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。     

基于多尺度小波边缘检测改进GVF snake的颈部淋巴结超声图像轮廓提取

提取超声图像的轮廓对医学诊断有着积极意义。然而,由于超声图像具有目标与背景间对比度低、信噪比低等特点,以往的边缘检测算法在解决图像噪声、精确定位边缘以及获得连续光滑的边缘线之间的矛盾均未得到理想的效果。GVF snake能较好地解决以上矛盾,且具有更大的捕获范围和更强的凹陷域收敛性。但GVF snake初始轮廓线需手工勾勒,不仅比较繁琐,而且目标提取的结果在很大程度上受人工初始化的影响。为此,提出一种多尺度小波变换模极大值与GVF snake算法结合的方法来提取颈部淋巴结超声图像轮廓。该方法首先运用小波变换模极大值多尺度边缘检测算法得到目标图像的边缘图,再在边缘图上分别选取上、下、左、右四个不同方向若干个特征点,即可自动获得较为客观的初始轮廓线,最后利用GVF snake模型提取图像的精确轮廓。实验表明该方法能得到目标图像连续光滑的轮廓线,同时比GVF snake提取的轮廓更加精确,更能反映轮廓的局部细节。此外,由于初始轮廓更加接近给定图像的真实边缘,从而减少了梯度矢量流力场迭代(GVF)次数,提高了轮廓的收敛速度。     

GVF Snake模型时间复杂度的研究

对使用GVF Snake动态轮廓模型算法中两次迭代的时间复杂度进行了统计计算,并进行了力场分析,在此基础上对初始轮廓线设定位置进行了研究。实验结果表明,初始轮廓线的设置应避免跨越能量极小值,此时可以得到比较好的提取效果。GVF力场迭代的次数和轮廓逼近次数与时间成正比。     

一种基于图割与GVF Snake的凹型目标快速提取算法

将图割理论与GVF Snake模型有机结合,提出了一种凹型目标的快速提取算法。首先用图割算法对初始轮廓线迭代变形,使其在快速提取非凹型段目标边界的同时将轮廓线有效地置于梯度矢量流力场的“有效逼近域”内,然后用GVF Snake算法继续对轮廓线迭代变形,提取凹型段目标边界。实验表明,该算法能快速、准确提取凹型目标。     

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。     

基于改进窄带水平集的三维肝脏肿瘤分割

三维肝脏肿瘤识别是当前研究的热点问题,如何准确快速地从腹部CT序列中分割出肝脏肿瘤是肝部病变诊断的基础。针对水平集方法在进行分割时收敛速度较慢,设置窄带宽度固定不灵活的缺点,先利用分水岭算法,对肝脏图像进行“过分割”,搜索初始轮廓所在的分水岭块作为窄带区域进行标记,在窄带区域内用水平集算法使初始轮廓线收敛至准确轮廓。再以其边缘作为相邻CT序列的肿瘤初始轮廓,找出初始轮廓线所在的分水岭块,构成新的窄带,用水平集算法对轮廓线进行迭代分割出肿瘤。重复该过程,直至完成整个肝脏序列图像的肿瘤图像分割,进行三维重建。     

差分进化算法GVF Snake模型在PET图像分割中的应用

利用PET图像进行诊治时需要对人体病灶精确定位,PET图像中病灶目标区域的分割是早期诊断与治疗的前提和关键。基于传统Snake模型的方法在PET图像分割时存在对初始轮廓过于敏感,难以收敛到目标凹型区域等问题,为此将GVF Snake模型引入PET图像的分割中。为防止GVF Snake模型陷入局部最优,进一步利用差分进化(DE)算法的全局优化特性对GVF Snake模型分割的结果进行优化,提高PET图像分割精度。实验结果表明,该方法能有效地对PET图像中的病灶目标区域进行分割,可避免陷入局部最优且具有良好的实时性。     

视频图像序列运动目标检测及轮廓提取

考虑到人类视觉对图像轮廓特征的敏感性,将目标检测与轮廓提取结合起来,实现了目标轮廓自动提取的方法.首先采用了背景差法跟踪视频图像序列中的运动目标,并采用了自适应背景更新的方法更新背景图像,结合活动轮廓模型法GVF Snake进行目标轮廓的提取,从而得到具有精确边界的运动目标.实验结果表明这种方法运算速度快、能够快速地收敛到目标轮廓、准确地跟踪目标,实现实时自动轮廓跟踪.     

圆形运动目标的快速检测方法研究

实现对圆的快速轮廓检测,是进行圆形运动目标跟踪与定位的前提。针对圆形目标在成像时发生形变而难以准确检测其外形轮廓的问题,提出一种将随机霍夫变换(RHT)和梯度矢量流主动轮廓模型(GVF Snake)相结合的圆形运动目标检测方法。首先利用改进的随机霍夫变换快速获取目标初始轮廓,解决GVF Snake的初始轮廓自动设置问题,然后基于GVF Snake的轮廓逼近能力,解决传统方法中出现的目标轮廓丢失问题,准确完整地提取目标的真实边界。实验结果表明,该方法有效克服圆形目标的形变,能够快速地提取目标轮廓,具备圆形运动目标的实时检测能力。     

电路板红外图像多目标提取算法

电路板红外图像芯片提取是电路板红外图像故障检测系统中的重要环节,传统的芯片发热区域提取方法或多或少需要人工干预,在芯片较多和热辐射情况复杂电路板中人工参与效果不是很理想．基于电路板红外图像特征提出了一种自适应多目标区域增长算法,将该多目标区域增长算法与GVF—Snake模型相结合用于电路板红外图像芯片提取．利用多目标区域增长算法将每一块芯片的发热区域和辐射区域一并提取,再利用区域增长确定GVF-Snake模型初始轮廓,利用GVF模型进行芯片发热区域提取．实验表明,这种算法能够无人工干预的准确提取电路板红外图像所有芯片发热区域,具有一定的实用性和鲁棒性．     

基于模板和GVF蛇形步态轮廓提取*

提出了一种基于模板和改进的gradient vector flow(GVF)分割方法。该方法先手工建立初始化模板,利用初始化模板和分割对象的周期性线性匹配,并基于Chamfer距离寻找最佳匹配模板;把该最优模板轮廓作为改进GVF的初始轮廓,再使用改进的GVF算法分割出对象。该算法仅需建立一次初始化模板,以后具有通用性,而且对于阴影和背景影响有较好的分割效果。对加利福尼亚大学步态数据库研究显示了该方法的有效性。     

Medical image segmentation with deformable models on graphics processing units

In this work, the parallel implementation of a segmentation algorithm based on the gradient vector flow (GVF) deformable model in a graphics processing unit (GPU) is presented. The proposed implementation focuses on the parallelization of the computation of the GVF field. In order to make a performance comparison of the proposed GPU algorithm, an OpenMP-based implementation is presented too. We also present an analysis of the textures and global memory performance in the computing of the GVF field. To improve the efficiency and the performance of the active contour segmentation, a novel snaxel reallocation method is proposed. The main advantage of the reallocation process is the small linear system needed to perform the segmentation and its low computational load. To assure the convergence of the active contour deformation, we propose a stopping criterion based on the root mean square error for the iterative solution of the evolution equations.     

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。     

改进的梯度向量流模型及其应用

基于梯度向量流(GVF-Gradient Vector Flow)外力场的活动轮廓线模型的不足之处在于Snake曲线在窄带凹边界处收敛效果不好.通过在能量泛函的变分方程中引入两个以图像梯度为变量的函数来解决这个问题.改进的模型继承了GVF活动轮廓线模型的全部特性,同时提高了其在窄带凹边界处的收敛性,并加快了初始Snake曲线的收敛速度.多个算例说明了本文方法的有效性.     

一种改进的Snake模型与MRI图像分割

Snake模型分割图像时要求初始轮廓线位于图像特征附近,且难以处理深度凹陷区域。该文在快速Snake模型的目标函数中增加局部面积能量项,扩大了算法捕获图像特征的范围;以边缘增强后的BPV图像的梯度为参数,计算梯度向量流场以代替MRI图像的梯度,提高了算法处理弱边界和凹陷区域边界的能力,优化算法的时间复杂度仍然为O(nm)。实验结果表明,该算法能够有效地分割左心室MRI图像。     

基于改进GVF的运动目标提取算法

针对一般梯度矢量流(GVF)分割对连续对象分割效果差、迭代次数较多的缺点,提出一种基于GVF的运动目标提取模型。该模型计算运动目标的大致范围(以矩形框架表示),并利用该矩形框架的限制进行初始化处理,得到初始化轮廓,使用改进的GVF算法提取出对象。对运动目标序列的实验结果表明,该方法可以较大地提高计算速度。     

Contour extraction of gait recognition based on improved GVF Snake model

Contourlet transform can be used to captures smooth contours and edges at any orientation. In order to solve the initial active contour problem of Snake model, Contourlet transform is introduced into the GVF (Gradient Vector Flow) Snake model, which will provides a way to set the initial contour, as a result, will improves the edge detection results of GVF Snake model effectively. The multi-scale decomposition is handled by a Laplacian pyramid. The directional decomposition is handled by a directional filter bank. Firstly, the contours of the object in images can be obtained based on Contourlet transform, and this contours will be identified as the initial contour of GVF Snake model. Secondly, then GVF Snake model is used to detect the contour edge of human gait motion. Experimental results show that the proposed method can extract the edge feature accurately and efficiently.     

改进Snake模型在病灶轮廓提取中的应用

提出了用改进Snake模型－GVF（Gradient Vector Field）Snake模型来实现医学图像病灶轮廓的提取,结合高斯平滑滤波、交互式给定初始轮廓点等方法提高轮廓提取的精度。该方法与传统的轮廓提取方法相比,具有捕获范围广、对噪声不敏感的特点,特别适合噪声大、位置不确定、形状不规则的病灶轮廓的提取。实验表明,采用该方法能有效地提取病灶轮廓,在临床上有广泛的应用前景。