基于GVF Snake模型的人脸轮廓提取

活动轮廓模型是计算机视觉领域的重要研究方向。针对传统的活动轮廓模型（Snake模型）对凹形轮廓处理效果差、初始轮廓必须充分接近图像边缘的缺点,通过改进外部能量项,提出了一种基于梯度矢量流活动轮廓模型的人脸轮廓提取算法。该算法把梯度矢量场作为外部能量场,克服了传统Snake模型力场范围小以及不能收敛于凹形边缘的缺点。实验结果表明,该方法能够快速、准确地提取人脸轮廓。     

一种采用高斯模型的步态轮廓分割算法

步态识别中大多采用步态轮廓作为识别特征,因此提取完整封闭的运动人体轮廓以准确表达步态特征是正确识别的前提。本文提出一种采用高斯模型的步态轮廓分割算法。在人的运动方向与摄像机成像面平行和摄像机静止的条件下,假设序列图像所有帧中对应像素点背景时刻的灰度值在时间轴上是高斯分布,而目标时刻不满足这种分布,采用统计推断的方法分割出运动目标轮廓。实验结果表明,本文算法不仅能够提取出完整的人体轮廓,并且能有效地去除噪声,对阴影抑制也有一定效果,能够提高步态识别率。算法直接在RGB空间或灰度空间进行,无需进行颜色空间转换,也无需建立单独的背景图像,计算量小,处理实时性高。     

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。     

基于改进的GVF Snake模型CT图像轮廓提取技术

CT图像轮廓提取是逆向工程中的关键技术之一,由于基于边界检测算法很难提供一条连续的无间断的边界轮廓。采用一种改进的GVF Snake算法,首先通过人工取点,B样条拟合的方法,提取其初始轮廓,再利用改进的GVF Snake方法进行边界轮廓逼近,以获得比较精确的叶片边界轮廓,克服了传统活动轮廓模型梯度势能场捕捉范围小的缺点,并通过实验证明了该方法的有效性。     

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。     

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.     

步态识别综述

简要回顾了步态识别技术的研究背景及发展历程。重点对近年来步态识别方法的优缺点以及步态识别所涉及到的运动分割、特征提取与选择、模式识别方法进行了综述,并对步态识别中存在的问题与未来的研究方向进行了讨论。     

基于改进Snake模型的超声乳腺肿瘤轮廓提取

二维超声影像中肿瘤轮廓特征是判断乳腺肿瘤的良恶性的重要依据。针对超声医学图像的特点,本研究对经典的Snake模型进行了改进:内部能量中加入轮廓平均长度项的控制;外部能量由基于图像统计特征的区域能量以及梯度方向势能决定,并提出了基于贪婪算法求解模型最小值的快速算法。实验结果显示本算法在噪声强度较大的模拟图像和超声医学图像中均取得了同人工分割近似的结果,而经典的Snake模型和GVF模型受噪声干扰较大。大量的实验证明本算法有效地克服了散斑噪声对分割结果的影响,可准确高效地提取超声图像中的乳腺肿瘤轮廓。     

基于改进Snake模型的超声乳腺肿瘤轮廓提取

二维超声影像中肿瘤轮廓特征是判断乳腺肿瘤的良恶性的重要依据。针对超声医学图像的特点,本研究对经典的Snake模型进行了改进:内部能量中加入轮廓平均长度项的控制;外部能量由基于图像统计特征的区域能量以及梯度方向势能决定,并提出了基于贪婪算法求解模型最小值的快速算法。实验结果显示本算法在噪声强度较大的模拟图像和超声医学图像中均取得了同人工分割近似的结果,而经典的Snake模型和GVF模型受噪声干扰较大。大量的实验证明本算法有效地克服了散斑噪声对分割结果的影响,可准确高效地提取超声图像中的乳腺肿瘤轮廓。     

基于步态识别的跨场景多目标跟踪算法

跨场景多目标跟踪算法在刑事侦查、安防监控、无人零售以及智能交通等领域有着重要应用.针对跨场景多目标问题介绍了一种基于步态识别的多行人目标跨场景跟踪方法.提出了基于时空定位卷积的步态识别算法,并设计了基于步态识别的跨场景多目标跟踪系统.提出了时空定位卷积结构,通过在卷积层中加入当前目标轮廓的时序信息以及空间信息,提高了步...     

基于梯度矢量流Snake模型与图割的目标边界提取

针对梯度矢量流Snake模型因力场迭代次数过大造成运行时间长的不足,结合梯度矢量流Snake模型和图割理论提出了一种新的目标边界提取方法。该方法利用图割理论先对初始轮廓进行迭代寻优,使获得的轮廓线处在目标边界的“有效逼近域”内,然后将得到的轮廓线作为Snake的初始轮廓,最后利用梯度矢量流Snake模型准确提取目标边界。实验结果表明,该方法能够快速、准确地逼近到目标边界,并具有较强的抗噪性。     

基于改进蛇模型的步态轮廓提取

提出了一种基于Snake模型的改进算法，不仅能够精确地搜索到图像轮廓，且程序运行速度较快。该算法在CMU数据库上进行了实验，结果表明提取出的步态轮廓完整且封闭，能有效地提高识别率。     

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.     

基于GVF模型的图像分割方法的改进

基于GVF模型的图像分割方法克服了snake模型对凹凸形状物体分割效果不好的缺点,但它对细长凹陷物体的分割效果仍然不佳。本文通过GVF模型力场的分析,对GVF模型进行了改进,克服了GVF模型的上述缺点,通过在改进的GVF模型中引入和设置方向矢量,还可分割出任何感兴趣的物体。     

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。     

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。