基于一种新的Snake模型的序列图像边缘提取算法

对医学图像数据中感兴趣区域（ROI）进行准确的边缘提取和分割,是对图像进行分析、理解和处理的重要前提。为克服现有Snake算法人工初始化轮廓不精确,迭代过程中曲线易被复杂背景吸引等缺点,提出基于一种改进Snake模型的序列图像边缘提取算法。该算法先利用序列图像相似性原理提取出近似边缘,然后将其平均分为4个子边缘,在每个子边缘上取数目均衡的Snake输入点,最后离散Snake的内力和外力,经过迭代得到最终边缘。实验结果表明：该方法能精确地提取出医学图像中复杂区域或畸形区域的边缘,且计算量较小。     

Snake模型在雨滴边缘检测中的应用

数字摄像技术在降水粒子的自动观测中具有非常好的应用前景,如何在数字图像中准确地进行降水粒子的边缘检测是其中的一项关键技术。Snake模型具有很好的融合图像上层知识和底层特征的能力,能够实现目标轮廓的准确定位。结合雨滴图像自身的特点,提出了目标形心的自动标定方法,在此基础上改进了Snake模型初始轮廓点的选取方法,并通过贪婪算法进行迭代处理,实现了基于Snake模型的雨滴边缘检测算法。算法能够准确地对数字图像中的雨滴边缘轮廓进行检测,且具有较好的稳定性。与传统的边缘检测算子相比,该方法对雨滴图像获得了更好的边缘检测效果。     

基于改进Snake模型能量函数在MR图像边缘提取中的研究

在分析传统主动轮廓模型的基本原理、数学表征及算法实现的基础上,针对其收敛于局部极小值和依赖初始位置选取方面存在的不足,提出了改进的主动轮廓模型.该模型通过对一阶连续性能量Econt的改进和增加外部约束能量Esand,使MRI图像边缘提取能够接近真实边缘且不依赖初始位置选取.通过脑部肿瘤边缘提取实验证实了该改进主动轮廓模型的有效性.     

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。     

Snake模型在医学图像分割中的应用

基于Snake模型的图像分割技术是比较成功的研究领域,也是近年来图像处理领域研究的热点之一。Snake模型将基于图像本身的底层的视觉属性和人们先验知识结合起来,针对各种图像的不同特点,从高层和底层两个方面约束图像分割的过程。通过对Snake模型的基本原理及其几种改进的概括研究,阐述了Snake模型在图像分割中的一些应用方法。     

一种新的图像力在Snake模型中的应用

针对Snake模型应用于图像边缘检测时对于噪音过于敏感的不足,提出了一种新的图像力。在新的图像力的作用下,Snake模型可以很好的减小噪音的干扰,使模型的分割性能更好。最后用遗传算法对分割结果进行优化,以得到最好的分割结果。     

Snake模型在癌细胞图像分割中的应用

首先研究了图像分割领域中目前已经成熟的和正在探索的主流方法和技术的基本原理,分析比较了他们的优缺点。在认真研究和分析归纳了所研究的食道癌细胞图像的多方面特点的基础上,设计并实现了基于基本Snake模型的新模型。通过实验发现改进模型分割的结果与实际边界非常吻合,最后进行了后续工作开展的设想。     

基于改进Snake模型的高分辨率影像建筑物提取

本文提出了一种改进Snake模型的航空图像建筑物提取的方法。传统的Snake模型存在一些问题,它们需要大量的初始化,对噪声敏感,对于复杂图像调整参数变得困难。本文提出了一种自动提取建筑物的优化方法,相比传统的Snake模型,改进的Snake模型检测和提取建筑物轮廓更精确,而且能够避免检测类似街道、树木等邻近建筑物的边缘特征。实验数据表明,在提取建筑物轮廓方面,本文提出的方法具有较好的精度。     

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。     

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。     

边缘检测算法改进及其在QoE测定中的应用

提出一种基于数据融合的图像边缘检测算法,利用改进的Sobel算子和离散小波变换提取边缘,然后将两种方法的检测结果进行数据融合,合成一幅新的边缘图像.研究该算法的目的是应用于QoE(Quality of Experience)测定系统.对比实验结果表明,合成图像边缘的清晰度和连续性明显改善,获得的边缘信息更加完整.融合后的图像边缘综合了两种检测方法的优点,能有效地去除图像噪声,是一种有效的图像边缘检测方法.     

改进的自适应阈值方法用于文字图像边缘检测

在图像的边缘检测中,利用模角分离的小波变换,结合尺度独立的算法区分了阶梯型边界和跳跃型边界,从而提取了阶梯型边界.上述算法中需选择峰值阈值,将小波变换系数较小的点滤掉,但是一幅图像中边缘的奇异性并不均匀,对变换后的整幅图像取同一阈值,那么微弱边缘将会随着因灰度不均匀、噪声等被滤除.针对这一问题提出了改进的自适应阈值方法,并将此阈值方法代替固定阈值,在文字图像边缘检测中取得了较好的效果.     

基于径向边缘检测和Snake模型的舌像分割

舌像分割中嘴唇和舌体部分的纹理和颜色比较接近,直接采用Snake方法提取舌体轮廓很难得到理想的轮廓。本文提出一种结合径向边缘检测与Snake模型的分割方法,首先使用径向边缘检测得到初始轮廓,使用色彩对消消除嘴唇影响,最后用Snake获取舌体轮廓。实验表明该算法取得较好的分割效果。     

基于Snake模型和四元数描述的彩色图像边缘提取方法

边缘提取在彩色图像处理过程中有着重要的作用,它会影响到后续对图像的分割、特征提取和识别等环节。活动轮廓模型（称Snake模型）大量应用于各种医学图像的分割。近年来,活动轮廓模型得到了不断的改进和发展,并在计算机视觉等诸多领域得到了广泛的应用。本文针对彩色图像边缘提取的实际需求,简要介绍了活动轮廓的原理及数学模型,并针对传统模型处理速度慢,运算量较大,对凹陷轮廓位置处理效果差等缺点,结合彩色图像的四元数描述方法,提出改进算法,利用改进的四元数描述方法所得到的边缘检测初始轮廓,并结合使用改进的GVF产生的外力场,对于图像中凹陷轮廓位置保证正确收敛,且提高了运算速度。实验证明,算法是可行有效的。     

基于改进Snake模型的图像分割方法

Snake（主动轮廓线）模型即能量最小化运动曲线模型,最初由Kass在1987年提出,具有良好的获取特定区域内目标边缘的能力,是一种极为有效的图像分割方法。针对传统Snake模型对初始轮廓的依赖性问题,利用围绕目标形心的圆环间平均灰度差异来确定初始轮廓点,对噪声的干扰有一定的抑制作用,并减少了人工选取的工作量。通过离散Snake算法与分段DP算法的有效结合来获取图像的特征边缘点,以提高Snake算法的收敛速度。最后利用单调性原则对边缘点进行分区,在各个单调区间内采用曲线拟合的方法来获得连续的图像边缘。实验结果表明,基于改进Snake模型的图像分割方法可以从图像中提取连续、封闭的边缘曲线,能够较好的将目标从图像中提取出来。     

改进的多尺度顺序边缘连接检测法及在医学图像中的应用

边缘提取是图像处理与分析中的基本问题，由Purdue大学的Edward J Delp等人提出的多尺度顺序边缘连接检测法（Multiresolution Sequential Edge Linkin,MSEL) 在保持边缘的连接性、较小的错误率等许多方面优于其它的边缘提取方法。但是，它在初值选取上不尽合理，该文有效地解决了这一问题，并给出了在医学图像应用中的实验结果。     

一种改进的LoG图像边缘检测方法

对LoG算子边缘检测算法的性能进行分析,指出LoG算子在实际应用中的不足。针对LoG算子的缺点。通过实验数据得出图像灰度共生矩阵的熵与高斯空间系数的关系。实现使用LoG算子对图像进行检测边缘时能根据具体的图像的熵值自动获取适合该图像的高斯空间系数的值。因此。提出的改进算法既能有效的抑制噪声又能较精确的定位边缘。     

改进Snake模型在医学超声图像分割中的应用

因其本身所具有的复杂性,医学超声图像的分割足一件非常困难的事情.Snake算法能够有效地利用图像局部与整体的信息,实现对边界的准确定位,因此非常适用于医学超声图像的处理.针对传统Snake模型对初始轮廓依赖性的问题,根据图像边缘附近灰度差异显著的特性,提出了获取初始轮廓点的方法--扇形法,运用方法可以获得靠近日标边界的初始轮廓点,并且得到的轮廓点是有序点集.能量最小化过程运用贪婪算法来获得图像的特征边缘点,最后采用分段多项式拟合的方法来获得连续的图像边缘.实验结果表明.所采用的方法可以获得连续、封闭的边缘曲线,能够较好的将目标从图像中提取出来.