图割与非线性统计形状先验的图像分割

提出一种图割与非线性统计形状先验的图像分割方法。首先,在输入空间对输入的形状模板进行配准,得到训练集;其次,采用非线性核函数将目标形状先验映射到特征空间进行主成分分析,获取其投影形状,将此投影形状映射回原输入空间得到目标的平均形状,构成新的能量函数;第三,通过自适应调整形状先验项的权值系数,使能量函数的形状先验项自适应于被分割的图像;最后,用Graph Cuts方法最小化能量函数完成图像分割。实验结果表明,该方法不仅能准确分割与形状先验模板有差别的图像,而且对目标有遮挡或污染的图像也有较好的分割效果,提高了分割效率。     

基于形状先验模型的平面型工件抓取位姿检测

为了能够在复杂的工业环境中抓取平面型工件,提出一种图割法与形状先验模型结合的工件图像分割方法,并且对工件的位姿信息进行测量.首先,建立先验形状,提出基于最小包围矩形法将工件的形状模板与目标工件人工分割形状进行配准,得到先验形状.为了保证分割结果的准确性,采用单一的先验形状.图割模型中加入了目标形状先验知识.其次,通过自适应调整形状先验项的权重系数,使得图割法的能量函数形状先验项自适应于被分割的图像.第三,本文可以采用形状先验方法分割一幅图像中的多个工件,并且能够计算吸盘的最优抓取位置.最后,采用结构光视觉系统采集工件的点云信息,拟合工件平面,确定工件法向量,得到工件的抓取姿态.实验结果表明,本文算法能够适应遮挡、光照变化的工件图像,同时也能够分割复杂环境中的目标工件;平面型工件抓取位姿的计算结果有效,可以应用于遮挡、反光、复杂干扰背景条件下的工件抓取作业.     

基于图割的矩形目标交互式分割方法

为得到更加精确的图像分割结果,可以在基于图割的分割框架中引入形状先验指导分割。针对矩形目标提出了一种目标/背景交互式分割方法。分割能量用马尔可夫随机场最大后验概率描述,通过限制有向图中的流向引入形状先验,可以保证图割优化后的分割结果为矩形形状。对仿真图像与真实图像的实验结果证明了该算法的有效性。     

参数自适应的KPCA先验形状约束目标分割

为克服固定先验形状在分割可变形目标时的困难,提出一种基于核主元分析(KPCA)的参数自适应先验形状约束水平集分割方法.首先使用KPCA变换获取目标先验形状特征空间的基底向量;其次用Parzen窗估计待分割图像的灰度分布以构造图像数据能量项;然后使用仿射变换对齐图像感兴趣区域与先验形状,从而将目标形状先验知识集成到分割模型中;最后在基于水平集方法求解演化方程时自适应地估计参数,实现形变目标的分割.实验结果表明,相比于CV (Chan-Vese)模型和单先验形状约束的水平集方法,该模型能够有效地分割不同姿态的目标形状.     

基于形状先验和梯度约束的彩色图像分割

针对图像遮挡、噪声等复杂场景下,仅依赖颜色信息难以准确分割的问题,将形状先验和图像梯度分别引入马尔科夫随机场框架中,提出一种基于形状先验和梯度约束的彩色图像分割方法。该方法基于颜色特征和形状模版定义能量函数,梯度信息的引入允许待分割目标与形状模版间有一定差异,且待分割目标与形状模版间的变换具有仿射不变性,整个能量函数通过图割算法实现能量最小化,得到最终分割结果。实验结果表明,该方法具有有效性。     

结合形状先验的水平集灰度纹理图像分割方法

传统水平集图像分割方法多考虑图像底层数据而忽略高层语义特征,对灰度纹理图像的分割效果较差。针对该问题,结合形状先验设计水平集灰度纹理图像分割方法。通过ASLVD滤波获取纹理项,同时对滤波图像进行局部化处理得到形状先验,以形状概率表示形状先验能量项,将其与灰度项、规则化项和纹理项相结合,构造整体水平集曲线演化能量函数,并最小化能量函数得到分割结果。实验结果表明,该方法能够对目标背景遮挡的灰度纹理图像取得较好的分割效果。     

基于多尺度结构张量的多类无监督彩色纹理图像分割方法

由于自然图像中包含丰富的颜色信息与多尺度的纹理信息,伴随多个同质目标区域的出现,依靠半监督手动交互标记的图像分割方法难以实现自动分割,因此提出一种多类无监督彩色纹理图像分割方法.首先,提取了颜色特征(向量结构)与多尺度纹理特征(矩阵集合),并对两者分别进行能量描述;对于2种具有不同特征结构的能量函数,通过多类融合策略计算两者的融合因子,并自适应地融合;再将融合后能量函数的全局最优化问题转化为其对应的多层Graph Cut图割模型,利用最大流?最小割理论计算得到全局近似最优解.为了自适应地控制分割过程,提出了自适应迭代分割收敛准则,并最终在自然图像及合成的彩色纹理图像上进行了质量评估与量化分析.实验结果表明,该方法具有较好的目标区域完整性与一致性,并具有较高的准确率.     

融合形状先验的向量CV模型图像分割算法

Chan等人提出的向量CV模型尽管解决了传统CV模型无法分割向量值图像的问题,但是向量CV模型对于含有噪声或遮挡物等复杂的图像,无法正确分割目标。针对此问题提出一种融合形状先验向量CV模型。其能量泛函主要包含形状先验项、图像区域信息项以及距离正则项。此能量函数使得主动轮廓和形状先验位置相近时停止演化。该模型所用形状模板可以与目标形状仿射不同,使得算法更加灵活。该模型对含噪以及目标遮挡的图像具有很好的分割效果。     

结合形状先验的水平集印刷电路板CT图像分割方法

用CT对印刷电路板(PCB)进行无损检测是近年来发展起来的一种新方法.由于PCB中存在大量的金属元器件,在成像时产生较为严重的金属伪影,导致图像灰度不均匀问题较为严重.为此,提出一种结合形状先验的水平集PCB CT图像分割方法.首先根据PCB CT图像中导线具有明显的方向特征对图像进行不同方向的Gabor滤波并对结果加权求和,获得边缘增强的滤波结果,并通过局部化方法对边缘增强的结果消除背景噪声,经过阈值化处理和形态学闭运算后获得图像形状先验;然后用形状概率表示方法来表示形状先验,并将其作为形状约束项,与CV模型能量项、局部能量一起构成能量函数;最后通过对能量函数最小化实现图像分割.实验结果表明,该方法对多目标及严重灰度不均匀的PCB CT图像具有较好的分割结果.     

模糊C 均值聚类与多相水平集图割优化相结合的图像分割

针对在分割多个目标时多相水平集模型对初始轮廓曲线敏感且计算量大的问题, 提出采用模糊C 均值聚类算法将图像进行粗分割,初始化多相水平集函数,使用图割算法分割 出多相结果的方法。该方法能有效减小多相水平集算法对初始轮廓曲线的敏感性,使图割算法 在分割图像时更容易分割出理想的目标轮廓;同时,采用图割算法可使水平集函数很快收敛到 能量最小值,有效减少计算量,提高计算效率。实验表明该方法具有较好地分割效果和较高地 分割效率。     

基于图切割的图像自动分割方法

针对图切割在图像分割中的研究主要集中于交互式图像分割,提出一种基于图切割,对彩色图像和灰度图像均可进行自动分割的方法。通过对图像进行初始化,建立能量函数的数据项、光滑项,图切割求解及迭代执行等步骤自动实现图像的分割,既无需用户人工交互进行约束,也无需对图像建模及对数据分布进行估计,可以较快速度获得良好的分割结果。通过实验对彩色图像和灰度图像进行自动分割,实验结果验证该方法的有效性。     

Multiple piecewise constant with geodesic active contours (MPC-GAC) framework for interactive image segmentation using graph cut optimization

This paper proposes an improved variational model, multiple piecewise constant with geodesic active contour (MPC-GAC) model, which generalizes the region-based active contour model by Chan and Vese, 2001 [11] and merges the edge-based active contour by Caselles et al., 1997 [7] to inherit the advantages of region-based and edge-based image segmentation models. We show that the new MPC-GAC energy functional can be iteratively minimized by graph cut algorithms with high computational efficiency compared with the level set framework. This iterative algorithm alternates between the piecewise constant functional learning and the foreground and background updating so that the energy value gradually decreases to the minimum of the energy functional. The k-means method is used to compute the piecewise constant values of the foreground and background of image. We use a graph cut method to detect and update the foreground and background. Numerical experiments show that the proposed interactive segmentation method based on the MPC-GAC model by graph cut optimization can effectively segment images with inhomogeneous objects and background.     

基于图割的图像分割综述

从图割的特性与图像的对应性以及图割的能量最小化方面,综述了图割的基本理论框架及基于图割进行图像分割的基本框架;介绍了图割的研究现状及应用领域;指出了基于图割的解题步骤及能量函数的构造方法,从图割存在的问题和研究前景出发,展望了图割未来的研究方向.     

基于图割和模糊连接度的交互式舰船红外图像分割方法

针对舰船红外图像分割中的低对比度、边缘模糊和目标灰度不均匀问题, 提出了基于图割和模糊连接度的交互式图像分割方法. 交互方式为矩形笔刷, 选择目标和背景种子点. 分割方法为基于图割的图像分割方法, 引入模糊连接度来计算图割的似然能, 给出了模糊连接度权重的自动确定方法, 提出了基于直方图分解的高斯混合模型(Gaussian mixture model, GMM)成分个数和参数估计方法. 仿真结果表明, 新方法可实现各种复杂环境下舰船红外图像目标的有效分割.     

Branch-and-Mincut: Global Optimization for Image Segmentation with High-Level Priors

Efficient global optimization techniques such as graph cut exist for energies corresponding to binary image segmentation from low-level cues. However, introducing a high-level prior such as a shape prior or a color-distribution prior into the segmentation process typically results in an energy that is much harder to optimize. The main contribution of the paper is a new global optimization framework for a wide class of such energies. The framework is built upon two powerful techniques: graph cut and branch-and-bound. These techniques are unified through the derivation of lower bounds on the energies. Being computable via graph cut, these bounds are used to prune branches within a branch-and-bound search. We demonstrate that the new framework can compute globally optimal segmentations for a variety of segmentation scenarios in a reasonable time on a modern CPU. These scenarios include unsupervised segmentation of an object undergoing 3D pose change, category-specific shape segmentation, and the segmentation under intensity/color priors defined by Chan-Vese and GrabCut functionals.     

Graph cut segmentation with a statistical shape model in cardiac MRI

Segmenting the right ventricle (RV) in magnetic resonance (MR) images is required for cardiac function assessment. The segmentation of the RV is a difficult task due to low contrast with surrounding tissues and high shape variability. To overcome these problems, we introduce a segmentation method based on a statistical shape model obtained with a principal component analysis (PCA) on a set of representative shapes of the RV. Shapes are not represented by a set of points, but by distance maps to their contour, relaxing the need for a costly landmark detection and matching process. A shape model is thus obtained by computing a PCA on the shape variations. This prior is registered onto the image via a very simple user interaction and then incorporated into the well-known graph cut framework in order to guide the segmentation. Our semi-automatic segmentation method has been applied on 248 MR images of a publicly available dataset (from MICCAI’12 Right Ventricle Segmentation Challenge). We show that encouraging results can be obtained for this challenging application.     

Segmenting and tracking multiple objects under occlusion using multi-label graph cut

This paper proposes a new method to segment and track multiple objects through occlusion by integrating spatial-color Gaussian mixture model (SCGMM) into an energy minimization framework. When occlusion does not occur, a SCGMM is learned for each object. When the objects are subject to occlusion, energy minimization is used to segment the objects from occlusion. To make the learned SCGMMs suitable for the segmentation of the current occlusion, a displacing procedure is utilized to adapt the SCGMMs to the spatial variations. A multi-label energy function is formulated building on the displaced SCGMMs and then minimized using the multi-label graph cut algorithm, thus leading to both the segmentation and tracking results of the objects with occlusion. Experimental validation of the proposed method is performed and presented on several video sequences.     

基于图割优化的能量最小化模型图像分割方法

针对主动轮廓模型中利用梯度下降法求解能量函数容易陷入局部极小的不足,设计了一个离散化最小能量函数模型。该模型以Chan-Vese模型为基础,利用图割方法优化能量泛函,实现能量的全局最优解。新模型首先将图像映射为图,将基于像素的能量泛函转换为可用图表示的离散化能量函数,通过计算节点及其邻域关系权值,迭代求解最小化能量并将其作用于形变轮廓曲线,直至达到稳定状态。新模型改进了主动轮廓模型对弱边界图像初始轮廓敏感的问题,提高了分割精度和运行速度。     

基于多层水平集函数的三维多相图像分割

多相图像分割通常利用多个水平集函数分别定义不同区域的特征函数,其极值求解问题需要对多个函数分别求极值,计算效率较低。针对三维多相图像,提出一种改进的变分水平集模型,采用一个多层水平集函数的n层水平集隐式曲面,将图像划分为n个区域,通过对一个水平集函数求极值,实现三维多相分段常值图像的快速分割与重建。将能量泛函表达为数据项和规则项,借助规则化Heaviside函数设计区域划分的通用特征函数,采用Split-Bregman投影方法进行能量最小化求解。实验结果表明,该模型可以有效地实现三维多相图像分割,与Chan-Vese模型相比,其迭代步数较少,分割速度较快。