基于改进主动轮廓线的虹膜定位方法

针对传统的Snake模型对初始位置敏感,需要依赖其它机制将主动轮廓线的蛇点放置在图像目标附近,导致弱边界图像求解效果较差的问题,应用改进的能量函数Snake模型,均匀地对蛇点进行搜索,在搜索中逐渐加大内部能量函数的调整,经过选代,使得各蛇点的轮廓逐渐逼近目标轮廓,直到其到达虹膜的边界.实验结果表明了该方法的有效性.     

小波与自蛇模型在放大图像清晰化中的应用

针对传统插值放大图像出现的边缘模糊与锯齿化问题,结合小波具有多分辨率分析和局部化时频域特性,提出了一种基于小波插值与改进自蛇模型相结合的放大图像清晰化方法。该方法对无噪声图像采用小波插值对图像进行放大,并用改进自蛇模型对放大后的图像进行边缘修正,而对于噪声图像则采用改进自蛇模型对其进行清晰化处理,通过小波插值进行放大。实验结果显示,采用该方法与传统放大图像清晰方法相比,图像的边缘轮廓清晰度和细节部分的辨识度更精确,同时能够有效提高放大图像的峰值信噪比。     

基于改进DRLSE水平集模型的图像分割

针对 DRLSE 水平集模型对噪声敏感、依赖初始轮廓位置以及演化速度缓慢等不 足,利用小波变换和小波阈值去噪的方法,构造对噪声不敏感的边缘信息刻画矩阵,定义基于 图像信息的边缘停止函数和自适应权重系数,获得了改进的 DRLSE 水平集图像分割模型。利 用有限差分法对模型求解,并采用 Jaccard 相似度作为评价模型的定量分析方法,数值结果显示 改进的模型及算法对图像分割的有效性,克服了 DRLSE 水平集模型分割含噪图像以及定义初 始轮廓位置的局限性,提高了 DRLSE 水平集模型的计算效率和图像分割精度。     

SAR图像多尺度配准的小波域等周割方法

研究在同一场景中不同时间和角度的图像配准问题,针对保证配准的精确性,给出了基于合成孔径雷达(SAR)图像小波域等周割多尺度分割的SAR图像多尺度配准方法.为了抑制噪声和配准精度,提出了SAR图像小波域等周割模型并给出模型的多尺度分割算法,以得到较为精确的轮廓特征,结合轮廓修正过程对每个小波分解层进行多尺度配准;并且,配准过程决定了分割中尺度因子的变化程度.小波分解的应用可有效降低搜索空间,在一定程度上加快配准速度,且使用修正后的轮廓特征信息,提高了配准精度.实验结果表明了方法的有效性,为图像配准技术提供了参考.     

结合显著性和边缘信息的水平集图像分割方法

针对 LBF 模型对初始轮廓的依赖性和对边缘的弱控制能力,研究了一种结合显著性和边缘信息 的水平集图像分割方法。首先,结合小波分析理论,基于视觉注意机制构造图像显著图;然后,利用小波分解 所描述的图像边缘信息,构造边缘检测函数,同自适应初始轮廓一起引入到 LBF 水平集模型中,并用有限差 分法进行数值求解。实验结果表明,提出的图像分割方法能有效降低初始轮廓位置对活动轮廓模型的影响,对 合成图像、自然图像均有较好的分割结果,相较于其他传统方法具有更高的演化效率和分割质量。     

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。     

融合区域信息Snake模型图像分割

针对传统的参数活动轮廓(Snake)模型对初始轮廓曲线非常敏感,提出融合区域信息Snake模型图像分割.该方法将气球力Snake模型中的恒定气球力替换为包含区域信息的变力,以目标和背景两区域平均灰度值距离最大为准则,引导轮廓曲线进化.实验结果表明,该模型对初始轮廓位置不敏感,能实现自动分割;并且对于带噪声图像,该模型也能取得满意分割效果.     

基于小波变换的权重自适应图像分割模型

针对灰度不均匀且含噪声图像的分割问题,提出了全局和局部灰度信息的权重参 数自适应水平集分割模型。首先,利用图像的全局和局部灰度信息构造全局能量项和局部能量 项;然后,利用小波变换和小波阈值去噪方法,构造对噪声不敏感的边缘信息刻画矩阵,定义包含 图像边缘信息的自适应权重系数矩阵;最后,利用定义的权重系数矩阵组合全局和局部能量项, 得到分割模型的能量泛函。使用变分法得到了水平集函数演化方程,利用有限差分法实现数值 求解。实验结果表明,该模型兼有 Chan-Vese 模型和 Local Binary Fitting 模型的优点,能够有效 地分割灰度不均匀含噪图像,并对活动轮廓曲线的初始位置和初始形状具有很强的鲁棒性。     

基于Retinex理论的小波域雾天图像增强方法

针对传统的雾天图像增强方法在增强图像的轮廓和细节的同时不能有效抑制图像噪声这一问题,在Retinex理论基础上,提出了小波域图像亮度与噪声双估计模型的图像增强方法,利用小波变换多分辨率的特点,对小波分解后的低频系数进行波动抑制,对高频系数通过多子带独立系数模型进行亮度估计,同时使用不同的软-硬估计法对图像的噪声进行抑制。实验证明该方法不但能有效地提取图像的亮度信息,而且进行图像增强的同时能有效地抑制图像的噪声,且对于不同的雾天环境也有良好的自适应性。     

轮廓波消噪中消噪效果与噪声强度的关系*

首先简单回顾了轮廓波变换的基本原理和实现方法;然后阐述了基于轮廓波变换的图像消噪实现方法,针对包括小波消噪、第一版轮廓波变换消噪和第二版轮廓波消噪变换消噪在内的三种变换域消噪方法在不同噪声强度下的消噪效果进行了实验和分析.实验表明,第一版轮廓波变换在噪声强度较大时,比小波有较高的信噪比;在噪声强度较小时,比小波有更低的信噪比;第二版轮廓波变换则总是在信噪比上优于小波.     

pSnakes: A new radial active contour model and its application in the segmentation of the left ventricle from echocardiographic images

Active contours are image segmentation methods that minimize the total energy of the contour to be segmented. Among the active contour methods, the radial methods have lower computational complexity and can be applied in real time. This work aims to present a new radial active contour technique, called pSnakes, using the 1D Hilbert transform as external energy. The pSnakes method is based on the fact that the beams in ultrasound equipment diverge from a single point of the probe, thus enabling the use of polar coordinates in the segmentation. The control points or nodes of the active contour are obtained in pairs and are called twin nodes. The internal energies as well as the external one, Hilbertian energy, are redefined. The results showed that pSnakes can be used in image segmentation of short-axis echocardiogram images and that they were effective in image segmentation of the left ventricle. The echo-cardiologist's golden standard showed that the pSnakes was the best method when compared with other methods. The main contributions of this work are the use of pSnakes and Hilbertian energy, as the external energy, in image segmentation. The Hilbertian energy is calculated by the 1D Hilbert transform. Compared with traditional methods, the pSnakes method is more suitable for ultrasound images because it is not affected by variations in image contrast, such as noise. The experimental results obtained by the left ventricle segmentation of echocardiographic images demonstrated the advantages of the proposed model. The results presented in this paper are justified due to an improved performance of the Hilbert energy in the presence of speckle noise.     

GVF Snake模型中一种新的初始轮廓设置方法

通过对梯度矢量流（GVF）力场迭代和轮廓收敛过程中时间开销大、不能逼近较复杂轮廓等不足之处的分析,提出了一种新的初始轮廓线的设置方法。基于小波变换的多尺度轮廓检测算法,能够较精确地定位出各类轮廓,在此基础上设置的初始轮廓线能够非常好地靠近图像中的各种真实轮廓。实验结果表明,此方法有效地缩小了搜索的范围,减少了GVF迭代次数,提高了轮廓收敛的速度,并保留了GVF Snake模型的所有优点。     

Adaptive diffusion flow active contours for image segmentation

Gradient vector flow (GVF) active contour model shows good performance at concavity convergence and initialization insensitivity, yet it is susceptible to weak edges as well as deep and narrow concavity. This paper proposes a novel external force, called adaptive diffusion flow (ADF), with adaptive diffusion strategies according to the characteristics of an image region in the parametric active contour model framework for image segmentation. We exploit a harmonic hypersurface minimal functional to substitute smoothness energy term in GVF for alleviating the possible leakage. We make use of the p(x) harmonic maps, in which p(x) ranges from 1 to 2, such that the diffusion process of the flow field can be adjusted adaptively according to image characteristics. We also incorporate an infinity laplacian functional to ADF active contour model to drive the active contours onto deep and narrow concave regions of objects. The experimental results demonstrate that ADF active contour model possesses several good properties, including noise robustness, weak edge preserving and concavity convergence.     

融合凹点检测与仿射变换的活动轮廓模型

目的 针对基于矢量场的活动轮廓模型,如经典的梯度矢量流（GVF）模型、矢量场卷积（VFC）模型等,在提取凹形物体时矢量场常出现平衡点,不能较好地收敛到凹陷区域、尤其是深而窄的凹形及复杂凹陷区域的问题。提出一种融合凹点检测与仿射变换的活动轮廓模型。方法 首先利用活动轮廓模型进行曲线演化,得到演化后轮廓曲线上各点的坐标并求出各点的法线方向;然后基于凹点检测的方法,判断各点的凹凸性,利用梯度判断法,检测出未收敛到目标边界的凹点;其次对各凹点进行法向方向的仿射变换。在接近且不越过目标边界的情况下求出可变换的最大距离,变换后的点穿越了平衡点区域,让变换后的点代替原来的点形成新的轮廓曲线;最后为保证提取边界的精确性,将变换后的轮廓曲线再次演化并最终收敛到目标边界。结果 通过对具有凹陷区域的合成图像进行分割,计算提出模型分割结果的平均Jaccard相似系数（JS）值为95.51%,相比目前先进的GVF模型,VFC模型和自适应扩散流（ADF）模型分别提高了15.08%,12.09%和10.70%,整体效果上优于几种先进的模型。然后又对单/多目标真实图像及含噪的图像进行分割,证实提出模型分割性能的鲁棒性。结论 提出的模型有效地避免了凹形区域内的平衡点问题,可以对深凹形及复杂凹形图像进行有效分割,并且提高了分割精度。此外,该模型能融合到任何基于矢量场的活动轮廓模型中,具有广泛的普适性。     

GVF Snake模型中初始轮廓线设置算法的研究

在详细分析了动态轮廓模型抗干扰性差、运算量大、不能逼近比较复杂轮廓、初始轮廓线设置复杂等问题原因的基础上,提出了轮廓线"有效逼近域"概念,进一步研究发现,这些问题都可以通过设置初始轮廓线到"有效逼近域"内,并有效地控制"有效逼近域"范围而得以解决。由于初始轮廓线只要求设置在"有效逼近域"内,因此符合基于小波变换多尺度边缘检测算法的特性,"有效逼近域"也可以通过控制GVF力场迭代次数来有效控制其大小。基于此,通过采用小波变换多尺度边缘检测获得不同分辨率边缘点,合理控制GVF力场迭代次数,提出初始轮廓线连接算法,成功地实现了初始轮廓线的有效设置。实验结果表明,能够准确地将初始轮廓线设置在"有效逼近域"内,并且"有效逼近域"的大小可以减小到真实轮廓左右5个像素以内,运算量有效的减小,抗干扰性也得到了很大的提高。     

基于力场分析的主动轮廓模型

传统Snake模型存在的缺点是，其初始轮廓必须靠近图像中感兴趣目标的真实边缘，否则会得到错误结果，且由于Snake模型的非凸性，结果不能进入感兴趣目标的深凹部分，很容易陷入局部极小点，由此该文提出一种基于力场分析的主动轮廓模型，详细分析了基于欧氏距离变换的距离势能力场分布，归纳出感兴趣目标上真轮廓点与假轮廓点的判别标准，建立了由曲线能量到最终结果的有效方法，避免了Snake陷入局部极小点，实验结果表明，该模型具有较大的捕获区域，能够进入感兴趣目标的深凹部分，准确提取感兴趣目标的轮廓，与GVF Snake模型相比，该模型具有很小的计算量。     

一种改进的快速轮廓线提取算法

文章针对传统主动轮廓模型对噪声敏感,初始位置敏感和收敛速度慢等不足,提出了一种基于PSO和GVF的快速轮廓线提取算法。首先利用PSO对轮廓控制点进行寻优,使之快速地收敛到图像的边缘附近;然后利用插值算法,得到目标图像的较粗糙轮廓,以此目标轮廓作为下一步GVF收敛的初始位置,最后得到准确的轮廓线。实验结果表明该算法不仅能对图像轮廓线进行准确的提取,而且具有一定的抗噪性能,易于实现,速度快等特点。     

双重轮廓演化曲线的图像分割水平集模型

目的几何活动轮廓模型的标志性模型C-V模型及其改进LBF模型受到关注,然而这两个模型对初始轮廓曲线较强的依赖性使得模型在实际图像目标分割中表现出不稳定性或具有较高的时间复杂性。本文在对C-V模型及LBF模型的原理及对初始轮廓曲线的依赖特性进行分析的基础上,提出一种基于双重轮廓演化曲线的图像分割水平集模型。方法所提出模型的主要过程如下:1)通过设置内、外两条轮廓线,使模型在演化过程中分别从目标的内部和外部向目标边界逼近,两条轮廓线的设计原则简单,其分别位于目标的外部和与目标有重叠;2)两条轮廓线的演化走向是通过在模型中设置相关项自动控制的,即演化过程中通过最小化内、外轮廓之间的差异来自动控制两条轮廓曲线的演化趋向,使之同时从目标的内部和外部向目标边界逼近,并逐渐稳定于目标的边界。结果所提出的模型通过设置内部能量泛函项,避免了对符号距离函数的重新初始化;通过采用全局化的正则函数,增加了模型对复杂异质区域边界的捕捉能力;通过采用内、外轮廓线同时演化机制,避免了模型对初始轮廓线的过依赖性。结论所提出的模型很好地解决了传统基于区域的分割模型对轮廓曲线初始化的过依赖问题,对初始轮廓线的设置较为简单且具有较强的鲁棒性,对图像目标的分割较为准确和稳定。     

一种心脏核磁共振图像左室壁内、外膜分割方法

为了充分利用心脏核磁共振图像(magnetic resonance image,简称MRI)中关于左心室的解剖和功能信息,必须先分割左室壁内、外膜.提出一种基于Snake模型的左室壁内、外膜分割方法.首先提出了Snake模型的卷积虚拟静电场外力模型CONVEF(convolutional virtual electric field),该外力场捕捉范围大、抗噪能力强、在C形凹陷区域等问题上性能突出,而且基于卷积运算,采用快速Fourier变换可以实时计算.就左室壁内膜的分割而言,考虑到左室壁的形状近似为圆形,引入基于圆形约束的能量项.对于左室壁外膜的分割,充分挖掘了左室壁内、外膜形状上的相似性和位置上的相关性,构造了形状相似性内能和一个新的边缘图,该边缘图用来计算新的外力场.基于所有这些策略并采用内膜的分割结果初始化,可以自动、准确地分割外膜.通过对一套活体心脏MR(magnetic resonance)图像进行分割并和手工分割结果和GGVF(generalized gradient vector flow) Snake模型的分割结果进行比较,结果表明该方法是有效的.