一种基于断点处边缘方向保持假设的闭合轮廓提取方法

文中提出了一种新颖的闭合轮廓提取方法.分析了当GVF Snake模型处理边缘断裂的图像时,存在无法提取目标原始轮廓信息,尤其是目标边角信息的问题.在GVF外力场演化的能量模型的基础上,基于保持断点处边缘原方向的假设,提出了一种新的具有边角保持特性的能量模型,由此模型得到了边角保持GVF(CP-GVF)外力场.CP-GVF外力场解决了当目标轮廓发生断裂时断点对于GVF外力场的影响问题,能够根据断点处的边缘方向信息,以保持该边缘方向的方式恢复目标轮廓中丢失的边角信息,从而恢复这类目标的原始形状.不同边缘结构的仿真图像和真实图像的实验结果验证了算法的性能.     

基于Snake模型的图像分割新算法

针对目前基于Snake模型的图像分割算法普遍存在噪声鲁棒性差、适用范围受限、易发生弱边缘泄露以及轮廓曲线难以收敛到细小深凹边界的缺陷,提出了一种基于Snake模型的图像分割新算法。首先,选取新的扩散项代替具有各向同性光滑作用的拉普拉斯算子;其次,引入p-拉普拉斯泛函到平滑能量项中强化法线方向外力;最后,利用边缘保护项使外力场方向与边缘方向一致,以防止弱边缘泄漏并促使轮廓线收敛到细小深凹边界。实验结果表明,所提模型不仅克服了现有基于Snake模型的图像分割算法的缺陷,具有更好的分割效果,明显提高了抗噪性能和角点定位精度,而且耗时更少,适用于噪声图像、医学图像以及含有很多弱边缘的自然图像分割。     

基于Snake改进型模型的胸部CT图像分割方法

针对胸部CT图像分割中的一些难点,结合贪心算法的特点,引入梯度向量流(GVF)来代替传统Snake中的图像力。从添加外部约束、方程求解和边缘图生成等方面对GVF模型进行了改进。该GVF模型的扩散方程计算的边缘映射图则利用了Canny算子的边缘检测结果,从而对GVF力场的弱边界区域和小灰度变化区域进行了明显的改善。对力场扩散方程中梯度矢量流的分量分别进行归一化处理,减小了物体边界力场对曲线上各点的影响,克服了GVF模型难以解决的深凹问题,有效地控制活动等值线外部人工约束能量。改进的GVF-Snake模型能准确、反复地对胸部CT图像进行分割优化,具有良好的鲁棒性和实用性。该方法提高了胸部CT图像分割的可重复性、准确性和通用性。其应用可为医生准确观察CT图像提供良好的帮助,更对该方面病理研究提供较好依据。     

一种结合Snake与GAC模型的虹膜定位方法

为了提高虹膜定位的精度和可靠性,采用改进的Snake模型和改进的GAC模型分别定位虹膜的内外边缘。对于虹膜内边界,在传统的Snake模型的基础上,引入GVF力场代替原有的传统外力场,完成Snake模型对虹膜内边缘的定位。对于虹膜外边界,在传统的GAC模型的基础上,引入非负常数项作为演化收缩力,使其方向指向对象内部,从而实现GAC模型对虹膜外边缘的定位。采用CASIA虹膜库进行了大量实验,结果表明该方法与经典的虹膜定位算法相比,定位速度更快,抗噪性更强,定位更准确。     

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。     

基于Sigmoid型函数的梯度向量流主动轮廓模型的研究

主动轮廓主要用在计算机视觉与图像处理方面,尤其是用于检测目标对象的边界。与传统Snake模型相比．梯度向量流GVF（Gradient Vector Flow）的主动轮廓算法不仅有更大的捕获域．而且能检测到目标的凹陷处。本文对梯度向量流的主动轮廓算法做了改进,在继承原有GVF方法优点的同时,还具有以下特点：依据图像中目标边界的信息产生更合理的向量流,同时消除了噪声引起的虚假弱边界。在实际应用中,混合因子对最终检测的准确度影响相对较小．收敛速度较快。     

基于BFGS计算力场的GVF Snake模型及其应用实现

梯度向量流模型(GVF Snake)在图像处理领域取得较好的效果.但它简单的迭代运算方法,其收敛速度慢,限制了其应用.针对梯度向量场的计算,提出一种基于BFGS算法求解力场的方法,给出详细的求解过程并并且通过计算机仿真进行数值求解,最后将改进后的GVF Snake模型用于图像处理.结果表明, BFGS-GVF建立的梯度向量场性能较好.与图像处理中的牛顿几何轮廓算法、CV活动轮廓算法及IALM-GVF Snake算法进行对比, BFGS-GVF Snake算法能得到清晰、光滑的图像轮廓.     

一种各向异性GVF模型的心脏左心室MR图像分割模型

为了克服传统的梯度矢量流(GVF)模型对细长拓扑结构、噪声及弱边界敏感的缺陷,提出一种基于区域信息的各向异性GVF模型.首先由模糊C均值(FCM)聚类算法得到聚类信息并将其融入到GVF模型中,以降低弱边界和噪声的影响;然后利用图像结构信息改进GVF模型,使其具有各向异性,克服了细长拓扑结构的影响;最后把得到的各向异性GVF模型融入到Snake方程中引导曲线的演化,得到目标边界.实验结果表明,该模型具有较好的分割结果.     

一种改进的GVF模型

在基于snake模型的图像分割中,搜索范围和深度凹陷区域的分割是难点.以往sanke模型的改进多是针对它的外部力场,通过比较改进的传统snake模型--距离snake、GVF和NGVF的优缺点,在不改变力场的情况下,综合它们的优点,提出一个新的模型.先采用距离snake模型使初始轮廓逼近目标物体边缘,然后结合NGVF使收敛进入目标物体的凹陷部分.实验表明该模型具有较大的捕获区且能快速收敛到物体边缘的凹陷部分,提取出感兴趣目标的轮廓.     

梯度矢量流Snake模型临界点剖析

作为经典Snake模型的一个变体,梯度矢量流(gradient vector flow,简称GVF)Snake在扩大Snake轮廓的捕捉范围和深度凹陷区域的收敛上具有卓越的性能.但GVF Snake在初始化时存在一个临界点问题:在目标内部的临界点必须在初始Snake轮廓的内部;在目标外部的临界点必须在Snake轮廓的外部.否则,Snake轮廓将不能收敛到正确的结果.对GVF Snake的临界点问题进行探讨,详细分析了临界点的影响因素,指出GVF场只有在合适的条件下才是有效的;证明了相关文献中从粘性流体力学     

一种新的图像力在Snake模型中的应用

针对Snake模型应用于图像边缘检测时对于噪音过于敏感的不足,提出了一种新的图像力。在新的图像力的作用下,Snake模型可以很好的减小噪音的干扰,使模型的分割性能更好。最后用遗传算法对分割结果进行优化,以得到最好的分割结果。     

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。     

一种组合主动轮廓线模型算法

本文针对传统主动轮廓线模型(Snake模型)无法检测凹陷目标轮廓的缺陷,提出了一种由全局Snake模型和局部Snake模型两部分组成的组合Snake模型。组合模型首先使用全局Snake模型进行轮廓粗检测,并使用SUSAN算子检测目标轮廓上凹陷最“深”的凹点;然后,在凹点附近的局部区域,使用局部Snake模型进行轮廓凹陷部分的检测;其后以其替代使用全局模型检测出的目标轮廓的相应部分,形成最终检测的目标轮廓。实验结果表明,本算法具有较好的检测精度和抗噪性。     

分水岭优化的Snake模型肝脏图像分割

Snake算法是主动轮廓模型的经典算法,是近年来图像分割和视频领域研究的热点。针对Snake模型中存在的初始轮廓敏感和能量函数中曲率约束不足等问题,提出将分水岭变换和主动轮廓模型相结合的主动轮廓分割算法。首先通过引入标记函数和强制最小值技术解决传统分水岭变换可能导致的过分割问题,然后利用改进的强制标记分水岭算法优化Snake模型的初始轮廓曲线,最后通过在Snake模型中增加一项与曲线形状相关的外部力弥补能量约束函数中曲率约束的不足,从而实现更精确的图像分割。改进后的Snake模型应用于腹部MR图像中,对肝脏图像的识别和分割取得了良好效果。     

Snake模型与深度凹陷区域的分割

在基于Snake模型的图像分割中,深度凹陷区域的分割是一个难点.尽管GVF Snake模型极大地改善了这个问题,但它需要事先求解一个偏微分方程组,增大了计算量;同时,GVF Snake模型在初始化时还存在一个“临界点”问题.探讨了深度凹陷区域的分割,用离散轮廓上顺序3点所成三角形内切圆圆心来定义离散轮廓的曲率,该曲率既能反映轮廓的弯曲程度,又具有合理的方向.基于该曲率定义了曲率外力项,构造了基于Snake模型的两阶段算法,先采用传统Snake模型使离散轮廓逼近目标边缘,然后在曲率外力的作用下使离散轮廓进入目标的凹陷区.曲率外力项的引入能较好地解决深度凹陷区域的分割问题,也可以扩展该外力项来扩大Snake模型的捕捉范围.实验结果表明该方法是有效的.     

一种基于Snake模型的多目标跟踪算法

在视频图像处理中,由于Snake模型运算量大且易受背景物体或噪声的干扰,因此很少被用来完成目标跟踪任务。论文主要针对高空摄像机追踪地面多个运动目标的具体情况,通过研究Snake模型各个能量函数的特点,提出了一种结合拆分模板匹配技术、Kalman滤波技术及Snake模型的多目标跟踪算法。与同类算法相比,该算法具有建模简单、分割精度较高的特点。     

基于时空图的轮廓线模型研究

主动轮廓线模型(Snakes)具有能够结合先验知识和图像特征的理论价值,但由于能量局部极值问题的困扰,而鲜已用于实际问题。前人通过改进优化算法来提高其分割效果。文章则尝试从Snakes的外部力入手,引入时空图的光流特征,通过改造能量函数提高分割效果。实验对比验证在复杂背景下,基于时空图的轮廓线模型依然可以有效跟踪运动物体,此时普通Snakes模型必须做大量手动调整。而它同时也解决了帧差等视频分割方法难于识别、提取目标轮廓的问题。时空图轮廓线模型抓住了运动目标的图像特征,在简单的优化算法下依然可以得到较好的分割效果,可以用实时系统。     

基于粒子群优化算法的改进Snake模型的图像分割方法

虽然Snake模型是一种有效的基于参数的轮廓探测方法,但由于其对初始位置过于敏感,不但参数选取缺乏严格的理论指导,且不能处理拓扑结构改变的问题。为此,针对Snake模型在弱边缘处容易溢出等不足,首先通过引入区域信息对Snake模型的图像力进行了修正,然后对Snake模型容易陷入局部极小化的问题,利用粒子群优化算法的全局优化特性和良好的数值稳定性来对Snake模型的分割结果进行优化。人工合成图像和医学图像的实验结果表明,该方法是有效的。