A new GVF-based image enhancement formulation for use in the presence of mixed noise

This paper is concerned with the introduction of a new gradient vector flow (GVF) field formulation that shows increased robustness in the presence of mixed noise and with its evaluation when included in the development of image enhancement algorithms. In this regard, the main contribution associated with this work resides in the development of an adaptive image enhancement framework that couples the anisotropic diffusion models with the adaptive median filtering that is designed for the restoration of digital images corrupted with mixed noise. To further illustrate the advantages associated with the proposed GVF field formulation, additional experiments are conducted when the proposed strategy is applied in the construction of anisotropic models for texture enhancement.     

基于矩阵分块化的GVFSnake模型

针对GVFSnake模型对高清图像计算速度较慢问题,通过对GVF力场的迭代计算过程、计算机Cache体系结构与原理的分析,提出了基于矩阵分块化的GVF力场的算法;确定了分块方式和最优分块大小。计算机仿真实验表明,这种方法能够大幅提高GVF外力场迭代运算速度。     

GVF Snake模型中初始轮廓线设置算法的研究

在详细分析了动态轮廓模型抗干扰性差、运算量大、不能逼近比较复杂轮廓、初始轮廓线设置复杂等问题原因的基础上,提出了轮廓线"有效逼近域"概念,进一步研究发现,这些问题都可以通过设置初始轮廓线到"有效逼近域"内,并有效地控制"有效逼近域"范围而得以解决。由于初始轮廓线只要求设置在"有效逼近域"内,因此符合基于小波变换多尺度边缘检测算法的特性,"有效逼近域"也可以通过控制GVF力场迭代次数来有效控制其大小。基于此,通过采用小波变换多尺度边缘检测获得不同分辨率边缘点,合理控制GVF力场迭代次数,提出初始轮廓线连接算法,成功地实现了初始轮廓线的有效设置。实验结果表明,能够准确地将初始轮廓线设置在"有效逼近域"内,并且"有效逼近域"的大小可以减小到真实轮廓左右5个像素以内,运算量有效的减小,抗干扰性也得到了很大的提高。     

基于多尺度的GVFSnake算法研究

为解决梯度矢量流GVF蛇形算法选用图像参数困难的问题,提出了基于多尺度的GVF Snake算法.通过对各种图像的处理实验,结果表明,该算法有效地克服了GVF选用参数的困难.     

基于模板和GVF蛇形步态轮廓提取*

提出了一种基于模板和改进的gradient vector flow(GVF)分割方法。该方法先手工建立初始化模板,利用初始化模板和分割对象的周期性线性匹配,并基于Chamfer距离寻找最佳匹配模板;把该最优模板轮廓作为改进GVF的初始轮廓,再使用改进的GVF算法分割出对象。该算法仅需建立一次初始化模板,以后具有通用性,而且对于阴影和背景影响有较好的分割效果。对加利福尼亚大学步态数据库研究显示了该方法的有效性。     

脑电磁逆问题中头模型构造方法的研究

在脑电磁逆问题的研究中，构造与实际匹配的头模型是求解该问题的先决条件．选用Ｔ１加权的ＭＲＩ图象序列，用基于梯度矢量流的动态包络模型算法对头部和大脑的轮廓进行提取，并对算法进行了改进；基于表面绘制的方法，构建了真实头、脑的电磁计算模型．     

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。