基于GVF Snake和边界跟踪的主动轮廓图像分割

梯度向量流蛇(GVF Snake)模型在处理图像分割问题上取得了较好的结果,但它对初始轮廓曲线的依赖程度较大且梯度向量场计算时间较长,故此提出一种基于GVF Snake模型和边界跟踪的轮廓提取图像分割算法。该算法利用边界跟踪算法进行粗糙的分割,获取边缘位置有效信息点,经采样后生成一条初始轮廓线。同时,基于拉格朗日法求解梯度向量场的方法,提出一个距离终止条件以提高计算速度。实验结果表明,与GVF Snake、手动GVF Snake和CV活动轮廓算法相比,该算法有效提高了图像分割的自动化程度和分割精度。     

融合C-V和GVF的测地线活动轮廓模型

对于有凹陷边界或弱边界的待分割目标,采用传统的测地线活动轮廓(GAC)模型无法进行准确的图像分割.为了解决这一问题,提出了一种融合C-V模型、GVF模型和GAC模型的图像分割算法.在该算法中,GAC模型的单位内法向量与GVF模型的梯度矢量流共同作用,促使轮廓曲线向目标的边界方向运动;而GAC模型单位内法向量与C-V模型的区域信息的力场共同作用,不仅促使轮廓曲线向目标的边界方向运动,而且使轮廓曲线稳定在目标的边界上.仿真实验证明了上述方法的有效性,同时还证明了该方法对轮廓曲线的初始位置具有较好的适应性.     

基于小波变换及GVF模型的SAR图像轮廓提取算法

给出一种基于小波变换及GVF模型的SAR图像轮廓提取算法.首先,对SAR图像进行预处理,分割出可能的目标片;其次,利用小波多尺度分析滤波和基于梯度矢量流的主动轮廓模型进行边缘点的连接,得到真实轮廓.实验结果表明该方法能较好地提取SAR图像的轮廓.     

基于改进Snake模型的医学图像分割

活动轮廓模型(Snake模型)被广泛应用于医学图像分割之中,传统的Snake模型在分割图像时要求初始轮廓线必须给定在图像边缘附近,且难以收敛到凹陷轮廓。本文针对Snake模型的这点不足,通过改进外部能量项,提出了一种基于梯度矢量流活动轮廓模型的医学图像分割算法。该算法用梯度矢量流代替图像梯度进行外部能量的计算,克服了传统Snake模型力场范围小以及不能收敛于凹形边缘的缺点。实验结果表明:改进模型能够有效的分割心脏MRI图像,是一种有效的方法。     

一种动态的梯度向量流模型

传统的基于梯度向量流的活动轮廓模型只能产生静止不变的外力场,外力场中普遍存在"平衡问题",导致轮廓曲线难以收敛到长凹形边界.为此,文中提出了一种动态的梯度向量流模型.该模型首先利用与演化轮廓曲线相关的示性函数对边缘梯度图进行加权并扩散生成一个动态力场,然后利用边界停止函数控制演化轮廓曲线的收敛.该模型充分利用了演化轮廓曲线的信息,避免了静态外力场因"平衡问题"导致的过早收敛问题,能够驱使轮廓曲线收敛到凹形边界.仿真实验结果表明,相比于传统的模型,文中模型能成功地分割出目标的长凹形边界,并且对复杂目标边界也有较好的分割效果.     

一种SAR图像分割新方法

合成孔径雷达（SAR）图像中固有的相干斑噪声,严重影响了图像分割算法性能。为了改善SAR图像分割质量,本文提出了一种联合PM扩散模型和各向异性MRF模型的图像分割方法。首先对传统PM扩散模型的扩散系数进行简化和近似,限制模型的解的唯一;然后使用改进后的模型对原始SAR图像进行非线性扩散,在抑制噪声的同时保持图像结构细节;继而,通过在标记场势能函数中引入观测数据灰度信息,将经典的基团势能改进为基于灰度加权的各向异性势能,提高边缘像素和图像奇异点的分割准确率。实验表明,本文算法的分割结果区域连通性更好,边缘轮廓分割更精细。     

Snake模型在图像分割中的应用研究

Snake模型是一种重要的基于边缘的图像分割算法。本文总结了三种经典的Snake模型的优缺点,重点分析了GVF Snake模型及其改进模型GGVF Snake模型力场的特点,并在针对单个宽型深度凹陷物体、瓶型物体或多次内凹物体的分段轮廓检测算法的基础上,提出了基于GGVF Snake模型的多个凸形物体或窄型深度凹陷物体的分段轮廓检测算法。实验结果表明,该算法可以正确检测出多个凸形物体或窄型深度凹陷物体的完整轮廓。     

基于扩展邻域的动态方向GVF计算方法

采用基于动态方向梯度矢量流(GVF)分割边界不清晰、灰度分布不均图像时,GVF外力场中通过拉普拉斯算子的扩散作用,利用4邻域进行掩膜运算;但未充分利用图像信息形成光滑的矢量场,同时迭代次数较高。提出一种基于扩展邻域的动态方向GVF计算方法。新方法从掩膜的角度分析了梯度矢量流模型,通过采用更大的邻域的掩膜来代替原来的基于4邻域的掩膜,得到了基于扩展邻域的梯度矢量流的计算方法。新的计算方法仅仅需要较少的迭代次数就能得到较好的效果。     

基于边带限制的梯度矢量流主动轮廓线模型的超声图像分割

主动轮廓线模型是广泛应用于数字图像分析和计算机视觉等领域的一种目标轮廓跟踪算法，非常适合于医学图像（如CT和MRI）的处理。但将这一模型应用于超声图像的分割和目标轮廓的跟踪时，由于超声图像不可避免地存在着斑点噪声、弱边界和与组织有关的纹理，往往使传统主动轮廓模型难以获得满意的轮廓跟踪效果。为此，在梯度矢量流主动轮廓线模型的基础上，引入边带限制概念，并将该模型应用于超声图像的分割。实验表明，该方法较好地限制了非目标边缘和噪声干扰的影响，而且对超声及其序列图像具有较好的分割效果。     

基于改进活动轮廓模型的焊接接头缺陷分割

针对焊接接头的X射线图像存在光照不均、对比度低、缺陷边缘模糊等特点,提出了一种改进活动轮廓模型的分割方法.在传统活动轮廓模型中,引入平均滑动直方图进行非参数概率密度估计,使模型的驱动按照梯度力和统计压力值进行,解决了初始化受限和对焊接接头缺陷边界难准确分割的问题.实验结果表明,应用本文所提改进算法,能够准确地从X射线图像中提取出焊接接头缺陷,图像分割精度得到显著提高.      

一种新的活动轮廓模型算法

传统的活动轮廓模型具有处理速度慢，运算量大，对凹陷轮廓处理效果差等缺点．本文把小波多分辨率技术应用于主动轮廓算法，结合梯度矢量流(gradient vector flow，GVF)概念，首先在低分辨率的图像上进行处理，得到结果后，再在高分辨率层次上继续处理，由此解决了初始轮廓必须离真实轮廓很近的问题，提高了运算速度；同时利用小波分解的方向性，降低了搜索的范围，进一步提高了轮廓收敛的速度；由于使用了GVF所产生的外力场，对于凹陷轮廓同样可以保证正确的收敛．同时比原始的GVF方法处理速度要快得多．     

一种基于主动轮廓模型的图像分割新方法

针对迭代收敛时主动轮廓模型在图像深凹处难以完全收敛且在较高的图像分辨率下收敛速度缓慢的缺陷,提出了一种基于主动轮廓模型的图像分割新方法.本方法结合了多分辨率与梯度向量流概念,首先在原始图像的低分辨率图像上进行轮廓提取,并将提取到的轮廓作为初始轮廓再在高分辨率图像上进行轮廓提取,最终得到原始图像的轮廓.实验结果表明,本方法在图像深凹处收敛效果良好,且极大提升了收敛速度.     

基于Snake模型的快速边缘检测

传统Snake模型存在两个难点,一是初始轮廓敏感,二是难深入凹陷区域.针对这两问题,存在一系列改进模型.本文结合距离模型和GVF模型的优点,提出一种快速边缘检测方法.先采用距离模型快速逼近目标边缘轮廓,设计判别条件,判断逼近程度;当判断已经收敛到目标轮廓处时,利用GVF模型继续收敛,深入目标轮廓的凹陷区域.实验结果表明改进模型具有捕获区域大,收敛速度快以及能深入凹陷区域,检测出完整边缘轮廓的特点.     

An eSnake model for medical image segmentation

A novel scheme of external force for detecting the object boundary of medical image based on Snakes (active contours) is introduced in the paper. In our new method, an electrostatic field on a template plane above the original image plane is designed to form the map of the external force. Compared with the method of Gradient Vector Flow (GVF), our approach has clear physical meanings. It has stronger ability to conform to boundary concavities, is simple to implement, and reliable for shape segmenting. Additionally, our method has larger capture range for the external force and is useful for medical image preprocessing in various applications. Finally, by adding the balloon force to the electrostatic field model, our Snake is able to represent long tube-like shapes or shapes with significant protrusions or bifurcations, and it has the specialty to prevent Snake leaking from large gaps on image edge by using a two-stage segmentation technique introduced in this paper. The test of our models proves that our methods are robust, precise in medical image segmentation.     

An eSnake model for medical image segmentation

Deformable model is a curve or a surface drivenpartial differential equations (PDE) method for imagesegmentation and pattern recognition. Two types ofdeformable models have been developed previously.One is the parametric deformable model proposed byKass et al.[1], which formulates the curve explicitlyin the parametric form. The other is the geometricdeformable model, which implicitly characterizes thecurve by a level set function developed by Osher,Sethian and implement…     

梯度矢量流的最优停止时间计算新方法

梯度矢量流(GVF)外力场解决了原始Snake模型捕捉范围小和对初始化敏感的缺点,其核心就是把图像边缘处的梯度矢量向周围进行扩散,从梯度矢量场生成一个光滑的矢量场。但是在扩散过程中,过多的扩散就会把图像的边界给冲垮,不能很好的保持图像的边缘等信息。因此,如何确定一个合适的扩散次数就是一个非常重要的问题,这就是被称作最优停止时间的问题。基于对GVF能量泛函的分析,提出了一种确定GVF最优停止时间的方法。实验证明,新方法得到的最优停止时间是有效的,取得了较好的效果。