基于改进C-V模型的图像分割方法

传统C-V模型分割图像利用图像区域特征,忽略 了边缘等能够反应图像细节的特征。为了达到更好的图像分割效果,对于这些细节信息的处理则显得尤为重要。图像的梯度信息在边缘区域具有较大幅值,在同质区域具有较小幅值,因而可以用图像梯度来反映图像的边缘信息。把边缘信息融入C-V模型,利用同质区域信 息和边缘信息控制曲线演化,则可以达到更好的分割效果。本文提出的新模型克服了C-V模型的一些 缺陷,对背景灰度不均匀或含弱边缘的图像能够获得更好的分割效果。     

C-V模型在红外视频火灾图像分割中的应用

针对大空间中红外视频火灾图像边缘模糊,不易准确分割问题,研究了一种基于背景差分和C-V模型的分割方法。通过背景差分得到运动图像;利用形态学处理得到完整的运动区域,并获得其外接矩形;以外接矩形作为C-V模型的初始轮廓曲线进行分割,得到封闭、完整的运动目标轮廓。该算法避免了对整幅图像分割,减少了运算量。通过实验仿真并与阈值分割算法比较,证明了该算法的准确性和有效性,有利于下一步火灾特征提取与识别。     

基于C-V模型的眼底图像交互式杯盘分割

针对眼底图像视杯和视盘水平集分割中C-V模型自适应能力不强等问题,提出一种基于C-V模型的视盘和视杯交互式水平集分割算法。该方法通过交互方式给定不同的视盘初始轮廓和C-V模型参数,对眼底图像的杯盘进行精确地分割。实验结果表明,该方法可克服噪声污染、光照不均匀、对比度低等特点对眼底图像分割的影响,对彩色眼底图像中的视杯和视盘进行精确分割。     

改进的C-V算法在肝脏B超图像分割中的应用

图像分割是医学图像处理的重要步骤,其中,基于几何活动轮廓模型的水平集方法是广泛应用的方法之一。文中将改进的Chan-Vese(C-V)算法与梯度矢量流模型方法进行了详细的对比,实验结果证明改进的C-V算法得到的分割效果比GVF模型分割出的结果要好。     

分水岭优化的C-V模型脑肿瘤图像分割

C-V模型可有效对脑肿瘤等医学图像进行分割,但存在对初始轮廓位置敏感及重新初始化耗时的问题,为此,提出了一种分水岭优化的C-V模型脑肿瘤分割方法。首先引入标记函数,通过强制最小技术改善传统分水岭变换的过分割现象,得到粗分割结果,然后在粗分割基础上确定C-V模型初始轮廓位置,最后采用无需重新初始化的C-V模型进行细分割,得到较精确的脑肿瘤分割结果。实例结果表明,经过分水岭优化后的C-V模型能够对常见脑肿瘤图像进行有效分割,尤其是能够将与组织粘连的肿瘤分割出来。     

一种彩色印刷图像网点检测与识别算法的研究

针对当前印刷图像色彩检测和控制的方式及设备存在的不足，提出了一种新的基于数字图像处理和模式识别技术的网点检测与分色方法，并依此设计出了基于色度检测法的网点检测和识别系统——DLA系统；最后通过实验验证了该方法的有效性。     

计算机彩色模型在图像显示与分割中的应用

本文提出了基于彩色模型的灰度图像彩色显示与分割的方法,该方法将ＲＧＢ,ＨＳＶ和ＧＬＨＳ这几个彩色模型用于图像彩色合成显示并首次用于灰度图像分割中,彩色合成利用图产强方法并考虑到人眼对彩色的分辨率以及视觉特性,不仅增强了图像的内容,而且给予图像合理的彩色显示,使图像易于分析并且具有好的视觉效果。     

矢量图像分割的快速C-V模型

为了实现对矢量图像快速有效的分割,在分析矢量图像颜色、空间信息和水平集函数特性的基础上,对主动轮廓分割模型进行了改进,提出一种免重新初始化的矢量图像分割模型.在C-V(Chan-Vese)模型中引入了非线性热方程的符号距离函数的约束项,通过对非线性热方程传导率的均衡化使水平集函数始终保持符号距离函数的特性,完全取消比较...     

Mumford-Shah模型在图像分割中的研究

介绍了图像分割中的Mumford-Shah(MS)模型，提出了一种新的MS模型的数值求解方法。首先在数学上指出了MS泛函弱解在SBV函数空间中的存在性，然后讨论了计算弱解的数值逼近方法。为了得到MS泛函的数值解，首先定义了自适应三角剖分空间上的离散型MS泛函，然后在每次迭代前对有限元网格进行相应的自适应调整，接着采用拟牛顿最小化方法，并通过收敛意义上的离散有限元逼近，得到离散型MS泛函在每次迭代中的最小值。实验结果表明，该方法适合含噪图像的分割，是一种有效的图像分割算法。     

数字式射线图像缺陷检测的C-V方法

数字式射线图像（DR图像）缺陷检测主要是进行缺陷区域的分割和测量,分割精度将直接影响到测量精度。C-V模型是一种新的基于曲线演化理论和水平集方法的图像分割模型,它结合区域信息使得分割结果全局最优,可以很自然地处理轮廓线拓扑结构的变化。针对工件DR图像特点,研究了一种DR图像缺陷检测的C-V方法：首先应用C-V模型进行DR图像缺陷区域的分割,在此基础上,完成缺陷区域几何参数的测量。实验表明,C-V方法能准确地分割出DR图像中的缺陷区域,并获得缺陷形心和面积等参数。     

一种改进的快速C-V水平集红外图像分割

当红外图像中包含较强噪声时,C-V模型水平集分割方法会产生大量冗余轮廓;同时,C-V水平集采用偏微分方程(PDE)实现,存在计算量大、分割速度慢的缺点.为此,本文提出了改进的快速算法,该算法保留了C-V模型的全局优化特性,并通过窗口滤波整合图像邻域空间信息来构建曲线进化的外部速度,从而提高C-V模型的抗噪性并减少分割中产生的冗余轮廓;采用基于双链表的快速水平集算法来实现曲线的演化,去除了传统算法中的重新初始化和PDE求解的过程,减少了迭代步数,提高了分割的速度.实验结果表明,本文算法对边缘模糊、噪声较大的红外图像能实现快速而有效的分割.     

改进的C-V水平集模型图像分割算法

复杂的计算限制了基于Chan-Vese（C-V）水平集模型的图像分割方法的应用。为提高图像分割的速度,提出一种基于C-V水平集模型的改进水平集方法。在一般情况下,只需要几次简单迭代就能分割出物体的轮廓。实验表明,该方法简单高效,能够快速有效地实现图像轮廓分割。     

水平集的图像分割方法综述

图像分割是图像处理中的关键技术之一,Osher和Sethian提出的水平集方法有效地解决了以前算法不能解决在曲线演化过程中的拓扑变化问题。目前,基于水平集方法的图像分割算法很多,对于不同应用领域的图像处理问题,人们都提出了相应的解决方法,而且大量的研究者还在不断改进和提高这些算法的效率和有效性。因此,本文按照水平集算法在图像分割中应用的发展历程将其分为3种情况进行了综述,以此为该领域读者提供借鉴。     

能量传导模型及在医学图像分割中的应用

提出了一种基于水平集框架的能量传导模型ECM(energy conduction model)用于对医学图像进行分割.该模型通过对图像中的灰度分布和空间中的温度场分布进行对比,有效定义了图像能量和图像能量的传导方程,并通过模拟热量传递的过程对方程进行求解.ECM模型的优点在于,它在描述图像灰度分布的全局特征的同时,有效地捕捉到图像局部区域的灰度对比度变化,因此它能够对灰度分布不均匀和含有噪声的图像进行精确分割.基于水平集函数本身的拓扑可变性,该方法还能够实现同一图像中的多目标分割.使用该方法对模拟和真实的医学图像进行了分割实验,实验结果表明了该方法的有效性和可靠性.     

基于区域特征的交互式图像分割方法及其应用

交互式图像分割方法因其能够处理复杂的图像而得到了广泛的研究.文章提出了一种基于代理机模型的交互式图像分割方法.代理机是完成特定功能的模块,它通过控制界面和汇报界面实现与操作者的交互.该代理机以欲分割区域的特征作为其组成部分之一.该方法在医学图像分割问题中的应用取得了较好的结果.     

基于3D直方图的彩色图象分割方法

以阈值分割技术为基础，提出了基于3D直方图的生长法和尺度空间聚类方法。分别利用3D空间中同一类目标像素频度的连通性的尺度空间聚类原理，简单而有效地解决了多维阈值分割带来的过度分割问题。该方法对不同类型图象具有很好的适应性，并已成功应用于医学彩色图象处理领域。     

iRGA:一种改进的区域生长彩色图像分割方法

图像分割是任何图像分析过程中的首要任务,因为接下来所要做的工作(如特征提取、目标识别等)都取决于图像分割的质量。文章提出了一种改进的区域生长彩色图像分割方法iRGA(improvedRegionGrowingApproach)———基于子块色彩均值和方差的图像分割法。实验证明,该方法可以有效地减少计算复杂度和抑制噪声的干扰。     

改进的分级多相图像分割模型及其快速实现

提出一种基于分级C-V模型的改进的快速图像分割算法.针对现有的多相水平集图像分割算法存在的问题,本文从曲线演化方程的平均曲率项、水平集函数Φ的狄拉克(Dirac)函数δ(Φ)等方面进行改进,并引入了一个非线性扩散方程对图像进行预处理,从而优化组合了分级C-V模型的全局特性.实验结果表明,改进的图像分割模型不仅保留了原有方法的优势,而且提高了对多目标图像分割算法的速度与精度,同时也可以有效解决具有弱边界物体的分割问题.     

基于自定义颜色空间的快速图像分割算法

为实现视觉伺服中对图像的实时处理,针对由RGB颜色空间模型转换到HSV颜色空间模型过程计算量大、时延明显的问题,提出了一种基于自定义的ASV颜色空间模型的快速变换方法,减小了计算量,提高了处理速度;并采用一种对不同颜色分量进行序列分割的彩色图像分割方法,在自定义的HSV颜色空间中实现了彩色图像的快速分割.实验证明了这种方法的有效性.