基于主动轮廓模型的SAR图像中的目标边缘检测

该文基于Snake模型研究了SAR图像的目标分割与检测方法。首先针对Snake模型图像分割技术中存在的凹陷区域不能很好收敛的缺点,在前人研究成果的基础上,增加了外部约束凹陷能量,提出了改进的Snake模型,然后采用贪婪算法进行方法的实现,该方法能够有效地利用局部与整体信息,实现目标边界准确定位,保持线性光滑。实验结果表明,改进后的Snake模型能较好的收敛到图像凹陷区域。     

横截面算法和Snake模型在中心线提取中的应用

中心线是图像几何形态的一种重要拓扑描述.文中提出一种从三维图像中获取树状物体的中心线方法.先利用横截面算法快速将初始中心线定位于目标附近,然后采用Snak e模型和距离变换方法将初始中心线引导到准确位置,有效地解决了因Snake初始位置偏离目标太远而导致的收敛速度慢和部分点收敛于局部极值点的问题.     

超声乳腺肿瘤图像的自动分割

为解决传统Snake模型对初始轮廓敏感和凹陷边界提取困难的问题,分别提出了双阈值分割算法和Snake模型的改进方案.通过双阈值分割算法与形态学运算、滤波技术的综合应用,获得靠近边缘的初始轮廓.采用改进的Snake模型使初始轮廓跟踪到实际边界.由于对模型的能量定义做了调整,凹陷边界也可被准确跟踪.通过临床采集的20例乳腺图像肿瘤边缘的提取和分析,结果表明,该方法能有效提取出肿瘤边缘,实现超声肿瘤的自动分割.     

基于改进Snake模型的肺部图像分割

肺实质分割是基于CT图像的计算机辅助检测技术必不可少的步骤。针对现有活动轮廓模型对初始位置敏感、深度凹陷区域分割不准确和抗噪性差等缺点,提出了一种基于改进Live-Wire算法确定Snake模型初始轮廓的交互式分割方法。该方法结合并改进Live-wire算法和一般的阈值法对图像进行预分割,将得到的边缘作为Snake模型的初始轮廓,通过Snakes模型演化得到肺实质轮廓结果。实验结果表明该方法能快速地对肺部图像进行分割,与传统方法相比具有人工交互次数减少、抗噪音性好、更具鲁棒性和效率性的优点。     

基于加权梯度和Snake模型的尿沉渣提取

针对尿沉渣图像的背景和目标区分度低、有形成分复杂,导致提取困难的问题,设计了基于加权梯度和Snake模型的尿沉渣提取算法.首先采用基于区域生长的阈值分割方法对尿沉渣进行粗定位,然后通过形态学的方法确定Snake模型的初始蛇,最后将加权梯度融入到Snake模型中,完成对尿沉渣的准确提取.实验表明算法性能稳定,所提取的尿沉渣区域定位准确.特别是解决了虚假边缘和边缘断裂现象较为严重的尿沉渣轮廓提取.     

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。     

利用近似骨架线进行面状要素注记算法及实现

骨架是表示物体形状的一种有效形式。本文介绍了一种获取多边形近似骨架线的算法设计和实现,并利用该算法进行面状要素的注记。文中的算法基本保持骨架位置的准确,保证骨架线的连续性。     

融合GVF Snake与肤色模型的手势轮廓提取方法

针对在基于视觉的手势识别系统中手势轮廓难以准确提取问题,本文提出一种融合GVF Snake和肤色模型的手势轮廓提取方法.首先把图像由RGB空间转换到YCb'Cr’空间,利用该空间上的椭圆肤色模型检测出手势区域并提取手势轮廓作为GVF Snake模型的初始轮廓曲线;然后根据图像分块思想把检测出的手势所在图像区域分割出来,并计算该图像分块的梯度值;最后在图像分块和初始轮廓曲线的基础上通过GVF Snake模型迭代搜素准确提取手势轮廓.实验结果表明,本文提出的手势轮廓提取方法无需人工参与,准确性上优于肤色模型、传统Snake模型,实时性上优于GVF Snake模型,满足手势识别系统中手势轮廓提取的实时性和准确性要求.检测准确、实时性高.     

一种改进的交互式CT胸部图像肺实质分割方法

提出一种交互式的肺实质分割算法,该算法充分利用序列CT图像相邻层中肺实质轮廓变化缓慢的特点,结合且改进了Live-Wire模型、Snake模型以及轮廓插值方法.并辅以操作人员的专业知识.首先人工的在序列CT图像中选取肺实质的关键层,然后通过Live-Wire模型交互式的勾勒其轮廓,再进行轮廓插值得到其他层肺实质的初始轮廓,最后通过Snake模型演化得到所有层的肺实质准确分割结果,并加以手工修正.实验结果表明,该算法能快速准确的从序列CT图像中分割出肺实质.     

一种基于遗传算法的双T-Snake模型图像分割方法

Snake的初衷是为了进行图像分割，但它对初始位置过于敏感，且不能处理拓扑结构改变的问题。初始位置的敏感性可以用遗传算法来克服，因为它是一种全局优化算法，且有良好的数值稳定性。为了更精确地进行图像分割，本文提出了一种基于遗传算法的双T—Snake模型图像分割方法，它将双T—Snake模型解作为遗传算法的搜索空间，这既继承了T—Snake模型的拓扑改变能力，又加快了遗传算法的收敛速度。由于它利用遗传算法的全局优化性能，克服了Snake轮廓局部极小化的缺陷，从而可得到对目标的更精确的分割。将其应用于左心室MRI图像的分割，取得了较好的效果。     

约束方程能量最小化提取3维血管图像中轴线

3维血管中轴线提取是血管量化的第一步,同时也是最重要的一步。为此,提出一种动态提取3维血管图像中轴线的方法。首先构造具有3维血管特征的能量约束方程,通过细化方法或人工构造方式得到血管图像初始骨架线,在能量约束方程的作用下,沿着血管图像距离场梯度的方向不断向血管中轴线位置逼近。当方程能量达到最小值时,初始骨架线也就固定在中轴线位置。实验结果表明,提取出来的血管中轴线位置准确,且保持拓扑结构和连通性。     

On the generation of skeletons from discrete Euclidean distancemaps

The skeleton is an important representation for shape analysis. A common approach for generating discrete skeletons takes three steps: 1) computing the distance map, 2) detecting maximal disks from the distance map, and 3) linking the centers of maximal disks (CMDs) into a connected skeleton. Algorithms using approximate distance metrics are abundant and their theory has been well established. However, the resulting skeletons may be inaccurate and sensitive to rotation. In this paper, we study methods for generating skeletons based on the exact Euclidean metric. We first show that no previous algorithms identify the exact set of discrete maximal disks under the Euclidean metric. We then propose new algorithms and show that they are correct. To link CMDs into connected skeletons, we examine two prevalent approaches: connected thinning and steepest ascent. We point out that the connected thinning approach does not work properly for Euclidean distance maps. Only the steepest ascent algorithm produces skeletons that are truly medially placed. The resulting skeletons have all the desirable properties: they have the same simple connectivity as the figure, they are well-centered, they are insensitive to rotation, and they allow exact reconstruction. The effectiveness of our algorithms is demonstrated with numerous examples     

时变曲面一致性骨骼提取

针对提取时变曲面骨骼效率低下且骨骼序列不一致的问题,提出一种基于传播的策略使用配准算法修复初始不完整骨骼,从而提取时变曲面骨骼的方法。首先,提取时变曲面一些关键帧的完整骨骼,另外直接提取关键帧之间曲面的骨骼序列;然后,利用设计出的全局骨骼配准方法,将关键帧骨骼形变到其邻居骨骼;最后,将形变后的关键帧骨骼信息转移到邻居骨骼,从而产生一个新的完整骨骼。对整个骨骼序列执行该操作,以提取完整骨骼。实验结果表明,该方法高效、准确,且该系统可以应用到未经处理的扫描产生的动态几何数据上,这些数据往往包含着大量的噪声点、奇异点和大块的缺失数据,但仍能较快获得一致性骨骼序列。     

一种新的活动轮廓模型--S-L模型

活动轮廓模型用于图像分割一般分为两种基于参数的模型和基于几何特征的模型.Snake模型可以快速地分割目标,但不能处理拓扑结构复杂的情况且对初值位置过于敏感.水平集模型具有拓扑可变性,但其时间效率较低,在分析这两种模型优缺点的基础上,提出了一种新的活动轮廓模型,该模型兼具有上述两种方法的优点快速性、拓扑可变性.在模型中用Snake模型的能量方程控制曲线的演化并提出一种基于水平集思想的符号表法来改变演化过程中曲线的拓扑结构.为了降低噪音的影响,用区域信息构造新的外力,在外力的作用下可以使初始曲线有更大的选择空间.对左心室MR图像的分割实验结果表明,该模型得到的分割结果与Level Set模型相似,但所用时间远比Level Set模型少.     

Extraction of the Euclidean skeleton based on a connectivity criterion

The skeleton is essential for general shape representation. The commonly required properties of a skeletonization algorithm are that the extracted skeleton should be accurate; robust to noise, position and rotation; able to reconstruct the original object; and able to produce a connected skeleton in order to preserve its topological and hierarchical properties. However, the use of a discrete image presents a lot of problems that may influence the extraction of the skeleton. Moreover, most of the methods are memory-intensive and computationally intensive, and require a complex data structure.In this paper, we propose a fast, efficient and accurate skeletonization method for the extraction of a well-connected Euclidean skeleton based on a signed sequential Euclidean distance map. A connectivity criterion is proposed, which can be used to determine whether a given pixel is a skeleton point independently. The criterion is based on a set of point pairs along the object boundary, which are the nearest contour points to the pixel under consideration and its 8 neighbors. Our proposed method generates a connected Euclidean skeleton with a single pixel width without requiring a linking algorithm or iteration process. Experiments show that the runtime of our algorithm is faster than the distance transformation and is linearly proportional to the number of pixels of an image.     

Curve-skeleton extraction using iterative least squares optimization

A curve skeleton is a compact representation of 3D objects and has numerous applications. It can be used to describe an object's geometry and topology. In this paper, we introduce a novel approach for computing curve skeletons for volumetric representations of the input models. Our algorithm consists of three major steps: 1) using iterative least squares optimization to shrink models and, at the same time, preserving their geometries and topologies, 2) extracting curve skeletons through the thinning algorithm, and 3) pruning unnecessary branches based on shrinking ratios. The proposed method is less sensitive to noise on the surface of models and can generate smoother skeletons. In addition, our shrinking algorithm requires little computation, since the optimization system can be factorized and stored in the pre-computational step. We demonstrate several extracted skeletons that help evaluate our algorithm. We also experimentally compare the proposed method with other well-known methods. Experimental results show advantages when using our method over other techniques.     

距离变换细化算法的改进及实现

本文以Ｃ．Ｗａｙｎｅ Ｎｉｂｌａｃｋ的距离变换骨架抽取法为基础，讨论了如何改进其基本算法以提高执行效率，由距离变换法得到的骨架能很好地满足连通保持性、重构性，但对于细的程度而言，只能达到两像素宽。本文提出了串行的细化检测算法使骨架达到单像素宽的要求。