强度图像,最小尺度因子参与图像球张量投票,利用极性特征分割道路边缘点;为了进一步增强道路线状特征,利用新的最小尺度因子再次进行球张量投票和棒张量投票,填补道路空洞,顺滑道路边界;细化处理获取道路骨架线。与数学形态学方法相比,该方法在噪声背景的道路数据中提取的道路线精度更高。     

The improved Farmer–Loizou method for finding polynomial zeros

An improvement of the Farmer–Loizou method for the simultaneous determination of simple roots of algebraic polynomials is proposed. Using suitable corrections of Newton's type, the convergence of the basic method is increased from 4 to 5 without any additional calculations. In this manner, a higher computational efficiency of the improved method is achieved. We prove a local convergence of the presented method under initial conditions which depend on a geometry of zeros and their initial approximations. Numerical examples are given to demonstrate the convergence behaviour of the proposed method and related methods.     

An approach to localize the retinal blood vessels using bit planes and centerline detection

The change in morphology, diameter, branching pattern or tortuosity of retinal blood vessels is an important indicator of various clinical disorders of the eye and the body. This paper reports an automated method for segmentation of blood vessels in retinal images. A unique combination of techniques for vessel centerlines detection and morphological bit plane slicing is presented to extract the blood vessel tree from the retinal images. The centerlines are extracted by using the first order derivative of a Gaussian filter in four orientations and then evaluation of derivative signs and average derivative values is performed. Mathematical morphology has emerged as a proficient technique for quantifying the blood vessels in the retina. The shape and orientation map of blood vessels is obtained by applying a multidirectional morphological top-hat operator with a linear structuring element followed by bit plane slicing of the vessel enhanced grayscale image. The centerlines are combined with these maps to obtain the segmented vessel tree. The methodology is tested on three publicly available databases DRIVE, STARE and MESSIDOR. The results demonstrate that the performance of the proposed algorithm is comparable with state of the art techniques in terms of accuracy, sensitivity and specificity.     

基于多尺度Gabor滤波的造影血管中轴线的自动提取

提出了一种自动提取数字造影血管图像中2维血管树中轴的新方法。作为血管树3维重建的基础,2维中轴提取的准确性显得格外重要。该方法充分利用了多尺度实Gabor滤波灵活的频率带宽和理想的增强效应,对不同粗细的血管进行中轴增强和去除背景噪声,再利用Hessian矩阵计算结果提供的方位信息进行非最大值抑制求取响应图的局部极值点,最后通过双阈值分割得到血管中轴线。实验结果表明,该方法鲁棒性好,提取中轴线的质量高。     

微根窗图像中根系的自动分割方法

植物根系的生长状况可以反映该地区的气候以及土壤特性,根系的发达与否也能够反应整株植物的健康情况。研究根系的生态参数是研究根系生长状况的基础,目前对于微根窗图像的处理都是通过人工手动方式实现的,费时费力。提出了一种微根窗图像根系的自动分割方法,使用基于脊线检测的方法获取微根窗图像中根系的中心线,计算中心线上所有像素点的方向,采用改进的定向局部对比度方法检测出中心线两侧的根系像素得到分割后的图像。实验结果表明,与传统分割方法相比,方法具有良好的分割效果。     

增量式网格的快速对齐

给出了一种基于增量式网格的快速对齐算法,在迭代最近点(ICP)算法的基础上,利用增量式网格多分辨率的特点,通过在不同粒度下的对齐来提高效率．还给出了一种在对齐前计算初始变化矩阵的方法,根据该方法计算出来的初始变化矩阵用于ICP算法中,可以保证网格对齐收敛于全局最佳。     

基于数论佳点集的遗传算法初始种群均匀设计

文章利用数论中的佳点集理论和方法,给出了遗传算法初始种群生成的一种具有良好多样性的均匀分布设计.通过对遗传算法机理的研究,发现初始种群的分布状态不仅直接关系到遗传算法的全局收敛性,还影响算法的搜索效率,所以对初始种群进行科学合理设定是应用遗传算法进行寻优计算的一个重要问题.基于优化设计思想,提出应用佳点集均匀设计方法确定遗传算法的初始种群.这种方法具有简单易行、种群多样性好、更适合多维情况等特点,实验结果验证了该方法可以有效地改善算法的全局收敛性,提高搜索效率.     

Improvement of convergence behavior for adaptive feed-forward control with initial values design in hard disk drives

This paper introduces an improvement method of convergence behavior for adaptive feed-forward control in hard-disk-drives (HDDs). To increase a data capacity of HDDs, head-positioning-control system must compensate for any disturbances which worsen the positioning accuracy. Especially, it is important to compensate for external disturbances in the head positioning system of 2.5 type HDDs. Previous studies proposed an adaptive feed-forward control method to compensate for the external disturbances. However, the control method have problems with respect to convergence in the adaptive algorithm. To overcome the problems, we have developed design method of initial values for the adaptive feed-forward control by using data-driven design method. The initial values designed by proposed method can improve the convergence behavior for the adaptive algorithm.     

Skeleton-based edge bundling for graph visualization

In this paper, we present a novel approach for constructing bundled layouts of general graphs. As layout cues for bundles, we use medial axes, or skeletons, of edges which are similar in terms of position information. We combine edge clustering, distance fields, and 2D skeletonization to construct progressively bundled layouts for general graphs by iteratively attracting edges towards the centerlines of level sets of their distance fields. Apart from clustering, our entire pipeline is image-based with an efficient implementation in graphics hardware. Besides speed and implementation simplicity, our method allows explicit control of the emphasis on structure of the bundled layout, i.e. the creation of strongly branching (organic-like) or smooth bundles. We demonstrate our method on several large real-world graphs.