基于梯度信息的C-V模型图像分割算法

针对传统的C-V模型对于含有多灰度级目标的图像难以准确分割并且分割速度缓慢等问题,提出了在C-V模型中引入梯度信息的图像分割算法。该算法在C-V模型的偏微分方程中加入了基于梯度信息的加速因子和弱目标边界控制力,加速因子的引入可以显著地提高C-V模型的分割速度,弱目标边界控制力可以有效地防止弱目标边界泄漏和漏分割。实验结果表明:该算法能够有效分割出弱目标和提高图像分割速度。     

基于C-V模型的医学图像血管钙化分割算法

为了准确分割出医学图像中血管的钙化点,设计并实现了一种基于C-V模型的水平集图像分割方法。首先进行去噪和对比度增强预处理,接下来分割出图像中感兴趣的血管和钙化点区域,然后利用C-V模型水平集分割方法分割血管壁上的钙化点目标,最后采用形态学方法消除分割结果中孤立的噪声和孔洞。针对大量的临床血管钙化图像进行了算法的测试,实验结果表明:能有效分割出血管中的钙化灶,准确检测出血管中钙化的位置、大小、形态等。将C-V模型分割方法与OTSU阈值分割、登山法分割方法进行比较,结果表明C-V模型分割方法对于钙化点的分割更准确,边缘更平滑,更清晰,方便对钙化点进行进一步的测量和诊断。     

基于C-V模型的图像分割研究

活动轮廓模型已经成功应用于图像分割,它可以是基于边界的,也可以是基于区域的。在演化过程中,关键问题是如何使水平集函数逼近符号距离函数。CHAN-VESE（C-V）模型是基于Mumford-Shah分割模型和水平集的,它不依赖图像梯度而检测目标,但其距离保持能力较差。在对C-V模型研究的基础上,提出了一个解决其距离保持问题的办法。     

基于偏移场修正的C-V模型水平集图像分割算法

灰度不均匀效应广泛存在于现实图像(real-world images)中,这给图像分割带来了很大的挑战,目前许多的图像分割算法都依赖于图像灰度分布均匀这一假设,这严重影响了算法分割现实图像的分割精度。因此文章结合图像的数学模型,提出了一种基于偏差修正的C-V模型,该方法在水平集函数的演化过程中,同时进行图像的分割与偏移场的估计,利用偏移场的估计值来抑制灰度不均匀效应的影响。仿真结果表明,该方法比经典的C-V模型有更高的分割精度,对初始化轮廓曲线以及噪声有较强的鲁棒性。     

一种基于视觉显著模型的PET图像快速分割算法

由于PET图像质量较低且灰度相近导致常用的分割算法不能兼顾分割效果与分割效率,提出了一种基于视觉显著模型的PET图像分割算法。首先使用优化的Itti视觉显著模型替代人工操作对PET图像进行快速识别,并将获得的显著图进行预处理,初始化前景区与背景区的高斯混合模型,最后使用优化的GrabCut算法对PET显著图进行分割获得结果。与其他两种算法相比实验结果表明,该算法在操作简易性、算法执行效率、结果准确性具有一定优势,分割时间提升超过30%,分割精度提升超过21%。     

求解图像分割模型的快速梯度投影算法

针对带约束条件的凸图像分割模型,提出一种快速数值实现算法。该算法在梯度投影算法的基础上结合了快速迭代收缩算法的加速收敛策略,利用正交投影处理不等式约束条件,避免了一般罚函数方法所带来的处罚项的不规则性;同时采用对偶方法来避免全变分项的非光滑性和高非线性性。实验结果表明了所提出算法的有效性和在收敛速度上的优越性。     

自适应权值调整的C-V模型及图像分割

Chan-Vese模型（简称C-V模型）是基于均质区域能量最小化的曲线演化分割框架。本文提出一种区域相关权重的C-V模型,并对模型的区域权重进行了探讨,定义了自适应权值调整函数,加速曲线收敛过程,得到精确的区域边界。实验表明该算法可行有效。     

基于马尔科夫模型的指纹分割算法

图像识别中的指纹识别是一个重要的研究方向,在这个方向中,很多的模型对于识别指纹都是有效的,其中马尔科夫模型是一个很有效的方法。作者提出的方法里,以指纹图像中的闭合曲线为研究对象,通过转移概率生成一个闭合曲线的马尔科夫链,当该链收敛到指纹区的边界,可以认为该曲线实现了指纹区与背景区的分割。为加速收敛,蒙特卡罗方法以及遗传算法也融合到模型中。     

基于张量投票的快速网格分割算法

为了根据网格模型上的尖锐几何特征对三角网格曲面进行合理分片,提出一种新的基于张量投票（tensor voting）理论的三角网格分割算法.该算法将输入网格模型上所有的三角面片聚类成由用户指定数目的若干个区域,使得区域内部三角面片上点的尖锐几何特征尽可能接近.根据网格模型顶点上基于法向的张量投票矩阵的特征值分布与顶点尖锐几何特征的对应关系,算法将网格分割转化为能量最小化问题,并适当简化能量函数的形式,用快速聚类算法求解.通过引入启发式约束,算法较好地防止了分割区域的分离.实验表明：与已有算法相比,该算法具有较快的速度,同时能够较好地分割网格曲面上的尖锐几何特征区域.     

Chan-Vese图像分割模型的快速实现算法的研究

重初始化是水平集方法耗时的一个主要原因,通过将水平集函数与符号距离函数的偏差作为能量项引入C-V模型,以此来约束水平集函数成为符号距离函数,从而去掉了重初始化步骤。在检测多目标时,采用了曲线族代替单曲线作为初始曲线。在数值算法上,利用加性可操作分裂算子(AOS)消除了对时间步长的限制,可以选择大步长,从而加速了演化过程而且绝对稳定。实验结果表明,分割速度相对于经典的C-V模型有了很大的提高,而精度损失可以忽略。     

基于Otsu准则的红外图像快速分割算法

为实现红外图像快速目标检测,提出了一种基于Otsu准则的红外图像快速分割算法.首先运用模糊算法调整全局滤波的权值进行预处理,利用像素点的二维信息直接建立阈值直线的截距直方图;然后根据Otsu准则求解最佳截距阈值,使用该阈值直接对含二维信息的图像进行分割;最后通过自适应参数的形态学操作提升图像质量.实验结果表明,与二维直分法和Otsu直线阈值法相比,本文算法分割精度较好,具有噪声抑制能力,占用较少内存空间,对多目标图像具有较好的分割效果.     

基于改进Mumfold-Shah模型的图像分割算法

针对传统图像分割方法中由于边缘模糊难以取得理想分割效果的问题,提出了一种基于改进Mumfold-Shah模型的图像分割算法.结合模糊C均值聚类算法对Mumfold-Shah模型进行改进,以提高图像的分割速度和分割的鲁棒性.实验结果表明:该算法具有可行性和有效性.     

基于AOS格式的水平集快速分割模型

针对C-V图像分割模型提出了一种快速分割模型。首先引入一种新的内部能量函数,即以水平集函数与距离函数的偏差作为能量函数,无需重初始化水平集函数,且初始水平集函数可以用一般的分段函数来定义,节省了初始化和重初始化过程所消耗的时间。其次计算格式采用AOS格式,该差分格式无条件稳定。实验结果表明了该分割模型的有效性。     

基于人体区域深度信息的HEVC快速分割算法

为了降低新一代视频编码的计算复杂度,减少不必要的CU(Coding Unit)划分,同时保证较好的视频质量,提出一种基于深度信息的快速分割算法。该算法根据深度信息区分人体区域,将人体区域作为感兴趣区域(ROI),在CU分割过程中,依据分割的不同区域快速做出抉择,以减少率失真计算量,从而降低CU深度划分的计算复杂度。实验结果表明,在输出比特率增加4.84%的情况下,采用该算法的HEVC(High Efficiency Video Coding)编码器比传统编码器平均编码时间降低63%,而编码后的视频质量基本保持不变。     

基于连续分布方向图的复合指纹图像分割算法

实现了一种结合连续分布方向图与方差分割的复合指纹分割算法,改进了指纹图像分割效果并提高了指纹图像分割的精确度。对FVC2000、FVC2002和FVC2004数据库的实验结果表明,该算法能有效地对指纹图像进行自动分割,具有较快的速度和较好的鲁棒性。     

一种基于模型的自适应阈值分割算法

为了减少穷举式阈值分割方法中的重复计算，提出了连通域树（CCtTree)的结构与构造算法.在进行新阈值下的分割与连通域标记时，根据原阈值分割标记后得到的结果，结合新出现的连通域，以合并的方式得到新阈值分割下的连通域来减少多余的计算过程.给出了在CCTree中利用树搜索算法进行模型匹配区域搜索的方法.实际的图像库实验表明，在保证同样的模型匹配区域检出效果的基础上，基于CCTree的方法在运行时间上明显优于ETL，并能迅速有效地筛除重叠区域，获得更好的匹配区域.利用CCTree方法可以准确而快速地获得基于模型匹配的阈值分割结果.     

快速递归多阈值分割算法

针对强调波谷邻域算法在目标区域相对于背景区域较小且其之间的波谷特征并不十分明显的情况下,无法获得正确阈值的问题,提出了一种基于波谷邻域信息和波谷波峰相对特征的全局阈值分割算法。本算法在最大类间方差(OTSU)算法的基础上以直方图中波谷邻域灰度值和波谷波峰灰度值的相对关系为权值,改善最大类间方差算法定位阈值的准确性,使算法所确定的阈值在直方图中具有较小的波谷波峰比值,即使最优阈值定位到与临近波峰具有较大高度差的波谷灰度值。为提高分割效率,本文以前述算法为基础,采用递归单阈值方式进行图像的多阈值分割。实验证明,对强调波谷邻域算法存在的问题本算法有明显的改善,且在多阈值分割的效果及运行时间方面本文算法均具有十分良好的表现。     

海面目标快速分割算法的研究

在计算机视觉的分析方法指导下，研究以海面上的军舰为目标的快速分割算法，该算法基于区域分裂和合并的方法，充分利用了区域素在空间上的连续性和区域的边缘特性，对多个实验图像序列，均有较好的分割效果，且运算量小，便于并行处理，能达到实时的要求。     

基于网格化曲率聚类的点云分割

针对三维散乱点云数据,提出一种基于网格化曲率聚类的点云分割算法．首先对点云进行三维空间动态网格划分建立散乱数据点的拓扑关系,利用坐标转换法,在局部坐标系内拟合抛物面,进而求得高斯曲率、平均曲率等微分信息,然后基于聚类分析的思想利用高斯曲率和平均曲率的相似性进行点云数据的初始分割,再利用空间网格的拓扑关系检查和纠正完成点云数据的区域分割．该方法不需计算出每一个测量点的曲率值,从而提高了计算速度．     

一种基于模糊聚类的快速图像分割算法

提出一种基于二维直方图加权的模糊c均值图像快速分割算法.通过将原图像和它的平滑图像相结合,构造一个二元组的“广义图像”,广义图像的直方图就是原图像的二维直方图.然后对此二维直方图进行塔形分解得到金字塔的上一层——顶层,相应地称原二维直方图为底层.最后,利用加权模糊c均值聚类算法分别对顶层和底层进行模糊聚类,从而实现对原图像的分割.实验结果与性能分析表明,该算法具有较高的分割速度和良好的抑制噪声的能力.