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.     

一种全新的两步自动化医学图像分割方案

针对现有图像分割方法存在需要手动分割,以及精确度较低的问题。采用一种全新的两步图像分割方案。该方案。以基于人工神经网络的模式识别技术,即人工神经网络的大规模培训的方法,通过对肺区不同子区域内结构进行分割处理,利用训练好的大规模人工神经网络对标准胸片中的肋骨、锁骨等骨质结构进行抑制,结合以基于区域的活动轮廓模型,即Snake模型,正确分割亮度不均匀的图像。文中选择与医护人员人工分割的图像进行对比,通过放射科医生采用等级法打分,原图的平均分为20分,而通过文中改进的分割方法平均分高达34分。     

一种改进的交互式医学图像序列分割方法

本文介绍了一种结合live wire算法和活动轮廓模型的医学图像序列的分割方法.我们通过把live wire算法和图像分割中一般的区域增长方法结合来改进live wire算法,并用改进后的算法来对医学图像序列中的单张或多张切片进行交互式的准确分割.然后计算机利用活动轮廓模型来自动分割相邻的未分割切片.我们通过在活动轮廓模型的边缘点中引入记录已分割物体边缘附近局部区域特征的灰度模型来把已分割切片中的物体与背景的局部区域特征带入相邻的未分割切片中,并用由灰度模型定义的区域相似性代替活动轮廓模型中的外能来引导边缘轮廓收敛到物体的实际边缘.本文还介绍了一种基于live wire算法思想的简单的分割结果交互式修补方法.实验表明我们的算法仅需少量用户交互就能快速准确的从医学图像序列中分割出感兴趣的物体.     

基于局部统计和高斯分布拟合的图像分割方法

为解决灰度不均匀图像的分割问题,提出一种基于局部统计和高斯分布拟合的活动轮廓模型图像分割方法。首先,利用局部统计活动轮廓模型(locally statistical active contour model, LSACM)定义联合偏移场和极大似然函数;然后,引入局部高斯分布拟合能量(local gaussian distribution fitting energy, LGDF)模型中的高斯函数;同时,将二者线性组合构造基于局部统计和高斯分布拟合的活动轮廓模型;最后,利用变分法和最速下降法即可得到偏微分演化方程。实验结果表明,所提算法能够准确分割噪声和灰度不均匀图像,而且对自然图像也有一定的分割能力。     

基于类间方差参数活动轮廓模型图像分割

提出了基于类间方差参数活动轮廓模型图像分割法.该方法将气球力参数活动轮廓模型中的恒定气球力替换为包含区域信息的变力,最大化目标和背景两区域类间方差,引导轮廓曲线进化.实验结果表明:对于初始轮廓位置不论是处于目标区域内部,或者是处于背景区域内部,还是与目标和背景区域相交,该模型都能获得正确分割结果.     

一种新的SAR图像局部拟合活动轮廓模型

本文基于I-divergence-TV(IDT)去噪模型和变分水平集方法提出一个新的局部拟合活动轮廓模型。该模型能有效解决SAR图像的分割问题,并且不需要周期性地更新水平集函数。通过对合成图像和实测Envisat SAR图像的分割实验,提出的模型与局部拟合RSF模型相比具有更准确的边缘定位能力和噪声抑制能力。     

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。     

活动轮廓模型综述

基于活动轮廓模型的目标分割、物体跟踪方法是近十几年来图像和视频领域研究的热点,它可以将待处理问题的先验知识与各种图像处理算法有效地融合在一起,比以往的计算机视觉理论有更强的实用性.本文结合图像分割方法从指导思想和所用的数学方法两方面对活动轮廓模型特别是几何活动轮廓模型中基于水平集方法的C-V方法做了一定综述.     

结合图像局部信息和Hausdorff距离的活动轮廓模型医学图像分割算法

本文提出了一种新的基于距离局部信息的活动轮廓摸型。该模型的能量函数将区域可扩展能量项(region scalable fitting, RSF)和Hausdorff距离项结合,其中RSF项在目标边缘附近起主导作用,用来吸引水平集函数曲线到达目标边界;而Hausdorff距离由于包含了局部区域的相似信息,可以提高分割方法的稳定性。在保证分割精度的情况下,相对于区域可伸缩拟合及局部巴氏距离的活动轮廓模型RSFB方法,本文方法具有更快的收敛速度和更好的参数选择鲁棒性,对于解决图像分割中的边界模糊和噪声问题效果显著。实验结果显示本文提出的方法在超声图像和不均匀图像的分割中都有非常好的效果,且计算量较小。      

基于活动轮廓模型的左心室MR图像分割

本文提出一种基于局部与全局特征的活动轮廓模型左心室MR图像分割算法.该算法融合了图像局部信息和全局信息.局部信息包含了图像局部均值和方差信息,来克服图像灰度不均匀的影响.全局信息则较好地提高模型处理图像弱边界的能力,并防止模型陷入局部最优,实验结果表明,改进算法分割出较为精确的心脏左心室MR图像.     

基于EMD的快速活动轮廓图像分割算法

C-V模型等传统基于区域的几何活动轮廓模型仅将灰度同质作为区域相似性的测度,致使其在分割噪声分布大、灰度复杂的自然及遥感图像时难有较好的分割结果。为此,该文提出基于Earth Movers Distance (EMD)的快速活动轮廓图像分割算法。首先,给出了基于EMD的区域相似性测度,并引入到模型的定义;接着,提出了基于过分割的规则化和快速曲线演化方法,很好地克服了传统模型的冗余轮廓、计算复杂等问题。对合成图像和遥感图像的实验结果证明了算法的有效性。     

基于局部子区域的活动轮廓图像分割方法

这里的方法旨在解决复杂多纹理图像中的目标分割问题。沿袭局部化思路,进一步提出基于局部子区域的方法,介绍了该方法下能量函数的设计方法,并与全局统一能量模型方法和局部能量方法进行了实验对比。实验表明,该方法在继承一般局部区域方法的分割能力的同时,较好的解决了复杂多纹理图像的目标分割问题,能较好的分割多纹理形成的物体边界,成功扩展了基于区域的活动轮廓的分割方法对图像的适应能力。     

一种血管约束的局部活动轮廓模型

活动轮廓作为一种重要的图像分割工具,近几年来在理论和应用方面都有很大的发展。然而,现有轮廓模型在处理灰度均匀性较差的图像时,通常存在较高的分割误差,并且对初始轮廓曲线位置敏感。为此,本文提出一种基于血管特征约束的活动轮廓模型,该模型首先使用局部相位（Local Phase）的血管增强算法对图像进行增强处理以生成一种不同于图像灰度的血管特征信息,然后将血管信息和图像灰度以线性加权的形式引入到局部二值拟合（Local Binary Fitting,LBF）能量泛函中,指导图像血管分割。基于视网膜血管图像数据（Digital Retinal Images for Vessel Extraction,DRIV）的实验显示：该模型能成功地从灰度分布不均匀和弱边界轮廓的视网膜图像中提取血管,分割灵敏度和准确性分别达到74.43%和93.67%,同时对初始轮廓曲线位置的敏感性大为降低。由上述可知,该模型具有高分割准确性和低初始位置敏感性。     

基于局部图划分的多相活动轮廓图像分割模型

几何活动轮廓模型是图像分割领域的强有力工具。最近,一种基于成对相似性的图划分活动轮廓(GPAC)模型被提出,并有效应用于均质图像分割。但是,该模型的连接权函数仅与图像光谱相关,使得模型在低对比度模糊图像的应用存在较大局限,同时,成对相似性的计算量大,模型的数值实现效率不甚理想。针对这些问题,该文引入测地核函数定义连接权函数,结合多相水平集,提出了基于局部图划分的多相活动轮廓图像分割模型。自然图像的实验结果证明了该模型的有效性。     

基于GVF Snake模型的设备内壁图像轮廓提取

主动轮廓模型主要用于计算机视觉与图像处理,尤其是用于检测对象的边界,是目前流行的图像分割算法,其主要优点是无论图像的质量如何,总可以抽取得到光滑、封闭的边界.通过使用梯度矢量流(Gradient Vector Flow,GVF)主动轮廓模型对设备内壁图像进行分割,克服了传统主动轮廓模型不能检测目标凹陷处,初始轮廓必须靠近物体边缘,以及收敛速度较慢的缺点.实验结果表明该算法不仅可以获得较好的设备内壁图像分割效果,而且能提高轮廓提取的速度,为标定设备内壁有损部位的几何参数提供良好的环境.     

基于相位一致性改进的活动轮廓分割模型

为了实现甲状腺超声图像中结节组织的快速准确分割,克服图像灰度分布不均匀和边缘模糊对分割结果造成的影响,采用了基于相位一致性改进的活动轮廓分割模型。首先,利用相位一致性边缘检测原理构造一种新的速度函数,不仅弥补了梯度算子边缘检测中由于滤波处理造成边缘损坏的缺陷,而且可以灵活地控制曲线演化速率;然后,将该速度函数乘入到无边缘主动轮廓模型的能量项中,避免了线性组合中的权重分配问题,同时具有全局分割能力。通过理论分析和实验验证,改进模型的相对差异度均小于1%,运行时间均低于对比模型。结果表明,新模型实现了灰度分布不均匀图像的精确分割,同时分割效率也有所提高。     

结合特定理论的图像分割方法

结合近几年来图像分割领域出现的新思路、新方法或对原有方法的改进,如模糊方法、活动轮廓模型、遗传算法、神经网络等给出一个比较全面的综述,评价它们的优缺点。最后,简要讨论图像分割的发展趋势。     

基于Snake活动轮廓模型的视频跟踪分割方法

基于Snake活动轮廓模型,采用时空融合的方式,根据短时间内相邻帧的运动趋势差异相似的前提,首先将视频序列分成若干个小段,每段有k帧视频,选取段内的前两帧为关键帧,通过运动检测的方式自动得到这两帧中运动对象的大致区域;然后进行帧内Snake演变,搜索精确轮廓;最后以关键帧间运动对象形心的运动矢量预测勾勒后续帧的初始轮廓,进行帧内Snake精确轮廓定位,从而实现所有帧的视频对象分割。相比于传统方法,本文方法克服了手动绘制初始轮廓的缺点,在空域对Snake贪婪方法进行了改进而且精确度高,速度快。实验表明,本文方法成功地实现了前后帧图像之间运动对象的对应匹配关系,并通过改进后的Snake贪婪方法得到了精确的分割结果。     

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.     

基于注意力机制和图像轮廓的实例分割算法

基于图像轮廓的实例分割方法利用少量轮廓顶点来表示物体,减少了算法的参数量,提高了算法的运行效率,但导致算法的精度低于传统逐像素处理的分割算法,获得的分割结果质量较差。为提升算法的准确性,文中提出一种基于图像轮廓结合注意力机制的实例分割模型(Attend the Contour snake, AC-snake)。在主干网络中加入改进的大卷积核(Largekernel+)提升模型的感受野,提取更加丰富的特征信息。改进轮廓顶点变形阶段的网络结构,结合双通道注意力模块(Dual Channel attention, DC-attentio)加强轮廓顶点的有效信息,减少训练网络中的无效参数,提升检测精度和训练速度。实验结果表明,在Cityscapes验证数据集中,相较于原始模型,文中提出的改进模型性能有所提升。