基于水平集的弹创瞬时空腔X射线投影图像分割方法

弹创瞬时空腔多呈椭圆形,在近伤道入口和出口处,由于受到外界压力和进入气流的影响,瞬时空腔比伤道中央部小.根据目前弹创弹道学方面的知识和临床经验,往往不能准确检测出弹创瞬时空腔弱边缘.本文引入Char-Vese水平集算法,利用自动阈值分割算法获取水平集初始轮廓线,利用零水平集曲线的平均边缘能量控制演化速度,利用零水平集停...     

一种集成模糊特征的测地线主动轮廓模型的图像分割

构建有模糊特征控制的曲线法向力场集成到测地线主动轮廓模型,使得该模型能包含更多的图像分割信息.当用模糊特征表示图像区域信息时,改进模型保持了原来模型具有边缘指示特性,同时具有区域特征一致性的分割性能.改进模型提高了演化曲线抓取感兴趣目标的范围和提取凹凸区域的能力,可以适应对弱边缘、噪声干涉图像的分割.图像分割的实验说明新的模型对图像分割具有良好的性能.     

基于PSO和Level Set的快速曲线演化算法

提出了一种基于微粒群算法（PSO）、水平集（Level Set）的快速曲线演化算法．该算法将图像分割分为两阶段,利用PSO方法对Snake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;利用插值算法,得到目标较粗糙的大致轮廓,以此目标轮廓作为初始的零水平集曲线;使用Level Set窄带方法得到准确的轮廓．从而克服了参数主动轮廓线模型对初始曲线敏感、噪声敏感和不能收敛到凹陷的边缘问题和几何主动轮廓线模型水平集方法计算量大等问题．实例研究结果表明了该算法的正确性、有效性．     

基于相位一致性改进的DRLSE超声图像分割模型

针对距离正则化的水平集演化(the Distance Regularized Level Set Evolution Mode,DRLSE)模型难以处理弱边缘图像、演化效率低问题,提出一种新的基于相位信息的水平集超声图像分割算法(the Distance Regularized Level Set Evolution Mode Based on Phase Congruency,PDRLSE)。该算法利用相位一致性检测原理,构造新的边界指示函数,代替了DRLSE模型中的边界停止函数,得到新的能量泛函。实验结果表明:该方法在分割超声图像时,能够较好的分割出甲状腺肿瘤目标,且演化效率也有所提高。     

预扫描算法求解图像分割的Chan-Vese模型(英文)

本文提出了一种新的有效的算法来求解图像分割中的Chan-Vese模型。新算法避免了求解PDE的过程,极大地提高了图像分割的运算速度。这种算法保持了C-V模型和水平集方法的优点,能够自动处理图像分割过程中边缘的拓扑变形,保持边缘的尖角以及对于非凸边缘的有效的检测等等。这种算法思路简单,很容易推广到任意有限维的图像分割问题的求解中。     

结合数学形态学和Level Set超声图像的分割方法

针对噪声严重的超声图像,提出了一种结合数学形态学和Level Set的分割方法。首先采用全变差模型进行图像滤波,再通过交互式区域选择和数学形态学方法获得感兴趣目标的二值化图像,并把该二值化图像轮廓作为水平集方法的初始曲线。改进隐式测地活动轮廓模型(GAC)中的边缘检测函数,增强了处理弱边缘的能力。分割结果表明,该方法能够准确地提取出目标轮廓,同时减少了迭代次数和运算时间。     

模糊C均值聚类与多相水平集图割优化相结合的图像分割

针对在分割多个目标时多相水平集模型对初始轮廓曲线敏感且计算量大的问题,提出采用模糊C均值聚类算法将图像进行粗分割,初始化多相水平集函数,使用图割算法分割出多相结果的方法.该方法能有效减小多相水平集算法对初始轮廓曲线的敏感性,使图割算法在分割图像时更容易分割出理想的目标轮廓;同时,采用图割算法可使水平集函数很快收敛到能量最小值,有效减少计算量,提高计算效率.实验表明该方法具有较好地分割效果和较高地分割效率.     

基于形状保持主动轮廓的椭圆状目标检测

本文通过形状约束方程(组)与一般主动轮廓模型结合,将目标形状与主动轮廓模型融合到统一能量泛函模型中,提出了一种形状保持主动轮廓模型即曲线在演化过程中保持为某一类特定形状.模型通过参数化水平集函数的零水平集控制演化曲线形状,不仅达到了分割即目标的目的,而且能够给出特定目标的定量描述.根据形状保持主动轮廓模型,建立了一个用于椭圆状目标检测的统一能量泛函模型,导出了相应的Euler-Lagrange常微分方程并用水平集方法实现了椭圆状目标检测.此模型可以应用于眼底乳头分割,虹膜检测及相机标定.实验结果表明,此模型不仅能够准确的检测出给定图像中的椭圆状目标,而且有很强的抗噪.抗变形及遮挡性能.     

基于边缘探测的密集颗粒图像分割方法

针对密集的颗粒图像提出了一种基于边缘探测的颗粒分割方法.该方法采用分块自适应的边缘检测算法实现对图像的边缘检测,并采用形态学方法去除边缘噪音;采用分水岭算法对图像进行初步分割,根据分割区域自动选取种子点,并利用区域面积对种子点进行修正,然后从种子点发射探测线探测边缘位置,记录边界点,通过判断机制判别出由于边缘不完整或噪...     

基于改进Live_wire算法的超声图像弱边缘分割算法

由于超声图像成像固有机制的不足及生物组织内部结构的复杂性,超声图像中的目标常常表现出不完整性,出现一些灰度小,对比度差的弱边缘,严重影响后期对病灶边缘分割的准确性.传统的Live_wire算法由于其代价函数对弱边缘的表示能力差,使得该算法对弱边缘的分割效果并不好.本文由人类视觉角度出发从图像中分离出独立于亮度和对比度的结构信息,并利用强边缘与弱边缘之间存在着一定的结构相似性这一特点提出了一种对强、弱边缘结构相似性的评估方法,将其做为Live_wire算法中目标边缘代价值的指标,从而提高传统Live_wire算法对弱边缘分割的能力.实验测试表明:该算法较好地改进了传统算法代价函数在弱边缘上表现的不足,对超声图像的弱边缘具有较好的分割效果.     

动态图像序列中鱼体体干运动建模

针对利用鱼游运动机理对水下仿生器进行研究的问题,本文从动态图像处理的角度出发,建立了基于动态图像序列的鱼体体干运动模型。首先,通过边缘检测得到鱼体轮廓,提出基于欧式距离变换的鱼体体干线提取方法,然后,拟合体干包络线和体干若干点的平动方程,获得细长体理论参数,建立鱼体体干运动模型。实验表明,本文建立的运动模型可以真实有效的描述自然状态下鱼类游动的体干曲线形变。     

Double regularization control based on level set evolution for tablet packaging image segmentation

This paper proposes a novel double regularization control(DRC) method which is used for tablet packaging image segmentation.Since the intensities of tablet packaging images are inhomogenous,it is difficult to make image segmentation.Compared to methods based on level set,the proposed DRC method has some advantages for tablet packaging image segmentation.The local regional control term and the rectangle initialization contour are first employed in this method to quickly segment uneven grayscale images and accelerate the curve evolution rate.Gaussian filter operator and the convolution calculation are then adopted to remove the effects of texture noises in image segmentation.The developed penalty energy function,as regularization term,increases the constrained conditions based on the gradient flow conditions.Since the potential function is embedded into the level set of evolution equations and the image contour evolutions are bilaterally extended,the proposed method further improves the accuracy of image contours.Experimental studies show that the DRC method greatly improves the computational efficiency and numerical accuracy,and achieves better results for image contour segmentation compared to other level set methods.     

结合水平集和粒子滤波的人脸轮廓跟踪

针对视频序列中的人脸轮廓跟踪问题,提出了一种将改进水平集方法引入到粒子滤波框架中的轮廓跟踪算法.此算法使用零水平集函数对人脸轮廓进行表示,通过水平集函数的演化对人脸轮廓进行逼近.为了解决人脸遮挡问题,将形状先验加入到演化过程中来约束曲线的演化.算法在粒子滤波的框架下可以同时跟踪人脸区域的仿射运动和人脸轮廓的形变.实验结果表明,所提出的'方法可以对人脸轮廓进行精确的跟踪,并对外界的光照变化,背景干扰,人脸部分遮挡有较强的鲁棒性.     

Integrating Feature Direction Information with a Level Set Formulation for Image Segmentation

A feature-dependent variational level set formulation is proposed for image segmentation. Two second order directional derivatives act as the external constraint in the level set evolution, with the directional derivative across the image features direction playing a key role in contour extraction and another only slightly contributes. To overcome the local gradient limit, we integrate the information from the maximal (in magnitude) second-order directional derivative into a common variational framework. It naturally encourages the level set function to deform (up or down) in opposite directions on either side of the image edges, and thus automatically generates object contours. An additional benefit of this proposed model is that it does not require manual initial contours, and our method can capture weak objects in noisy or intensity-inhomogeneous images. Experiments on infrared and medical images demonstrate its advantages.     

一种改进的C-V主动轮廓模型

本文对C-V主动轮廓模型进行改进.依据曲线演化理论对C-V模型中的图像数据力驱动项进行简化,提出一种常微分方程(ODE)类型的模型.理论分析验证了该模型的水平集函数可初始化为零.与传统C-V模型相比,不但具有其特点,如可以自动检测带孔目标的内轮廓等,而且具有以下优点:抗噪性能较优;水平集函数无需重新初始化,可快速计算出全局最优分割;远离轮廓的边界可以被准确检测;时间迭代步长不受限制.对合成和真实图像的分割结果证明了本文模型具有稳健、快速的优点.     

双重主动轮廓图像分割

本文首先利用小波变换得到原图像的粗分辨逼近,在粗分辨逼近中得到图像的一个粗尺度分割。由于逼近图像中噪声下降,尺寸减少,使得算法对参数的选取不太敏感,而且收敛速度加快。然后将第一次分割结果通过小波反变换返回到原始尺度上,将得到的近似轮廓曲线作为初始水平集函数再在原图像中演化得到更准确的分割,这样就得到了一种双重主动轮廓图像分割算法。由于初始轮廓曲线非常接近真实的轮廓曲线,所以很快就可以收敛到真实的轮廓。理论分析和数值结果表明,双重主动轮廓分割算法可以快速有效地分离出感兴趣目标。     

Oriented distance regularized level set evolution for image segmentation

The conventional distance regularized level set evolution method has been very popular in image segmentation, but usually it cannot converge to the desired boundary when there are multiple and unwanted boundaries in the image. By observation, the gradient direction between the target boundaries and the unwanted boundaries are usually different in one image. The gradient direction information of the boundaries can guide the orientation of the level set function evolution. In this study, the authors improved the conventional distance regularized level set evolution method, introduced new edge indicator functions and proposed an oriented distance regularized level set evolution method for image segmentation. The experiment results show the proposed method has a better segmentation result in images with multiple boundaries. Moreover, alternately selecting the edge indicator functions we proposed during the level set evolution can lead the zero level set contour to converge to the desired boundaries in complicated images.     

集成轮廓跟踪

本文将跟踪看作是二分类问题,提出了一种基于Adaboost集成学习和快速水平集的轮廓跟踪算法.该方法首先在线地训练一个弱分类器的集合用以区分目标和背景,而通过Adaboost将集合中的各弱分类器组合成一个强分类器,并用于标定下一帧中的各像素的类别属性,从而确定快速水平集算法的速度函数,然后采用基于动态邻近区域快速水平集来演化目标边界曲线以实现目标的轮廓跟踪.为适应目标和背景的变化,在跟踪过程中在线训练新的弱分类器,而时间相关性则通过更新包含新弱分类器的集合来实现.实验结果表明,在摄像机运动、光照变化,部分遮挡或目标尺度变化等情况下,能实现刚体或非刚体目标的轮廓跟踪.