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。     

多先验形状的图割分割方法*

为了分割图像中的多个目标,提出多先验形状约束的多目标图割分割方法。首先,使用离散水平集框架的形状距离定义先验形状模型,并将这一模型合并到图割框架的区域项中,同时通过加入多类形状先验扩展形状先验能量。然后,通过自适应调节形状先验项的权重系数,实现自适应控制形状项在能量函数中所占的比重,克服人工选择参数的困难,提高分割效率。最后,为使方法对于形状仿射变换具有不变性,使用尺度不变特征变换和随机抽样一致结合的方法进行对准。实验表明,文中方法能够较好分割图像中的多个目标,且能较好克服图像的噪声污染、目标被遮挡等信息缺失问题。     

基于形状先验和图割的彩色图像分割

基于图割理论的图像分割方法在二值标号问题中可以获取全局最优解,而在多标号问题中可以获取带有很强特征的局部最优解。但对于含有噪声或遮挡物等复杂的图像,分割结果不完整,效果并不令人满意,提出了一种基于形状先验和图割的图像分割方法。以图割算法为基础,加入形状先验知识,使该算法包含更多约束信息,从而限制感兴趣区域的搜寻空间,能够更好地分割出完整的目标,增加了算法的精确度。针对形状的仿射变换,运用特征匹配算法进行处理,使算法更加具有灵活性,能够应对不同类型的情况。实验表明了该算法的有效性。     

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.     

融合目标形状信息及图割窄带优化的目标跟踪算法

提出基于图割窄带优化算法及融合目标形状信息的目标跟踪方法,首先采用卡尔曼滤波方法对目标新的位置进行预测,进而基于目标当前位置及分割结果估计目标的形状的信息,然后在目标预测位置采用窄带的图割优化算法并集成目标的形状先验信息对目标的进行分割,从而确定目标新的位置并得到目标新的轮廓结果,完成目标的精确跟踪。实验结果表明提出的方法具有良好的性能,能够精确有效的跟踪复杂背景中的运动目标。由于采用窄带图割分割优化,使得算法也具有良好的实时性,能够在实际中得到应用。     

多星形先验和图割的遥感影像交互式分割

针对遥感影像对多种地物进行分割时分割结果不够精确、适用性较差、效率较低的问题,提出了一种使用多星形先验与图割算法相结合的方法,实现遥感影像各类地物高效分割。算法利用均值漂移算法进行预分割,在图割算法中引入多星形先验信息,并基于前景背景交替迭代思想,实现多种地物一次分割。通过引入多星形先验,利用形状信息提高分割的准确性;利用一次交互获取多种地物的种子点,通过前景与背景种子点的交替迭代,改进图割理论的前景背景分割,提高分割效率。定量分析与实验结果表明:该算法对分割人工建筑区、植被、道路及水系更具准确性、高效性及普适性。     

基于多分辨率三维图割的NRD分割

为了提高视网膜神经上皮层脱离自动分割的精度和效率,提出一种基于多分辨率三维图割的自动分割算法.首先通过视网膜厚度变化信息准确定位目标和背景区域,统计目标和背景的灰度分布特征,为图割算法提供先验信息;然后采用三维图割算法对4倍下采样后的频域光学相干断层扫描(SD-OCT)图像进行分割,得到粗分割结果;最后在原始分辨率图像上,对粗分割结果两侧的窄带区域进行三维图割,得到最终分割结果.在18组CirrusSD-OCT数据集上进行分割的实验结果表明,该算法的Dice相似性系数为95.07%,分割一组数据的平均时间为57 s,精度和效率均优于现有算法.     

基于改进Fast MBD显著性检测和多特征融合匹配的靶纸区域快速检测算法

为了解决基于机器视觉的自动报靶系统快速、准确定位靶纸区域的问题,通过对靶纸图像的颜色和形状特性分析,提出一种基于改进Fast Minimum Barrier Distance显著性和多特征匹配的靶纸区域快速检测算法。该算法在原始Fast Minimum Barrier Distance显著区域提取算法的基础上,引入局部区域对比度先验和形状先验作为显著性区域提取的补充准则。同时,为了判断提取到的区域是否包含靶纸,再引入多特征匹配算法。首先,分别对图像边界连通先验、局部区域对比度先验和形状先验进行量化,形成距离图、对比度图和形状图,再结合三者分割出显著性目标区域,然后提取分割出的各目标区域的多种特征,并将其进行特征融合,最后利用1-范式将得到的目标特征与模板特征进行匹配,把匹配结果小于阈值的目标视为靶纸。在400张包含靶纸图像数据集上的实验结果显示了该算法的有效性。同时,在华为海思平台上,该算法处理速度能达到30帧/秒,足以证明该算法的实时性。     

先验形状约束的超声前列腺图像分割方法

提出一种结合超声前列腺图像的局部特征和前列腺的先验形状知识的分割方法。该方法在传统图像分割方法中引入了前列腺的先验形状约束,使得分割能够一定程度地避免由于超声图像中噪声、伪影、灰度分布不均匀等因素对前列腺分割所造成的影响。算法分为两个部分：先验形状模型的学习和先验形状约束的分割。在先验形状模型学习阶段,采用主成分分析方法对形状作特征提取,以高斯分布作为形变参数的估计;在先验形状约束分剖阶段,将基于局部高斯拟合特征的活动轮廓模型与形状模型相结合对前列腺图像分割。实验表明,所提出的方法在超声前列腺图像中取得了良好的分割效果,为临床诊断和治疗提供了定量分析的工具。     

基于统计先验形状的水平集图像分割综述

对于图像分割来说,常常需要结合尽可能多的先验信息来分割感兴趣组织。对基于统计先验形状的水平集图像分割方法进行了综述。该分割模型的特点是能量函数由两部分组成:首先是基于图像的梯度或区域灰度的数据项;第二项是先验形状项,对处理因遮挡、噪声和裂口而导致的信息缺失的图像具有鲁棒性。深入讨论了如何从感兴趣组织的训练集中构建一个压缩的形状表达——隐含形状模型;如何构建既包括使全局形状一致的隐含曲面约束,又保持了水平集捕捉局部形变的能力的基于先验形状的水平集图像分割模型;介绍了形状对齐和一致性等关键问题。最后指出了目前存在的问题和进一步的发展方向。     

MPEG-4视频标准及其在可视电话中的应用

本文主要介绍了ＭＰＥＧ－４的视频标准和算法,并应用于可视电话,实现了ＭＰＥＧ－４的编解码,将ＭＰＥＧ－４的性能与Ｈ．２６３进行了多方面测试,对于图象分割问题,使用了矩形形状和差值形状,经过测试,有一定使用价值。     

A Coupled Minimization Problem for Medical Image Segmentation with Priors

We present a coupled minimization problem for image segmentation using prior shape and intensity profile. One part of the model minimizes a shape related energy and the energy of geometric active contour with a parameter that balances the influence from these two. The minimizer corresponding to a fixed parameter in this minimization gives a segmentation and an alignment between the segmentation and prior shape. The second part of this model optimizes the selection of the parameter by maximizing the mutual information of image geometry between the prior and the aligned novel image over all the alignments corresponding to different parameters in the first part. By this coupling the segmentation arrives at higher image gradient, forms a shape similar to the prior, and captures the prior intensity profile. We also propose using mutual information of image geometry to generate intensity model from a set of training images. Experimental results on cardiac ultrasound images are presented. These results indicate that the proposed model provides close agreement with expert traced borders, and the parameter determined in this model for one image can be used for images with similar properties.     

Watershed segmentation using prior shape and appearance knowledge

Watershed transformation is a common technique for image segmentation. However, its use for automatic medical image segmentation has been limited particularly due to oversegmentation and sensitivity to noise. Employing prior shape knowledge has demonstrated robust improvements to medical image segmentation algorithms. We propose a novel method for enhancing watershed segmentation by utilizing prior shape and appearance knowledge. Our method iteratively aligns a shape histogram with the result of an improved k-means clustering algorithm of the watershed segments. Quantitative validation of magnetic resonance imaging segmentation results supports the robust nature of our method.     

结合先验形状和Mumford-Shah模型的活动轮廓分割

基于先验形状和Mumford-Shah模型的活动轮廓分割是一种抗噪声干扰、稳定的图像分割方法。该模型采用水平集方法,并结合活动轮廓模型、先验形状和Mumford-Shah模型来控制曲线演化。特定目标的先验知识可以有效地指导目标准确分割,经过主成分分析（PCA）法可以得到感兴趣对象形状的主要信息。通过对不同图片分割实验表明,针对特定的形状,该方法对杂乱背景、部分遮挡、缺失和强噪声的图片依然能得到满意的结果。     

Circulant dissimilarity-based shape registration for object segmentation

ABSTRACT

A shape prior-based object segmentation is developed in this paper by using a shape transformation distance to constrain object contour evolution. In the proposed algorithm, the transformation distance measures the dissimilarity between two unaligned shapes by cyclic shift, which is called ‘circulant dissimilarity’. This dissimilarity with respect to transformation of the object shape is represented by circular convolution, which could be efficiently computed by using fast Fourier transform. Given a set of training shapes, the kernel density estimation is adopted to model shape prior. By integrating low-level image feature, high-level shape prior and transformation distance, a variational segmentation model is proposed to solve the transformation invariance of shape prior. Numerical experiments demonstrate that circulant dissimilarity-based shape registration outperforms the iterative optimization on explicit pose parameters, and show promising results and highlight the potential of the method for object registration and segmentation.     

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.     

Iterated random walks with shape prior

We propose a new framework for image segmentation using random walks where a distance shape prior is combined with a region term. The shape prior is weighted by a confidence map to reduce the influence of the prior in high gradient areas and the region term is computed with k-means to estimate the parametric probability density function. Then, random walks is performed iteratively aligning the prior with the current segmentation in every iteration. We tested the proposed approach with natural and medical images and compared it with the latest techniques with random walks and shape priors. The experiments suggest that this method gives promising results for medical and natural images.