圆形运动目标的快速检测方法研究

实现对圆的快速轮廓检测,是进行圆形运动目标跟踪与定位的前提。针对圆形目标在成像时发生形变而难以准确检测其外形轮廓的问题,提出一种将随机霍夫变换(RHT)和梯度矢量流主动轮廓模型(GVF Snake)相结合的圆形运动目标检测方法。首先利用改进的随机霍夫变换快速获取目标初始轮廓,解决GVF Snake的初始轮廓自动设置问题,然后基于GVF Snake的轮廓逼近能力,解决传统方法中出现的目标轮廓丢失问题,准确完整地提取目标的真实边界。实验结果表明,该方法有效克服圆形目标的形变,能够快速地提取目标轮廓,具备圆形运动目标的实时检测能力。     

融合GVF Snake与肤色模型的手势轮廓提取方法

针对在基于视觉的手势识别系统中手势轮廓难以准确提取问题,本文提出一种融合GVF Snake和肤色模型的手势轮廓提取方法.首先把图像由RGB空间转换到YCb'Cr’空间,利用该空间上的椭圆肤色模型检测出手势区域并提取手势轮廓作为GVF Snake模型的初始轮廓曲线;然后根据图像分块思想把检测出的手势所在图像区域分割出来,并计算该图像分块的梯度值;最后在图像分块和初始轮廓曲线的基础上通过GVF Snake模型迭代搜素准确提取手势轮廓.实验结果表明,本文提出的手势轮廓提取方法无需人工参与,准确性上优于肤色模型、传统Snake模型,实时性上优于GVF Snake模型,满足手势识别系统中手势轮廓提取的实时性和准确性要求.检测准确、实时性高.     

一种基于图割与GVF Snake的凹型目标快速提取算法

将图割理论与GVF Snake模型有机结合,提出了一种凹型目标的快速提取算法。首先用图割算法对初始轮廓线迭代变形,使其在快速提取非凹型段目标边界的同时将轮廓线有效地置于梯度矢量流力场的“有效逼近域”内,然后用GVF Snake算法继续对轮廓线迭代变形,提取凹型段目标边界。实验表明,该算法能快速、准确提取凹型目标。     

超声乳腺肿瘤图像的自动分割

为解决传统Snake模型对初始轮廓敏感和凹陷边界提取困难的问题,分别提出了双阈值分割算法和Snake模型的改进方案.通过双阈值分割算法与形态学运算、滤波技术的综合应用,获得靠近边缘的初始轮廓.采用改进的Snake模型使初始轮廓跟踪到实际边界.由于对模型的能量定义做了调整,凹陷边界也可被准确跟踪.通过临床采集的20例乳腺图像肿瘤边缘的提取和分析,结果表明,该方法能有效提取出肿瘤边缘,实现超声肿瘤的自动分割.     

改进Snake模型在病灶轮廓提取中的应用

提出了用改进Snake模型－GVF（Gradient Vector Field）Snake模型来实现医学图像病灶轮廓的提取,结合高斯平滑滤波、交互式给定初始轮廓点等方法提高轮廓提取的精度。该方法与传统的轮廓提取方法相比,具有捕获范围广、对噪声不敏感的特点,特别适合噪声大、位置不确定、形状不规则的病灶轮廓的提取。实验表明,采用该方法能有效地提取病灶轮廓,在临床上有广泛的应用前景。     

改进的主动轮廓模型在脑肿瘤MRI图像轮廓提取中的应用

针对主动轮廓模型(Snake)处理图像时的初始轮廓选取问题,采用改进的区域增长法对图像进行预分割,并将得到的边缘作为主动轮廓模型的初始边缘轮廓;然后分别用sobel算子与梯度矢量流(GVF)代替图像梯度进行主动轮廓模型外部能量的计算,在速度满足要求的情况下,提高了目标区域的提取精度.实验结果表明,基于GVF的主动轮廓模型在脑肿瘤的轮廓提取中能取得更好的效果.     

基于BFGS计算力场的GVF Snake模型及其应用实现

梯度向量流模型(GVF Snake)在图像处理领域取得较好的效果.但它简单的迭代运算方法,其收敛速度慢,限制了其应用.针对梯度向量场的计算,提出一种基于BFGS算法求解力场的方法,给出详细的求解过程并并且通过计算机仿真进行数值求解,最后将改进后的GVF Snake模型用于图像处理.结果表明, BFGS-GVF建立的梯度向量场性能较好.与图像处理中的牛顿几何轮廓算法、CV活动轮廓算法及IALM-GVF Snake算法进行对比, BFGS-GVF Snake算法能得到清晰、光滑的图像轮廓.     

基于改进的GVF模型的CT图像分割方法

活动轮廓模型被广泛应用于医学图像分割之中．文中针对CT图像的分割方法进行了探讨，提出了一种基于GVF模型的改进的活动轮廓分割法。改进方法采用轮廓中心法及引入一作用力的方法，克服了GVF模型不能处理深度凹陷区域的问题．实验结果表明，改进后的分割方法较原Snake模型及GVF模型的效果更好．     

视频图像序列运动目标检测及轮廓提取

考虑到人类视觉对图像轮廓特征的敏感性,将目标检测与轮廓提取结合起来,实现了目标轮廓自动提取的方法.首先采用了背景差法跟踪视频图像序列中的运动目标,并采用了自适应背景更新的方法更新背景图像,结合活动轮廓模型法GVF Snake进行目标轮廓的提取,从而得到具有精确边界的运动目标.实验结果表明这种方法运算速度快、能够快速地收敛到目标轮廓、准确地跟踪目标,实现实时自动轮廓跟踪.     

GVF Snake模型时间复杂度的研究

对使用GVF Snake动态轮廓模型算法中两次迭代的时间复杂度进行了统计计算,并进行了力场分析,在此基础上对初始轮廓线设定位置进行了研究。实验结果表明,初始轮廓线的设置应避免跨越能量极小值,此时可以得到比较好的提取效果。GVF力场迭代的次数和轮廓逼近次数与时间成正比。     

基于GVF Snake模型的人脸轮廓提取

活动轮廓模型是计算机视觉领域的重要研究方向。针对传统的活动轮廓模型（Snake模型）对凹形轮廓处理效果差、初始轮廓必须充分接近图像边缘的缺点,通过改进外部能量项,提出了一种基于梯度矢量流活动轮廓模型的人脸轮廓提取算法。该算法把梯度矢量场作为外部能量场,克服了传统Snake模型力场范围小以及不能收敛于凹形边缘的缺点。实验结果表明,该方法能够快速、准确地提取人脸轮廓。     

基于Snake模型和四元数描述的彩色图像边缘提取方法

边缘提取在彩色图像处理过程中有着重要的作用,它会影响到后续对图像的分割、特征提取和识别等环节。活动轮廓模型（称Snake模型）大量应用于各种医学图像的分割。近年来,活动轮廓模型得到了不断的改进和发展,并在计算机视觉等诸多领域得到了广泛的应用。本文针对彩色图像边缘提取的实际需求,简要介绍了活动轮廓的原理及数学模型,并针对传统模型处理速度慢,运算量较大,对凹陷轮廓位置处理效果差等缺点,结合彩色图像的四元数描述方法,提出改进算法,利用改进的四元数描述方法所得到的边缘检测初始轮廓,并结合使用改进的GVF产生的外力场,对于图像中凹陷轮廓位置保证正确收敛,且提高了运算速度。实验证明,算法是可行有效的。     

Contour extraction of gait recognition based on improved GVF Snake model

Contourlet transform can be used to captures smooth contours and edges at any orientation. In order to solve the initial active contour problem of Snake model, Contourlet transform is introduced into the GVF (Gradient Vector Flow) Snake model, which will provides a way to set the initial contour, as a result, will improves the edge detection results of GVF Snake model effectively. The multi-scale decomposition is handled by a Laplacian pyramid. The directional decomposition is handled by a directional filter bank. Firstly, the contours of the object in images can be obtained based on Contourlet transform, and this contours will be identified as the initial contour of GVF Snake model. Secondly, then GVF Snake model is used to detect the contour edge of human gait motion. Experimental results show that the proposed method can extract the edge feature accurately and efficiently.     

一种改进的Snake模型与MRI图像分割

Snake模型分割图像时要求初始轮廓线位于图像特征附近,且难以处理深度凹陷区域。该文在快速Snake模型的目标函数中增加局部面积能量项,扩大了算法捕获图像特征的范围;以边缘增强后的BPV图像的梯度为参数,计算梯度向量流场以代替MRI图像的梯度,提高了算法处理弱边界和凹陷区域边界的能力,优化算法的时间复杂度仍然为O(nm)。实验结果表明,该算法能够有效地分割左心室MRI图像。     

一种改进的多尺度梯度矢量流模型

梯度矢量流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,但易受干扰噪声及虚假边缘的影响,在结合多尺度图像分析的基础上,利用改进的梯度矢量流场,提出了一种改进的主动轮廓线模型。实验表明,该方法较好的限制了非目标边缘和噪声干扰的影响,提高了模型分割的精确性,具有较好的分割效果。     

基于GVF Snake的图像轮廓检测

主动轮廓模型（snake）是计算机视觉领域的重要研究方向,受到越来越多的研究者的青睐。由于传统snake具有不能收敛到凹形区域和收敛速度较慢等缺点,通过改进外部能量,引入了梯度矢量流主动轮廓模型（GVF Snake）。实验表明,该方法能更快、更好的收敛于图像轮廓。     

基于GVF Snake的图像轮廓检测

主动轮廓模型(snake)是计算机视觉领域的重要研究方向,受到越来越多的研究者的青睐.由于传统snake具有不能收敛到凹形区域和收敛速度较慢等缺点,通过改进外部能量,引入了梯度矢量流主动轮廓模型(GVF Snake).实验表明,该方法能更快、更好的收敛于图像轮廓.     

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.     

基于梯度矢量流Snake模型与图割的目标边界提取

针对梯度矢量流Snake模型因力场迭代次数过大造成运行时间长的不足,结合梯度矢量流Snake模型和图割理论提出了一种新的目标边界提取方法。该方法利用图割理论先对初始轮廓进行迭代寻优,使获得的轮廓线处在目标边界的“有效逼近域”内,然后将得到的轮廓线作为Snake的初始轮廓,最后利用梯度矢量流Snake模型准确提取目标边界。实验结果表明,该方法能够快速、准确地逼近到目标边界,并具有较强的抗噪性。