一种新的灰度非均匀图像分割模型

基于局部区域的主动轮廓分割模型在针对灰度非均匀图像进行分割时,容易受到初始轮廓曲线位置的影响,且基于水平集模型的数值实现速度较慢。为此,提出一种新的图像分割模型。该模型采用局部符号差能量项作为曲线演化的驱动力,为减少模型对初始轮廓曲线位置的依赖,采用全局凸分割策略,得到一个离散化的凸分割模型,该模型包含Mumford-Shah分割模型中的二次光滑项,使分割后的区域更加平滑,使用split Bregman迭代算法进行数值实现。实验结果表明,与局部二值拟合模型、局部符号差能量模型相比,该模型能对灰度非均匀图像进行较准确的分割,具有较快的运算速度和较好的鲁棒性。     

结合局部熵能量泛函与非凸正则项的图像分割

为了克服灰度不均匀对图像分割的影响，结合CV模型的全局能量项和LBF模型的局部能量项，引入图像局部熵信息和非凸正则项，构造新的能量泛函，提出了结合局部熵的局部能量泛函与非凸正则项的图像分割算法。该算法首先采用CV模型中的全局能量泛函得到图像的大致演化轮廓；通过构建具有局部熵信息的局部能量泛函，实现对图像的精确分割。然后，利用非凸正则项作为图像演化过程中零水平集逼近目标的又一驱动力驱动曲线演化和边缘保护。该算法利用变分水平集方法将这一新构建的能量泛函进行最小化，通过迭代更新水平集函数，完成曲线演化。最后，对比实验表明，所提出的算法可以高效、准确地分割灰度不均匀图像。     

一种基于边缘检测的局部阀值分割算法

本文提出了一种基于边缘检测的局部阈值分割方法，该方法将整睛灰度图像分成小块，在每个小块中利用梯度算子对小块中的边界点进行检测，寻找出小块内的所有边界点，然后沿着这些边界点的梯度方向找出最临近的点，以所有这些临近点和边界点的灰度均值作为该小块的灰度阈值进行分割，该算法计算复杂度较低，避开了灰度直方图阈值分割方法中“谷底”难以确定的问题，同时照顾到了图像的局部灰度特性。     

一种基于局部信息的多相脑图分割模型

针对脑核磁共振成像中灰度不均匀的现象,提出一种基于局部信息的多相脑图分割模型。采用阈值法进行轮廓初始化,利用多相水平集拟合图像的局部信息,从而得到脑灰质、脑白质和脑脊液图像。实验结果表明,该模型能有效地对多相脑图进行分割,给出准确光滑的目标边界,并且不需要重新初始化。     

基于多尺度局部特征的图像分割模型

为了解决图像分割中灰度不均匀和初始轮廓敏感的问题,提出一种基于多尺度局部特征的图像分割模型.与传统局部邻域定义在方形区域不同,该模型采用圆形区域来获取更多的局部信息;考虑到局部区域灰度的变化程度不一,提出利用多尺度结构与均值滤波器相结合的方法获得多尺度局部灰度信息;通过转换灰度不均匀模型得到一个逼近真实信息的图像,并将其融合进局部高斯分布拟合(LGDF)模型,构造出基于多尺度局部特征的能量泛函.从理论分析和实验结果表明:由于多尺度结构弱化了灰度不均匀的影响,该模型既能快速、准确地分割灰度不均匀图像,又表现出对初始轮廓具有较强的鲁棒性.     

一种新的局部阈值分割算法

针对传统局部阈值算法在分割低质量图像时存在分割时间长的问题,提出一种新的局部阈值分割算法。该算法首先去除传统阈值模型中局部标准差因式,再利用积分图像快速计算局部均值,然后利用求得的局部均值和像素点的灰度值来计算局部阈值。由于降低局部阈值计算的时间复杂度,从而减少了图像分割时间。实验结果表明,该算法不仅仅能克服非均匀光照的影响,有很好的抗噪效果,还大大减少了分割时间。     

结合局部灰度差异的噪声图像分割模型

针对未知强度和分布规律的噪声图像难以得到正确分割,现有模型无法适应多种噪声环境的问题,提出了一种基于图像局部灰度差异的噪声图像分割模型。首先,分析局部K均值聚类（LCK）模型和局部相似性系数（RLSF）模型中能量泛函对噪声点的降权机制的不足,提出优化方案;其次,将一种结合局部灰度差异的噪声点修复函数引入能量泛函,降低了显著偏离局部均值的噪声点对分割结果的干扰;最后使用变分法推导出该模型的水平集迭代方程。与局部二值拟合（LBF）模型、LCK模型和RLSF模型相比,使用该模型进行噪声自然图像分割时,可得到更高的查全率、查准率和F值。实验结果表明,所提模型可稳定、有效地分割非均匀和高噪声图像。     

基于局部区域能量最小化模型的图像分割

在马尔可夫随机场(MRF)和概率理论的基础上,提出局部区域能量最小化模型,将传统基于像素的分割转化为基于区域的分割,能减小均匀区域中的误分类率。在该模型和MRF模型下,使用ICM算法、Gibbs采样算法、Metropolis采样算法对图像进行分割,结果表明该模型能取得更精确的分割结果,可有效拟制图像噪音和纹理对分割的影响。     

一种轻量级的因子分解非局部网络

在传统的非局部操作中,对各个位置点之间长距离依赖性的逐个计算导致了庞大的计算量,使得其并不能成为一种即插即用的有效模块.基于此问题,我们提出一种新型的轻量级非局部(Lightweight Factorized Non-local, LFN)模块.LFN模块利用捕捉全局依赖性的非局部操作来提升神经网络的性能并应用于计算机视觉领域.LFN模块是对传统非局部操作的因子分解,通过对水平和垂直两个方向进行分解,网络不仅可以捕捉到像素点之间的长距离依赖关系,而且分解后的非局部操作计算量大幅度下降.然后,通过结合LFN模块和残差模块,我们设计RLFN(Residual Lightweight Factorized Non-local)单元,并基于该单元设计两种改良网络结构分别应用于图像分类和语义分割.最后,本文算法在CIFAR-10和PASCAL VOC2012两个数据集上进行分类及语义分割任务,实验结果表现该算法取得十分优越的性能.     

基于非局部总变差的图像分割活动轮廓模型*

在一般活动轮廓模型的连续全局极小化方法基础上,利用四种非局部总变差,给出了一种具有连续全局极小解的非局部活动轮廓模型。由于该模型的非局部特性,在分割过程中能有效地去除图像中的噪声,同时保留那些重复的精细结构。数值实验证明,该模型能将图像中的主体结构和精细结构很好地分割出来,而标准活动轮廓模型的分割结果中则丢掉了许多小的精细结构。     

结合局部与非局部的图像复原方法

为了更好地复原图像的细节,提出了一种结合局部与非局部的图像复原方法。将图像中的细节准确地提取出来,对提取的细节进行非局部全变差约束,同时对剩下的图像成分进行局部全变差约束。提出的方法很好地结合了非局部全变差和局部全变差的优点,实现了图像细节更好的复原。实验结果表明,提出的方法与近几年的一些较好的图像复原方法相比,不仅主观的视觉效果得到了明显的改进,而且客观的峰值信噪比也增加了0．11～2．28 dB。     

结合全局和双核局部拟合的活动轮廓分割模型

针对可缩放区域拟合（RSF）模型对初始轮廓敏感的缺点,提出了一种结合全局和局部图像信息的变分水平集活动轮廓模型。该模型设计了一个灰度域上的核函数,将其与RSF模型空域核的线性组合作为局部能量项,弥补了采样权值仅与空间距离有关的缺陷,提高了分割精度;构造了带有自适应全局指示函数的面积项,作为全局拟合力,提高了模型的收敛速度且避免陷入局部极小值;使用了高斯滤波方法,规则水平集函数,使其保持光滑,并避免了复杂的重新初始化过程。实验结果表明,该模型初始化灵活,对灰度不均匀图像有很好的分割效果     

基于非局部总广义变分的图像去噪

针对全变分(TV)模型在去除图像噪声时容易产生阶梯效应的缺点,将二阶总广义变分(TGV)作为正则项应用于全变分模型中可以有效地去除阶梯效应,并且还能够更好地保持图像边缘纹理结构;利用非局部均值滤波算法的思想来构造非局部微分算子,将非局部微分算子应用于总广义变分模型中,综合提出了一种基于非局部总广义变分的图像去噪新模型。新模型充分利用了图像的全局信息进行去噪。实验结果显示了该模型的有效性和优越性。     

基于高斯滤波C-V模型分割算法的改进

在现实世界经常有一些灰度不均匀的图像给图像分割造成了很大的困难.为了解决由于图像灰度不均匀造成的图像轮廓提取的困难,结合邻域算法和高斯滤波的性质的基础上,提出了基于图像局部区域灰度信息的算法,使曲线的演化过程基于图像的局部信息.同时采用了水平集演化规则化模型,避免了水平集函数的不断初始化.实验结果表明,新算法无论对合成图像还是真实图像,都能提取出准确的物体轮廓.     

非局部的变分正则化图像放大算法

针对Chambolle图像放大模型存在分块效应,提出一种非局部的变分正则化图像放大算法。该算法的思想是构造一个适用于图像放大的变分泛函,该泛函由正则项和数据保真项构成,其中图像的正则项是用非局部全变差范数进行估计,进而用迭代投影方法求泛函的最小解,即为放大后的图像。与传统的图像插值方法不同,该算法是用变分的思想进行图像放大,非局部全变差的引入更使得该算法不只是利用图像的单个像素点,或某一邻域内的灰度和梯度信息进行放大,而是更大范围地利用了图像本身的信息,这将更有效地保留图像特征,避免了Chambolle方法在图像放大时出现的分块效应。实验结果表明,该算法能更好地保留边缘和细节信息,放大图像的清晰度比Chambolle图像放大方法和样条插值的效果要好。     

自适应全变分图像去噪模型及其快速求解*

在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上,利用边缘检测算子选取自适应参数,构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型,并基于Bregman迭代正则化方法设计了其快速迭代求解算法.实验结果表明,自适应去噪模型及其求解算法在快速去除噪声的同时保留了图像的边缘轮廓和纹理等细节信息,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高.     

基于局部增强与区域拟合的活动轮廓模型

针对活动轮廓模型在分割弱边缘图像及严重的灰度不均匀图像方面存在轮廓曲线不能很好地演化到目标边界等问题,提出了一种基于局部增强与区域拟合的活动轮廓模型。首先,利用局部区域增强方法将原始图像转换为新图像,以增强图像的对比度。其次,利用统计信息计算图像的区域拟合能量。然后,加入正则项以避免演化轮廓重新初始化,提高图像分割效率。最后,通过灰度不均匀的合成图像和真实图像的实验,验证了该算法的有效性。     

基于全变分的运动分割模型及分裂 Bregman 算法

提出了一种基于全变分的运动分割模型,可以适用于2D/3D视频.首先, 通过活动轮廓模型将分割与估计融合在同一能量函数中, 该模型能够同时进行分割曲面的演化和运动参数的估计. 其次,通过凸松弛方法将原始问题转化为等价的全变分模型, 克服了局部最小值问题.最后,采用分裂Bregman快速算法进行求解. 多组实验证明了本文方法对2D/3D视频的通用性和算法的高效性.