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.     

基于活动轮廓模型的DDP修正算法

活动轮廓模型是在现时图像处理和计算机视觉中用于实现对象的边缘检测或轮廓提取的有效工具。本文在讨论用最优化方法－动态规划（ＤＰ）算法求解ｓｎａｋｅ最小能量的基础上提出了对ＤＰ的修正算法，给出了计算机模拟结果。     

一种改进的GVF Snake模型轮廓检测方法

由于深度凹陷物体的GVF力场中存在着滞止点区域，导致直接使用GVFSnake模型不能正确逼近深度凹陷物体的真实轮廓．本文提出了一种基于GVFSnake模型的轮廓检测算法。首先根据滞止点区域的伪轮廓把物体的整个轮廓分成多段，然后分别设定初始轮廓线利用GVFSnak。模型获得各段轮廓线，最后把各段轮廓线融合成一个完整轮廓。实验结果表明，新的方法不仅能够提取一次深度凹陷物体的完整轮廓，而且能够成功提取多次深度凹陷物体的完整轮廓。     

可变形模型的弹性理论分析

可变形模型对于范围广范的一系列视觉问题给出了统一的解决方法，并在轮廓提取、运动跟踪、3D重建、立体匹配等方面得到了广泛应用。从弹性理论出发，揭示了可变形模型的物理本质，井对可变形模型的参数赋予了现实的物理意义。其结论将有助于更好地理解可变形模型的变形行为，并为今后应用弹性理论中的方法研究可变形模型莫定了基础。     

辅以CV-GVF方法的测地线活动轮廓模型

针对经典的测地线活动轮廓对初始位置和噪声比较敏感,在有噪声干扰或初始位置距目标边缘较远时,其往往无法准确收敛到目标边缘的问题,通过将由梯度矢量流和CV方法构成的耦合力场与测地线活动轮廓相结合,提出了辅以CV-GVF方法的测地线活动轮廓模型.实验结果表明,该活动轮廓模型在噪声背景中从无需特别设置的初始位置准确收敛到了目标边缘,对初始位置和背景噪声具有较好的适应性.     

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.     

一种新的基于局部区域的活动轮廓模型

提出了一种新的基于曲线演化的活动轮廓图像分割模型.该模型利用局部图像统计信息来代替C-V模型中的全局灰度均值,以此可以分割灰度不均匀的图像.此外,在模型定义的能量泛函中增加了水平集正则项,以此来保证数值计算的准确性和避免对水平集函数的重新初始化.将本文提出的活动轮廓模型用于分割人工和自然图像,比较结果显示:C-V模型不能很好处理灰度不均匀图像,而本文提出的模型对灰度不均匀图像能得到满意的分割效果.     

一种改进的C-V主动轮廓模型

针对C-V(Chan-Vese)模型不能较好分割灰度不均匀图像的缺点,对C-V模型能量方程进行改进。将图像的局部灰度拟合信息融入到面积项中,使分割兼顾了图像的全局和局部信息,同时加入惩罚能量项来约束水平集函数逼近符号距离函数,避免模型重新初始化。对灰度不均匀图像分割的实验结果表明,该模型优于C-V模型。     

基于曲率的轮廓精确分段技术

提出了一种基于轮廓曲率及曲率累加和曲线的轮廓精确分段方法。不仅吸收了曲率类方法所具有的旋转不变性及计算量少的优点，而且吸收了直接法对单纯直线类轮廓准确分段的优点，实现对复杂轮廓的精确分段。     

活动轮廓模型在医学图像分割的综述

医学图像分割作为图像处理领域的一个研究热点,长期受到广大科研工作者的关注。活动轮廓模型作为医学图像分割的一个重要工具,在近30年的研究中得到了长足的发展。根据活动轮廓模型的表达方式不同,将活动轮廓模型分为参数活动轮廓模型、几何活动轮廓模型;相对于参数活动轮廓模型,几何活动轮廓模型中曲线的运动过程是基于曲线的几何度量,如曲线的法线、曲率等;又由于水平集方法在几何活动轮廓模型的成功应用,使得几何活动轮廓模型在曲线的拓扑变化、数值求解等方面有不少优势。为了全面展示活动轮廓模型的发展历程及其在医学图像领域的应用,首先简述活动轮廓模型的发展历程及一些偏微分方程的基础知识;然后,详细分析几种较为经典活动轮廓模型;接着,对两种类型的活动轮廓模型进行对比分析;最后,对全文进行总结,并对活动轮廓模型的发展与未来进行展望。     

基于区域的活动轮廓图像分割模型的变步长优化算法

基于偏微分方程图像分割的活动轮廓模型,基本思想是将图像分割归结为最小化一个封闭曲线的能量泛函,图像分割问题实质上是一个无约束最优化问题.传统最小化算法的数值实现过程中采用固定时间步长的方法,时间步长选取较大,迭代过程容易出现震荡现象影响分割结果,而时间步长选取较小,又会减慢收敛速度.利用Wolfe-Powell线搜索方法,提出了一种变时间步长的优化算法,在迭代过程中根据搜索方向自动调整时间步长大小,有效克服了固定时间步长出现的震荡现象和收敛速度慢的问题.     

一种改进的基于活动轮廓和光流的运动目标分割方法

将光流技术和几何活动轮廓模型结合起来对运动目标进行分割,一方面可以通过算法分割出运动目标轮廓,另一方面,使得算法面对背景变化的情况仍具有一定的适应性.为了更好地将二者结合起来,进行2个方面的改进;建立基于运动边缘的几何活动轮廓模型,从而克服光流计算中由弱纹理区域产生的运动空洞对分割的影响;引入边缘增强的非线性扩散作为光流计算模型中的平滑项约束,可以在平滑流场的同时减小运动边缘处平滑效果而保护边缘,进而提高运动目标分割的完整性.研究结果表明:与现有算法相比较,该算法能够更准确地分割出运动目标的轮廓,同时在一定程度上克服背景运动的情况.     

融入全局信息的局部拟合的活动轮廓模型

提出一种结合局部和全局灰度信息的图像分割模型.该模型通过引入新的控制参数,降低了局部拟合项在局部二值拟合的活动轮廓模型(LBF模型)中的主导作用,同时增加了全局信息在模型中的辅助作用,从而改进了局部二元拟合项.实验结果表明,改进的模型不仅能分割灰度不均的图像,而且提高了轮廓初始化的灵活性.针对一些合成和真实的图像,改进的模型减轻了对轮廓初始化位置、大小及噪声的敏感性,同时加快了曲线的演化速度,减少了CPU时间.     

参数轮廓模型的目标跟踪

为了减少背景噪声和不相干边缘的影响,提出了一种基于方向能量的边缘选择方法,根据边缘检测的结果和由前一帧跟踪结果得到的预测轮廓构造能量函数,通过最小化能量函数进行轮廓跟踪,由于能量函数包含了预测轮廓和目标边缘信息,使得在跟踪目标轮廓变化的同时,又能保持目标形状的稳定性。实验表明:提出的跟踪方法可以在复杂背景下准确跟踪目标轮廓。     

基于3D活动轮廓模型的缺陷点云分割方法

提出一种基于3D活动轮廓模型的缺陷点云自动分割方法,通过扩展数学形态学方法构造符号距离函数估算点云的平均曲率,并应用中值滤波方法去除点云噪声对曲率估算精度的影响,避免了点云的一致性法矢估算和三角网格重构,在保证点云分割精度的同时有效提高了计算效率.应用结果表明本文方法能够有效处理点云缺陷并实现大规模散乱点云的快速分割.     

基于改进式主动轮廓模型的序列超声心动图左室短轴轮廓跟踪

提出了一种序列超声心动图左室短轴轮廓跟踪方法.运用改进式主动轮廓模型算法并结合帧间图像配准原则逐帧进行轮廓提取,从而实现序列超声心动图左室短轴轮廓跟踪.该方法的突出特点是在复杂的心脏运动条件下解决左室短轴运动的序列图像轮廓跟踪问题.从实验结果可以看出,该方法能够比较准确地跟踪序列超声心动图左室短轴轮廓.     

基于改进几何活动轮廓模型和Kalman滤波的目标跟踪方法

针对几何活动轮廓模型在跟踪时初始化的影响和收敛不准确的问题,将帧间差分和统计量假设后得到的目标外接矩形作为曲线初始值;引入一个强制项,提出一种改进的几何活动模型方法进行目标轮廓拟合,完成检测;结合目标物轮廓曲线和Kalman滤波器实现运动跟踪。试验结果表明:以车辆目标外接矩形作为初始化曲线,可简化初始化工作,加快车辆目标的轮廓曲线收敛速度;在收敛过程中引入了一个水平集函数的强制项,可使曲线准确演化到对象边缘的凹陷部分,增强曲线的收敛能力;在运动视频对象的准确轮廓基础上,可更准确地跟踪车辆目标。     

一种改进的水平集主动轮廓模型

通过统计具有图像增强能力的局部区域信息,提出了一种改进的水平集主动轮廓模型.结合非负核函数和具有矫正图像误差特点的灰度集群思想,定义了一种新的符号压力函数(SPF),此函数能够很好处理灰度不均匀、对象边界不明确的问题.并且,引入惩罚项,确保水平集函数的适应性.真实图像和合成图像的实验结果表明,该模型收敛迅速,具有抗噪性,对分割目标图像敏感,能够处理弱边界的多目标图像.     

参数活动轮廓模型算法优化研究——特殊循环矩阵LU分解的应用

活动轮廓模型(Active Contour Model-ACM)由Kass等人在1987年提出,它是—种可形变模型,从预先设置的初始轮廓出发,在一定的约束条件下,通过逐步形变的搜索过程,最终获得一条预先定义的、一种能量函数最小化的轮廓线.逐步形变搜索的过程,通常有数值迭代、贪心算法、动态规划法等,其收敛到理想边界的时间长.采用一种对三轴对称Toeplitz矩阵,实现LU分解及追赶法解线性方程组的方法对参数活动轮廓模型进行优化,大幅度减少形变时间.