一种基于CB模型的彩色图像分割方法

CB模型是一种把图像分为色度和亮度方面的彩色模型,对图像进行分割去噪时可以很好地保留图像的细节和边缘。首先把一幅含有噪声的彩色图像分割成几何和摆动部分（纹理和噪声）,然后利用CB模型分别在色度和亮度两个通道上求几何和摆动部分,再合成图像的几何和摆动部分,其中几何部分即图像去噪后的图像。实验证明CB模型可以快速准确地分割出目标,消除图像的噪声部分,是一种有效的图像分割方法。     

医学噪声图像分割的分解与活动轮廓方法

医学噪声图像的分割是一件非常困难的事情,为了同时进行噪声去除和图像分割,提出一种基于分解的图像活动轮廓分割模型.该模型是G空间图像分解模型和边缘、区域相结合的活动轮廓模型集成的一个变分泛函,由于模型直接求解困难,把它分裂成2个泛函极值——图像分解部分和图像分割部分.其中,图像分解部分是在G空间的泛函极值,用第二代曲波变换域的阈值收缩求解;分割部分是变分水平集泛函极值,其Euler方程为非线性偏微分方程,可用梯度下降流求解.实验结果表明,文中模型不但可对噪声图像去噪,而且在相同的实验条件下分割效果优于Chan-Vese模型、Snake模型、Level-set模型和ASM;不仅提高了图像的质量,还能较好地分割出目标部分.     

一种新的几何活动轮廓模型在图像分割中的应用

针对传统几何活动轮廓模型不能准确分割图像内弱边界区域目标以及对噪声的干扰容易使曲线陷入局部极值的情况,提出了一种基于区域梯度流力的几何活动轮廓模型.由于该区域力是对图像进行区域分割后产生的,所以能够从全局的角度为模型提供区域内目标的边界信息,进而达到分割弱边界的目的.通过引入一个扩散方程可以扩大区域力的捕捉范围,达到消除噪声干扰的目的.实验证明,该模型较好地解决了传统活动轮廓模型分割图像目标存在的问题.     

近似测地距离度量下的图像抗噪分割方法

对含有噪声的图像进行有效分割是图像处理中的难点问题之一.为解决欧氏距离带来的空间局限性,对含有噪声的图像进行有效分割,提出一种基于近似测地距离和边界加权的重心Voronoi图划分(CVT)能量模型的图像抗噪分割方法.首先利用图像梯度的大小和方向建立一种近似测地距离计算模型,降低了算法的时间复杂度;然后采用该测地距离测度定义边界加权的CVT能量模型,并极小化能量模型实现数字图像的抗噪分割.实验结果表明,该方法可以有效地对含有噪声的数字图像进行抗噪分割.     

一种具有去噪能力的全局最小值分割模型

几何主动轮廓模型的能量泛函是非凸性的,导致图像分割结果依赖于曲线的初始化条件,对噪声敏感。针对该问题,提出一种全局最小值分割模型,对能量泛函进行凸性非约束改进,利用基于总变分对偶公式的快速数值化算法实现图像的分割。对合成图像和医学图像的分割结果表明,利用该模型可以准确提取出对象的边界,分割速度快,对噪声具有较好的鲁棒性。     

先验形状力场参数活动轮廓模型及其医学图像分割

先验形状参数活动轮廓模型是一种抗噪声干扰稳定的图像分割方法．它具有对弱边缘、凹区域进行分割的能力,同时有较大的边缘捕捉范围．通过引入一种非距离性的先验形状力场,构建一种新的能反映先验形状的参数活动轮廓模型．新的先验形状活动轮廓模型避免了曲线之间距离的计算,减少了模型的复杂性．新的方法可以较好地解决传统型参数活动轮廓模型的一些本质缺陷.实验对带噪声且为弱边缘的医学CT图像和超声图像进行分割能得到理想的边缘轮廓.     

数字式射线图像缺陷检测的C-V方法

数字式射线图像（DR图像）缺陷检测主要是进行缺陷区域的分割和测量,分割精度将直接影响到测量精度。C-V模型是一种新的基于曲线演化理论和水平集方法的图像分割模型,它结合区域信息使得分割结果全局最优,可以很自然地处理轮廓线拓扑结构的变化。针对工件DR图像特点,研究了一种DR图像缺陷检测的C-V方法：首先应用C-V模型进行DR图像缺陷区域的分割,在此基础上,完成缺陷区域几何参数的测量。实验表明,C-V方法能准确地分割出DR图像中的缺陷区域,并获得缺陷形心和面积等参数。     

基于相变和似然性的多相图像分割方法

Sine- Sinc模型是一种基于材料科学中Modica-Mortola物理相变原理的多相图像分割方法.针对该模型分割结果不完全、易受噪声和亮度不均匀性影响的问题,提出了一个改进的Sine- Exp-Gauss多相图像分割模型.基于Sine-Sinc模型,Sine- Exp-Gauss模型用指数函数代替Sine-Sinc模型的Sinc函数,并从分段常数图像假设推广到高斯分布函数图像假设;模型偏微分方程的数值解采用凸函数分裂方法迭代,获得每个相的局部最优解,同时给出一种标准初始化方法使迭代过程易于收敛到理想局部极小值.与Sine- Sinc模型和偏差矫正模型相比,实验结果证明Sine- Exp-Gauss模型在噪声消除和自偏差矫正方面都更加鲁棒.     

含各向异性扩散的图像分割新模型

无边活动轮廓(CV)模型已广泛应用于图像分割领域,特别是用于分割不以梯度定义的图像.然而,模型存在对噪声敏感,无法分割深度图像等缺点.针对提高去噪性能和加快收敛性,将各向异性扩散融入到CV模型,同时引入无需重新初始化项,得到一种新的图像分割方法.采用Matlab平台进行仿真实验,结果表明,模型具有较强的抗噪能力,能很好地分割灰度变化不均匀及背景复杂图像,而且能有效地分割CV无法处理的深度图像.     

基于梯度的混合Mumford-Shah模型医学图像分割

针对C-V法的水平集图像分割法缺少局部控制能力等问题,将基于边缘的几何主动轮廓线模型和基于区域的C-V法两者结合起来,提出了基于梯度的混合Mumford-Shah图像分割模型HMSG。给出了HMSG模型的参数设置准则,在分割的初期加大模型中全局特征项的权值,在分割的后期则加大局部特征项的权值,以提高模型的图像分割能力。对合成图像与医学图像的分割实验结果表明,该方法优于C-V方法对于含有噪声和边缘模糊的非二值图像的分割,能够较为准确地提取图像边界,可以有效提高图像分割整体性能。