基于改进C-V模型的图像分割方法

由于传统C-V模型不能准确分割灰度不均匀的图像,本文基于传统C-V模型进行了局部变量的改进,改进后的模型不仅可以准确分割灰度不均匀的图像,而且能够更好的刻画各点邻域的灰度变化情况,使得边界信息可以较好的被分割。实验证明,在对图像进行分割时,文章的方法与原模型相比效果更好。     

一种基于三维直方图的改进C-V模型水平集图像分割方法

对Chan-Vese提出的基于简化Mumford-Shah模型的水平集图像分割方法(C-V模型)做了改进.传统的C-V模型仅将灰度同(homogeneity)作为区域分离准则,这使其对于对比度明显的图像能够取得很好的分割结果.但单一的分离准则往往致使其在分割噪声信息丰富的、灰度分布复杂的医学、遥感以及自然图像等时产生大量的冗余轮廓.为此,本文在改善C-V模型全局优化特性的基础上,整合图像的灰度分布信息、邻域空间信息以及图像所固有的模糊信息构造三维向量(灰度值、模糊均值和模糊中值),提出了一种基于三维直方图的改进C-V模型水平集图像分割方法.自然图像和红外光学图像的试验结果证明了该方法的有效性.     

一种新的基于局部信息的拟合模型

对于局部不均匀的图像来说,局部图像信息在图像分割中是非常关键的,然而C-V模型中则缺乏这样的信息。我们提出了一种新的融合了局部边界信息的水平集模型--局部最大最小信息模型,因此此模型能够有效地改进C-V模型在分割不均匀图像方面的性能,即可以解决局部不均匀图像的分割问题克服C-V模型所遇到的一些困难。最终,通过对人工的和真实的图像上的实验证明该模型可以有效地分割局部不均匀图像。     

基于C-V模型的红外图像自动分割方法研究

为解决红外图像分割中背景噪声及边界轮廓的影响,引入了基于曲线演化理论、水平集方法和M-S分割函数的C-V模型。通过将图像表达为分段常量函数来建立适当的能量函数模型,引入水平集的表示方法,在整个图像域中依据最小化分割寻找全局极小值,可令活动轮廓最终到达目标边缘。由MATLAB实现的仿真结果表明采用C-V模型对红外图像进行自动分割不受边界轮廓线连续性限制,对初始轮廓线位置不敏感,对图像噪声具有很强的鲁棒性,对均匀灰度目标分割效果良好。     

一种基于图像灰度信息和方差信息的图像分割方法

针对C-V方法对非二值图像分割不理想,运行效率不高的问题,提出一种改进的C-V方法。在C-V方法只运用图像灰度信息的基础上,加入基于图像局部方差的信息,并且设置加权参数k,通过k来控制基于图像的灰度信息和方差信息的驱动力在整个图像分割驱动力中的比重,使得改进C-V方法能利用图像区域灰度信息和区域方差信息对非二值图像进行分割,同时应用隐式方案的数值实现方式对改进方法进行数值实现。图像分割实验结果表明,该方法能够更为准确地提取非二值图像边界,减少迭代次数。     

基于改进C-V模型的肾脏CT图像分割方法

生物组织的自动分割是计算机辅助诊断和病变 检测的关键步骤。在腹腔CT图像中,肾脏组织本身的灰度不均匀性使得传统C-T模型无法准 确实现肾脏的分割。为了解决上述问题,本文结合图像全局和 局部统计信息改进了传统的C-V模型。 基于先验知识,提出了描述肾脏组织皮质 特征的数学表达式。选择感兴趣区域,在预处理阶段获得了CT图像中肾脏的大致初始轮廓。 随后,应用C-V模型进行轮廓演化时引入局域信息,提高了C-V模型的局部适应性。实验结 果表明,与现有方法相比,本文的方法的结果更接近于人工分割结果,其肾脏分割结果的Di ce系数平均值为94.0%。     

基于改进Chan-Vese模型的液晶显示屏Mura缺陷分割

液晶显示屏Mura缺陷是一类较难检测的显示缺陷,它具有对比度低、背景亮度不均匀、边缘模糊等特点。针对传统Chan-Vese模型(C-V模型)对其分割时存在误分割及速度慢的问题,本文提出一种改进的C-V模型。首先,依据曲线演化理论,简化了传统C-V模型的图像数据力驱动项,这样减少了迭代过程中的计算量,提高了分割的速度。其次,为了平衡图像的亮度不均匀,在模型中引入一个新的能量项,该能量项与轮廓曲线内、外部之间的亮度差有关,提高了分割的准确性。最后,在算法的实现过程中引入迭代停止的判别式,通过设定分割的精度可以实现迭代的自动停止,并有利于正确地分割出目标。实验结果表明,本文提出的改进C-V模型能够准确分割背景不均匀的Mura缺陷,并且具有较快的速度。     

自适应权重的偏微分分割模型在变电设备红外图像中的应用

针对变电设备运维中的红外检测图像无法被准确分割的问题,本文应用了一种改进的自适应权重偏微分图像分割方法.通过分析红外图像信噪比低、边缘模糊、对比度低以及最常出现的灰度不均匀问题,在明确传统分割方法不足的基础上,对基于偏微分方程的分割模型开展改进.本文所提出的自适应权重的LGIF分割模型利用目标设备和背景灰度不均匀程度不...     

基于改进C-V模型的B超图像分割

图像分割是医学超声图像学中的难题之一.针对传统的水平集图像分割法速度较慢,提出了一种基于改进Chan-Vese(C-V)模型和加强中值滤波的B超图像分割方法,并与传统的C-V模型分割方法进行比较,最后用最大香农熵等方法评价分割结果.实验结果表明:改进的C-V模型B超图像分割法具有较好的分割性能,并且耗时方面明显优于传统C-V模型分割方法,可以将其应用于医学超声图像的分割中,能够到达实时性的要求.     

基于边缘和区域信息相结合的变分 水平集图像分割方法

 针对GAC模型和C-V模型分别存在对弱边缘和灰度渐进图像分割效果不理想以及演化效率低等问题,提出了一种基于边缘和区域信息相结合的变分水平集图像分割方法.结合了图像边缘梯度信息和区域全局信息的能量函数作为模型的外部能量项,引入内部变形能量约束水平集函数来逼近符号距离函数,省去了重新初始化水平集函数的过程,并融入了物体形状先验知识的附加约束信息,提高了分割精度.实验结果表明,论文所用方法对分割噪声弱边缘图像和灰度渐进图像具有一定的有效性和可行性.     

基于改进C-V模型的图像分割算法

提出一种新的模型——Chan-Vese模型,该模型是基于曲线演化、水平集方法、局部的统计信息,新模型包括两个方面:局部核心函数和惩罚项.引入局部统计信息后的新模型可以对非同质图像进行有效的分割.另外,核心函数中加入惩罚项,可以有效避免水平集函数初始化,缩短模型演化时间.通过实验的仿真结果发现,新模型在对非同质图像进行分割时得到了良好的结果.     

基于改进型C-V模型的红外图像自动分割

将C-V模型引入到红外图像分割中,同时提出了一种改进的模型。该模型通过增加偏离能量项,避免了标准C-V模型的重新初始问题。模型允许选取较大的时间步长,可以用简单的有限差分格式实现。实验证明,改进的模型在分割效果不变的情况下可以有效加速演化过程,提高分割效率。     

水平集分层分割遥感图像中的建筑物

针对高分辨率遥感图像,结合建筑物特征,提出水平集分层模型分割图像中的建筑物。首先,学习植被样本得到其在HSV空间中色调与饱和度的联合分布函数,利用阴影灰度方差通常小于非阴影区域的特点,将植被和阴影剔除以简化背景利于后续分割。然后,根据灰度级高低将一幅图像看作多层图像层,把建筑物的屋顶灰度特征和边缘特征融合到传统Chan-Vese（C-V）水平集算法中,分割出每层中灰度级相似的建筑物候选区域,从而将不同灰度级建筑物候选区域分层分割出来再整合。最后利用建筑物面积、建筑物与阴影位置关系等先验知识排除误分割,得到最终结果。实验表明:该方法能更好地分割出形状各异、各个灰度级的建筑物,甚至是灰度不均匀的建筑物,分割漏检率较传统C-V法降低了25%,虚检率降低了22%。有效减少了漏分割和过分割。     

基于相位一致性改进的活动轮廓分割模型

为了实现甲状腺超声图像中结节组织的快速准确分割,克服图像灰度分布不均匀和边缘模糊对分割结果造成的影响,采用了基于相位一致性改进的活动轮廓分割模型。首先,利用相位一致性边缘检测原理构造一种新的速度函数,不仅弥补了梯度算子边缘检测中由于滤波处理造成边缘损坏的缺陷,而且可以灵活地控制曲线演化速率;然后,将该速度函数乘入到无边缘主动轮廓模型的能量项中,避免了线性组合中的权重分配问题,同时具有全局分割能力。通过理论分析和实验验证,改进模型的相对差异度均小于1%,运行时间均低于对比模型。结果表明,新模型实现了灰度分布不均匀图像的精确分割,同时分割效率也有所提高。     

基于EMD的快速活动轮廓图像分割算法

C-V模型等传统基于区域的几何活动轮廓模型仅将灰度同质作为区域相似性的测度,致使其在分割噪声分布大、灰度复杂的自然及遥感图像时难有较好的分割结果。为此,该文提出基于Earth Movers Distance (EMD)的快速活动轮廓图像分割算法。首先,给出了基于EMD的区域相似性测度,并引入到模型的定义;接着,提出了基于过分割的规则化和快速曲线演化方法,很好地克服了传统模型的冗余轮廓、计算复杂等问题。对合成图像和遥感图像的实验结果证明了算法的有效性。