一种新的基于二值水平集和形态学的局部分割方法

局部分割是图像分割中的关键性工作,针对局部分割方法中存在的窄带控制不稳定和局部分割精度不足的问题,文中提出一种新的基于二值水平集和形态学运算的局部分割方法。该方法引入二值水平集取代传统的符号距离函数,并在曲线进化过程中保持水平集函数的二值性以确保窄带控制的稳定性和一个像素宽度的局部分割精度。为增加曲线平滑方案的灵活性,引入可选择的形态学算子来平滑曲线,并采用稀疏场算法以提高效率。在合成图像和医学图像上的实验结果表明,提出的方法能更好地实现图像局部分割。     

基于改进先验形状CV模型的目标分割

由于空间目标姿态变化较大,且其灰度与地球背景差异较小,传统CV（Chan and Vese）模型难以获得理想的分割结果。针对目标被部分遮挡或部分信息丢失情况下CV模型不能正确识别问题,Chan和Zhu在CV模型基础上引入先验能量项,构建的先验形状模型只具有旋转、缩放和平移不变性。本文提出了一种先验形状约束的变分水平集改进模型,用于分割星空及复杂地球背景下的空间目标。在保持先验形状模型具有旋转、缩放和平移不变性的基础上,本文改进的变分水平集模型增加了X、Y方向拉伸以及剪切不变约束能量项,增强了先验形状对目标变化的自适应性。实验结果表明本文方法对复杂背景下姿态变化较大的空间目标,具有更好的分割效果。      

基于先验形状的CV模型肝脏CT图像分割

针对目标被部分遮挡或部分信息丢失情况下CV模型不能正确识别的问题,提出一种新的分割算法。首先,利用数学形态学对原肝脏图像进行滤波,并结合其他算法建立肝脏先验形状;然后,采用边缘查找和区域标定等算法,对肝脏先验性状的边缘以及边缘内外区域进行赋值,构建执行效率高的符号函数距离函数,将其通过形状比较函数嵌入到CV模型的能量泛函中,形成新的基于先验形状的CV模型,并将此模型用于分割存在干扰或者被部分遮挡的肝脏CT图像。与CV模型分割结果相比,本文算法能在目标周围存在干扰信息或者被部分遮挡的情形下,成功地正确识别出目标区域。     

结合形状先验的图割目标分割方法

为了减少图像目标分割过程中噪声、阴影、背景复杂等因素的影响,将形状先验引入图割图像分割框架中,提出一种结合形状先验的图割目标分割方法。该方法给出了形状先验的定义,并将其转化为势函数的形式加入到能量函数中,通过能量最小化过程得到最终分割结果。同时,图像对齐过程能够适应形状模版与待分割目标之间的仿射不同。形状先验能够较好地约束目标边界,相比与传统图割算法,分割结果有了明显改善。实验结果表明,该算法具有有效性。     

基于显著性区域检测和水平集的图像快速分割算法

为了实现含有复杂背景和弱边界图像的快速准确分割,传统的水平集常采用重新初始化的方法,但是这种方法存在计算量大、分割不准确等问题。因此,结合显著性区域,该文提出一种基于边缘信息与区域局部信息结合的变水平集图像快速分割方法。首先用元胞自动机模型检测出图像的显著性区域,得到图像的初始化边界曲线。然后,采用改进的距离正规化水平集演化(Distance Regularized Level Set Evolution, DRLSE)模型把图像的局部信息结合到变分能量方程中,用改进的能量方程去指导曲线的演化。实验结果表明,与DRLSE模型相比,提出的算法平均消耗的时间只需要前者的2.76%,且具有较高的分割准确性。     

结合局部能量与改进的符号距离正则项的图像目标分割算法

针对传统C-V模型对颜色不均匀图像分割失败并且对初始轮廓和位置敏感问题,以及现有符号距离正则项存在周期性振荡和局部极值问题。该文提出结合局部能量信息和改进的符号距离正则项的图像目标分割算法。首先,将全局图像信息扩展到HSV空间,并使用局部能量项信息分析每个像素及其领域内的统计特性,从而在较少的迭代次数内有效分割颜色分布不均匀图像。其次,改进现有符号距离正则项,改进后的符号距离正则项在避免水平集函数的重新初始化的同时,提高了计算效率,保证了水平集函数演化过程的稳定性。然后,定义阈值判断法的水平集函数演化的终止准则,使曲线准确演化到目标轮廓。该算法与同类模型的对比实验表明该模型具有较高的分割精度和对初始轮廓的鲁棒性。     

基于线扫描分析的点状目标检测和分割

根据点状目标在图像空间呈现的局部峰值或极小值区域一般具有全向对称和高斯分布特性,提出一种新颖的旋转线扫描算子对点目标的截面进行特征分析,并结合局部峰值分析和梯度信息,实现点目标的检测与分割。实验结果表明,本文算法对点目标外观如大小、局部的对比度和灰度变化具有良好的适应性;在手机隔板砂粒检测中,算法检测准确率达到0.993;而在视网膜眼底图像微脉瘤病变检测中,在可临床接受的误判率(1.08FP/image)前提下,检测准确率为0.42。大量实际图像测试表明,本文算法具有良好的检测性能和鲁棒性,并且节约资源和时间成本。     

基于局部边缘二值模式的图像检索

在定义局部边缘的基础上提出了局部边缘二值模式(LEBP),并结合Gabor滤波器将其扩展到多分辨率LEBP(MLEBP)。对传统的中心对称局部二值模式(CS-LBP)和方向局部二值模式(D-LBP)进行了改进,新描述符在不增加计算复杂度和提高特征维数的基础上,进一步融入了局部边缘信息。为验证新描述符的性能,采用3个通用的纹理图像库进行图像检索实验。结果表明,结合本文方法,明显提高了传统描述符的分辨能力。     

采用二值序列变换的形状匹配

本文对形状的模板匹配进行了研究，引入了形状的数学形态学二值序列变换，定义了形状匹配函数，讨论它的性质，建立了一个形状模板集合，提出了新的形状识别方案，它具有简单，高效，稳健和易于并行化处理的特点，最事，新的形状匹配算法被用于交通的标志中的识别，实验结果证实了新算法的稳健性和有效性。     

一种基于水平集的运动视频对象分割算法

视频对象的分割是基于内容的视频处理的重要组成部分。提出并实现了一种基于水平集的运动视频对象分割算法。算法通过视频帧间的亮度差值提取初始轮廓曲线，将该曲线作为水平集算法的初始零水平集，采用窄带水平集方法演化曲线。得到最终的分割结果。实验表明该算法简单高效，具有很好的分割效果。     

基于Level Set方法的图像分割

研究了基于水平集的图像分割,提出了一种无需重新初始化,基于边缘信息的变分水平集图像分割算法.该算法消除了影响水平集计算量的重新初始化步骤,加速了轮廓线的演化,提高了算法的鲁棒性,同时使得初始化方法更加灵活.     

基于模糊聚类的运动对象分割算法研究

为了从视频序列中分割出完整的、一致的运动视频对象,该文使用基于模糊聚类的分割算法获得组成对象边界的像素,从而提取对象。该算法首先使用了当前帧以及之前一些帧的图像信息计算其在小波域中不同子带的运动特征,并根据这些运动特征构造了低分辨率图像的运动特征矢量集;然后,使用模糊C-均值聚类算法分离出图像中发生显著变化的像素,以此代替帧间差图像,并利用传统的变化检测方法获得对象变化检测模型,从而提取对象;同时,使用相继两帧之间的平均绝对差值大小确定计算当前帧运动特征所需帧的数量,保证提取视频对象的精确性。实验结果证明该方法对于分割各种图像序列中的视频对象是有效的。     

基于纹理特征的多区域水平集图像分割方法

现有多区域水平集方法大多利用复杂的能量函数来驱动多个水平集函数的演变,这样不仅模型复杂且存在很多限制.为此本文提出一种基于纹理特征的多区域水平集方法,利用任意数量的水平集函数来对相应数量的图像区域进行分割.本文首先对图像的颜色和纹理信息建立联合分布并将其代入能量函数;引入平滑概率标签,根据概率性质建立基于标签驱动的多区域水平集迭代更新方程.之后将每个水平集投影到离散概率空间得到一系列近似标签,并由这些标签得到基于多区域水平集的先验概率,从而将多个轮廓演变信息代入统计框架.而不同区域的统计参数也通过最小化能量函数由概率标签迭代更新.通过与其他分割算法在大量复杂实景图像上的实验对比,验证了本文算法的有效性.     

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.     

基于曲线进化的目标检测算法

提出了基于曲线进化的运动目标检测算法。对于运动目标检测问题定义了新颖的能量模型,并给出了相应的曲线进化方程。结合水平集算法,所提出的曲线进化模型能够自动的适应拓扑变化,检测出多个运动目标区域及轮廓。从计算物理学领域引入基于偏微分方程的水平集窄带算法,在构造窄带时无需显示的知道曲线的位置,并能够快速的实现。     

一种基于变分水平集的红外图像分割算法

红外图像大都存在边缘模糊或离散状边缘的特点,并且图像的先验知识较少,因此红外图像的分割是比较困难的。针对这种情况,该文提出了一种基于图像全局信息并且不需要重新初始化的变分水平集红外图像分割方法,不考虑图像边缘梯度的影响,将图像全局信息作为外部能量项,在很大程度上克服了边缘模糊时过分割的情况。同时通过引入内部变形能量约束水平集函数逼近符号距离函数,省去了重新初始化水平集函数的过程,简化了计算,减小了因重新初始化水平集函数带来的误差。将算法应用在红外图像的分割中,验证了算法的有效性。     

基于改进的双水平集的MRI图像快速分割方法

针对MRI图像具有高噪声与灰度不均的特点,提出了结合小波变换与中值滤波的去噪预处理的双水平集的快速分割方法。对于MRI图像存在的多种噪声问题,利用小波变换去除高斯噪声,采用中值滤波去除椒盐噪声,对原始图像进行预处理。在传统的双水平集模型中增加一个自适应的加速因子,对去噪图像进行快速分割得到分割效果图。实验结果表明,改进的算法显著加快了图像分割速度,既有较强的抗噪性,又保留了图像的细节信息,且无需重新初始化,取得了良好的分割效果。     

一种新的基于水平集方法的SAR图像分割算法

本文基于Aubert-Aujol（AA）模型和变分水平集方法提出一个新的SAR图像分割模型;在反应-扩散框架下,将各项同性扩散算子加入到该模型的水平集演化方程中,并提出一个两步分裂水平集演化算法,该算法不需要周期性地更新水平集函数。通过对合成图像和Envisat SAR图像的分割实验,表明本文提出的算法具有较准确的边缘定位能力和噪声抑制能力。