基于改进的变分水平集和区域生长的图像分割方法的研究

针对水平集和区域生长方法都存在对噪声和初始边界敏感以及容易从弱边缘处泄露等不稳定的问题,提出了结合待分割目标灰度统计信息和图像梯度信息的水平集演化函数对水平集方法进行改进,并利用区域生长方法解决水平集方法对初始边界敏感的问题.分别用传统区域生长方法、阈值方法、GAC模型、C-V模型、Snake模型以及本文方法进行从腹部CT图像分割肝脏区域的实验比较,实验结果表明:本文方法不仅可以减少图像分割的时间,而且显著地提高了分割质量.     

一种基于参数活动轮廓模型的高能闪光照相图像分割算法

针对高能闪光照相系统成像质量较差的特点,提出了一种基于参数活动轮廓模型(Snake模型)的闪光照相图像分割算法.该算法在传统高斯力Snake模型中引入包含图像区域信息的变力,以目标和背景两区域具有最小方差为准则,构建兼顾边缘和区域信息的外部能量函数.数值实验结果表明,该算法对初始轮廓位置不敏感,较好地解决了客体凹陷区域分割问题,能够实现对含噪声的弱边界闪光图像的自动分割.     

利用模糊特征改进Snakes模型的图像分割

利用模糊特征自适应地控制曲线法向力场改进参数主动轮廓模型,改进后的模型可以对弱边缘、无边缘区域和纹理图像进行分割。曲线法向力场加速了曲线收敛到目标区域边界,改进了抓取范围和提取凹区域的能力。对弱边缘图像、医学图像和纹理的分割实验表明,新方法具有良好的性能。     

基于梯度信息的C-V模型图像分割算法

针对传统的C-V模型对于含有多灰度级目标的图像难以准确分割并且分割速度缓慢等问题,提出了在C-V模型中引入梯度信息的图像分割算法。该算法在C-V模型的偏微分方程中加入了基于梯度信息的加速因子和弱目标边界控制力,加速因子的引入可以显著地提高C-V模型的分割速度,弱目标边界控制力可以有效地防止弱目标边界泄漏和漏分割。实验结果表明:该算法能够有效分割出弱目标和提高图像分割速度。     

超像素优化Snake模型的乳腺X线图像胸肌分割

提出基于超像素优化Snake模型的乳腺X线图 像胸肌 分割方法。首先采用融合灰度和纹理特征的超像素分割算法将图像分割为多个具有准确边界 、同质的 超像素区域;再根据胸肌的解剖学特征和灰度特征将超像素分类,识别胸肌区域,完成胸肌 的粗分割; 最后使用超像素分类结果优化Snake模型初始轮廓,通过Snake模型演化实现胸肌的细分割 。实验结果表明,本文方法对不同大小、形状和亮 度的胸肌 能够准确地逼近到目标边界,并具有较强的抗噪性和鲁棒性;与其他胸肌分割算法相比,本 文算法准确性较高,稳定性较好。     

基于Snake模型的复杂区域图像分割

在复杂区域图像分割中,针对传统Snake模型不能收敛到深凹陷区域等缺点,从内部能量函数和算法实现两方面入手对传统Snake模型进行改进,增加了一项由力作功产生的能量项,并采用Greey算法分两阶段实现.结果表明,改进的Snake模型能迅速地收敛到深凹陷区域和更复杂区域,且减弱了分割结果对初值的依赖性和噪声点对边界的影响.     

一种基于脑部肿瘤MR图像的分割方法

针对传统的分割方法难以实现医学图像自动分割和准确分割的问题,提出了一种基于GVF Snake模型的医学图像分割方法。该方法采用Canny算子的边缘检测结果作为GVF扩散方程计算的边缘映射图,提高了GVF Snake模型的抗噪性能;用分水岭算法自动获取的轮廓作为GVF Snake模型分割的初始轮廓,降低了GVF力场计算的复杂性和分割时轮廓线的迭代次数。分析和实验结果表明,采用该方法对脑部肿瘤MR图像进行分割时,能自动准确地分割出肿瘤区域。     

基于蛇模型图像分割研究综述

蛇(Snake)模型,也称活动轮廓模型(Active Contour Model),能利用图像的高层信息能量泛函最小化来解决图像分割问题,多数学者因这点认真研究并改进了Snake,参数活动轮廓最先被研究,从改进力场的角度入手,以GVF-Snake最为出色,该类模型非常适合医学图像的分割,但其本身基于拉格朗日框架,分割结果依赖于初始轮廓的设置,学者借助几何活动轮廓模型,解决参数蛇难于处理拓扑变化问题,使分割以自适应方式进行,极大弱化了初始化要求,提高分割鲁棒性,能分割遥感、纹理、彩色图片。     

基于自适应扩散梯度矢量流的图像分割算法

为了提高活动轮廓分割图像的精度,解决传统活 动轮廓不能够收敛到深凹陷和弱边界对象分割效果不佳等问 题,提出了自适应扩散梯度矢量流(AD-GGVF)算法。首先,在外部力场中,使用基于分量的 归一化方法代替传统的基于矢量的归一化方 法,提高活动轮廓曲线进入深凹陷的能力;然后,将拉普拉斯算子分解为切向和法向分量, 并增加两个互相关的自适应权重 函数,使轮廓曲线能够根据图像的局部特征自适应调节扩散过程;最后,以分割结果的量化 误差为评价标准,和传统的活动 轮廓分割效果进行对比和分析。实验结果表明,本文算法针对两幅不同的弱 边界图像,量化误差分别降低到0.08和0.09,活动轮廓曲线能够收敛到深凹陷的底部;分割 效果较为准确。     

基于GVF Snake的运动目标跟踪方法

针对Snake不能收敛于凹形边缘和收敛速度慢的缺点，结合帧间差分和梯度矢量流主动轮廓模型（GVF Snake），提出了一种运动目标跟踪方法。首先通过帧间差分得到不同时刻的灰度差异图像，然后用形态方法得到的运动目标粗略轮廓作为Snake的初始轮廓，最后利用GVF Snake的特性，准确地收敛到目标边界。实验证明该方法运算速度快、能够快速地收敛到目标轮廓、准确地跟踪目标，并具有一定的抗噪能力。     

R-Snake:一种基于边缘与区域信息的图像主动轮廓提取模型

 传统Snake模型存在着对轮廓的初始化敏感,对高噪声图像易陷入局部极小值,以及对具有狭长深度凹陷区域的图像无法获得正确轮廓等问题.本文提出了一种基于边缘与区域信息的主动轮廓模型R-Snake(Region Snake).该模型通过文中设计的图像变换算子,并结合区域积分与曲线积分间转化的Green公式,导出了包含目标图像区域信息的区域力.然后由力平衡方程将该区域信息自然直接地引入到主动轮廓提取模型中,从而实现图像的轮廓提取.由于该模型同时利用了图像的区域信息和梯度信息来引导轮廓曲线的演化,使得本文方法不仅扩大了轮廓初始化的范围,降低了对图像噪声的敏感性,而且还增加了轮廓曲线收敛到真实边界的能力.实验结果表明,本文方法具有很强的适应性和鲁棒性,尤其是对高噪声图像和具有狭长深度凹陷的图像获得了优于传统Snake模型的结果.     

综合利用通用霍夫变换与Snake算法对序列图像的分割

提出了一种综合算法对图像序列进行分割:首先根据上一帧图像物体形状信息用霍夫变换确定在当前帧中同一物体的大致轮廓、位置,再以此轮廓作为初始值,用Snake算法检测出物体的局部形变,对于序列的第一帧用手工勾出目标物体大致轮廓.由于通用霍夫变换抗噪声能力强,而Snake能准确地找出局部形变物体的边缘,综合两种算法的特点能精确地分割出复杂背景下特定的物体.     

基于图像引力和Mumford-Shah模型的曲线演化算法

提出了一种图像引力和Mumford—Shah（M—S）模型的快速曲线演化算法,该算法分两步实现：首先利用图像引力,对参数主动轮廓线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;然后利用插值算法,得到目标较粗糙的大致轮廓,再使用M—S模型和窄带方法得到准确的轮廓。该算法避免了参数主动轮廓线模型不能收敛到物体凹陷的边缘和对初始位置敏感等问题,也避免了M—S模型需要对所有图像数据进行计算,计算量大等问题,实现了对参数和几何主动轮廓线模型进行了有效结合。     

基于小波多尺度分析与GVF Snake的空中目标提取

提出一种新的空中目标提取和识别方法。该方法在运用Bubble小波对图像进行多尺度分析的基础上，引入梯度矢量流蛇形曲线方法对空中目标轮廓进行提取，以实现对空中目标的识别。实验表明这种方法在边缘对噪声有较好的鲁棒性和较精确的边缘定位精度。     

Snakes模型的改进算法

讨论了Snake模型的一种新型改进模型即基于矢量场卷积的模型,作为GVF模型的一般形式,该卷积模型适用范围普遍性,比传统模型具有更好的鲁棒性。通过对比Snakes经典、传统模型,并在轮廓、噪声敏感度、算法复杂度方面做分析和验证,实验结果表明,VFC对噪声、初始轮廓敏感性要求不高,而在算法时间上有较大的提升。     

Grey relational clustering associated with CAPRI applied to FPGA placement

Grey relational clustering is used to minimise wire length during field programmable gate arrays (FPGA) placement and routing. The proposed Grey Relational Clustering Apply to Placement (GRAP) algorithm combines grey relational clustering and convex assigned placement for regular ICs method to construct a placement netlist, which was successfully used to solve the problem of minimising wire length in an FPGA placement. Upon calculating the grey relational grade, GRAP can rank the sequence and analyse the minimal distance in configuration logic blocks based on the grey relational sequence and combined connection-based approaches. The experimental results demonstrate that the GRAP effectively compares the Hibert, Z and Snake with bounding box (BB) cost function in the space-filling curve. The GRAP improved BB cost by 0.753%, 0.324% and 0.096% for the Hilbert, Z and Snake, respectively. This study also compares the critical path with the space-filling curve. The GRAP approach improved the critical path for Snake by 1.3% in the space-filling curve; however, the GRAP increased critical path wire by 1.38% and 0.03% over that of the Hilbert and Z of space-filling curve, respectively.     

基于运动补偿的Snake视频对象跟踪算法

当对象移动幅度大时，Snake视频对象跟踪算法中的曲线迭代过程易陷入局部最小，为此，提出一种运动补偿预处理的解决方法。此方法预先估计对象的运动信息，然后对Snake曲线的初始轮廓位置进行运动补偿，最后进行Snake跟踪。实验表明，这种方法不仅跟踪效果好，而且能有效地减少Snake曲线演化的迭代次数。