图像分割的结构张量几何活动轮廓模型

基于水平集方法和结构张量,提出几何活动轮廓模型应用于图像分割,解决水平集方法轮廓初始化和弱边缘处易于边缘泄露问题.该方法利用张量图像的散度算子构造新的外力,引导水平集函数的自适应运动,使得其可以初始为常值函数,消失其演化对初始轮廓的需要;在偏微分方程中引入张量迹信息,减少噪声对其演化的影响,避免轮廓在弱边缘处泄露.实验结果表明,该方法对噪声图像鲁棒,能提取深度凹陷目标轮廓和红外图像中的弱目标.     

活动轮廓模型基于结构张量的边缘停止函数

所有边缘活动轮廓模型都依赖边缘停止函数,该函数通常是高斯平滑图像的梯度模的单减函数。梯度能够刻画图像的局部边缘特征,但忽略了边缘的“分叉点”、“角点”等重要信息,这导致了边缘定位不准甚至产生错误的分割。基于图像结构张量的一个局部相干性度量,提出一个新边缘停止函数。实验结果表明,基于这个边缘停止函数,活动轮廓模型能够精确定位目标边缘,同时大大减少了迭代次数并具有较强抗噪性。     

基于改进的活动轮廓图像分割

图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。针对传统的活动轮廓模型在分割过程中具有处理速度慢，运算量大，对凹陷轮廓处理效果差等缺点，提出了一种改进的活动轮廓图像分割技术．在传统的活动轮廓中，外部能量通常由目标点的梯度势能场给出，然而梯度势能场存在着一些难以克服的缺点，即不能够很好地指导曲线的移动。把梯度向量流场（GVF）作为外部能量场，有效地克服了传统梯度势能场捕捉范围小以及难以处理凹平面的缺点，并通过实验证明了该方法的有效性。     

基于改进活动轮廓模型的数字虚拟人图像分割算法

对组织器官的分割和提取是医学图像三维重建及可视化的基础工作。根据数字虚拟人图像的特点,提出了一种基于改进活动轮廓模型的数字虚拟人图像分割算法,推导出了基于改进活动轮廓模型方程的解析表达式,并采用梯度向量流场对该算法进行了改进。该算法克服了传统活动轮廓模型不能处理深度凹陷区域的问题。实验结果表明,该算法具有对“U”形区域计算精确、抗干扰性强、可得到很好的分割结果。     

基于结构张量和Wasserstein距离的纹理图像分割

基于区域的非参数活动轮廓模型被广泛地应用于图像分割领域。在结构张量和图像灰度直方图基础上建立的新模型就属于这个范畴, 它被用于灰度和彩色纹理图像的分割。首先,对经典的结构张量进行扩展,使其能表达原始纹理图像的梯度信息和色彩信息。利用扩展的结构张量,使一幅图像生成多个特征通道,从而提取更多的纹理特征。然后,在各个通道中,利用像素点的局部灰度直方图的Wasserstein距离信息分割图像,使图像不同分割区域的灰度分布近似同态。最后,为了有效地降低模型的数值计算复杂度,一些数值计算技巧被引入模型的计算过程,产生了很好的效果。通过大量的实验对比,利用新模型能得到更精确、更稳定的分割结果。     

基于结构张量的GrabCut图像分割算法

传统的Grab Cut图像分割方法大多基于图像的像素值建立图模型,未考虑到彩色图像中丰富的纹理信息。为此,提出一种新的Grab Cut模型图像分割算法。对比基于结构张量的Grab Cut分割方法和传统Grab Cut分割方法的结果,利用结构张量和像素值构建紧缩的结构张量。为提高计算的简洁性和高效性,将Grab Cut方法构建的混合高斯模型扩展到张量空间,并用Kullback-Leible散度代替常用的黎曼度量。在合成纹理图像和自然图像上进行的实验结果表明,与Carsten Rother,GACWRF等方法相比,该算法具有更精确的分割效果,不仅实现了纹理信息与颜色信息的无参融合,而且提高了计算效率。     

基于活动轮廓的多分辨率自适应图像分割

本文在活动轮廓模型的基础上,提出了一种自适应图像分割方法,引入了新的图象统计信息、梯度信息有关的加权外部能量,使得分割结果与模型的初始位置无关,不受噪声影响;利用ACD方法使模型自适应地改变其拓扑结构;为了提高图象分的速度和鲁棒性,提出了多分辨率图象分割算法,利用该方法对一些形状、拓扑结构复杂的物体进行了分割实验,结果验证了该方法有效性。     

轮廓结构张量的仿射不变性

通过研究轮廓结构张量行列式的代数性质,论证了轮廓结构张量代数结构的仿射不变性:轮廓结构张量的行列式在仿射变换下所描述的极值点在数量和位置上不改变,并且轮廓各点处的响应强度仅受尺度变换的影响,与平移和旋转变换无关。最后,在基于重复率准则的实验中将其与经典轮廓角点检测算法对比,表明了算法具有较高的稳定性。     

活动轮廓模型在医学图像分割中的应用及发展

图像分割是医学三维重建、医学可视化等的基础,对疾病的诊断和治疗有着重要的临床意义,目前,用于医学图像分割的算法很多,而活动轮廓模型(Active Contour Model)的提出则是这个领域的一个重大突破。介绍活动轮廓模型从参数活动轮廓模型到几何活动轮廓模型的发展过程及发展现状,提出活动轮廓模型的研究和发展方向。     

活动轮廓模型在医学图像分割中的应用及发展

图像分割是医学三维重建、医学可视化等的基础,对疾病的诊断和治疗有着重要的临床意义,目前,用于医学图像分割的算法很多,而活动轮廓模型（Active Contour Model）的提出则是这个领域的一个重大突破。介绍活动轮廓模型从参数活动轮廓模型到几何活动轮廓模型的发展过程及发展现状,提出活动轮廓模型的研究和发展方向。     

活动轮廓最大流最小切分图像分割技术研究

基于活动轮廓的CV模型缺乏边缘的信息,使得CV模型在具有相同或相似区域的彩色图像分割应用时存在困难。对活动轮廓的模型进行扩展,提出了多段活动轮廓模型,应用K均值对交互区域进行聚类,确定分割区域中心的个数,同时得到多段活动轮廓模型进化边缘内外区域的密度值,加入测地线(GAC),使其具有更好的边缘捕获能力,对于图像分割的最优化问题,转化为求能量函数对应的图切分最大流最小切分问题。通过自然图像的实验,验证了提出的方法具有高效性、准确性、耗时少等特点。     

一种区域自适应主动轮廓模型的图像分割方法

为了有效地分割灰度不均匀图像,提出了一种区域自适应主动轮廓模型,在该模型中,定义了一个包含全局能量项和局部能量项的能量泛函。在算法的初期,全局能量项占主导地位,它具有收敛速度快、对初始轮廓不敏感的优点。在算法的后期,局部能量项占主导地位,它具有定位精度高的优点。理论分析和实验结果表明,该模型具有收敛速度快、分割精度高、对初始轮廓不敏感等优点。     

基于动态轮廓模型的羽毛分割改进算法

从羽毛图像中分割毛杆适合采用动态轮廓模型,而原始原模型易受局部强边缘干扰产生偏差,且计算规模偏大。根据毛杆的特性,提出用毛杆中心线和毛杆宽度来代替毛杆轮廓,把模型中二维轮廓曲线变化成两个相互独立的一维函数,并据此修改能量方程。改进算法利用对称性避免强边缘干扰,减少了计算规模,能实现全自动分割。实验表明该算法具有较强的抗噪性,使分割毛杆效果良好,能满足工业需要。     

一种基于结构张量的运动物体分割方法

视频中运动物体的分割是众多视频应用的前提。视频可以看作是三维时空中的对象,通过邻域的灰度值的结构方向来分析视频的运动。提出了时空结构张量进行运动物体分割的方法。首先分析了视频中物体的运动与灰度的变化的关系,然后删除了三维结构张量中与时间无关的信息,并将此时空结构张量用于视频中运动物体的分割。实验表明时空结构张量运动物体分割方法相对于传统的结构张量,分割准确,计算简单。     

基于几何活动轮廓与分形盒维数的图像分割

针对传统几何活动轮廓（GAC）模型不能实现自适应分割,且容易出现边界泄漏和演化时间较长的缺点,提出了一个基于GAC与分形盒维数的图像分割算法。该算法结合了图像信息（图像分形盒维数）和演化曲线的位置,用与演化曲线内外区域分盒维数相关的演化速度v(D)代替传统GAC模型中的常量速度v。实验结果表明该算法可以使演化曲线根据其位置自适应地向内或者向外运动,减少了分割时间,并且在一定程度上减少了边界泄漏。     

一种基于主动轮廓模型的蚁群图像分割算法

通过对主动轮廓模型进行图像分割的过程研究发现,其多阶段决策问题与蚁群算法的决策过程非常相似．文中根据主动轮廓模型的特点构建了一类新的蚁群求解算法,把图像分割问题转化成最优路径的搜索问题,为获取精确的图像轮廓提供了新方法．证明了该方法以概率1收敛到最优解,即可以在能量函数的约束下找到最好的边界．本方法还可以推广到其他主动轮廓模型的图像分割问题中．仿真结果表明,本文提出的分割方法比文献中的遗传算法更为有效．     

基于PCNN与主动轮廓的肺CT候选结节的分割方法*

对肺CT图像中的候选结节进行分割,是计算机辅助诊断系统完成对肺结节自动检测、分类重要的步骤。然而,由于成像噪音和病变导致的图像中组织及组织与病灶之间边界模糊,故采用通常的图像分割方法难以获得正确的分割结果。文章提出一种结合四邻域连接权的脉冲耦合神经网络(PCNN)结合先验形状能量函数的主动轮廓模型来分割候选肺内与近胸膜两类肺结节的算法。实验表明,该算法是一种切实可行且行之有效的候选肺CT结节分割方法。     

一种改进的活动轮廓模型图像分割方法

基于全局信息的活动轮廓模型不能有效分割灰度不均匀图像,而基于局部信息的活动轮廓模型对轮廓初始化位置比较敏感。为此,提出结合全局信息和局部信息,构造新的符号压力函数（Signed Pressure Force,SPF）,替代Selective Binary and Gaussian Filtering Regularized Level Set（SBGFRLS）模型中的符号压力函数,同时构造一种新的气球力函数,并采用SBGFRLS水平集方法演化轮廓曲线来分割图像的方法。实验结果证明该方法能有效分割灰度不均图像,同时对轮廓初始化位置不敏感,对噪声有较好的抗干扰性。