对复杂边缘检测的Snake改进算法

针对Snake原始模型对包含凹陷形状目标或信噪比较低的图像边缘检测结果差的问题,通过对复杂形状目标及含噪声图像的特性研究,从能量函数和迭代策略两个方面对Snake原始模型进行改进,增加了新的控制能量,并对各能量因素的影响权值进行了讨论,同时对蛇点采用了动态分布方法,以适应不同的目标形状特性.仿真结果表明,改进后的Snake模型较原始模型大大减弱了对蛇点初始位置的依赖,并在一定程度上有效地克服了图像噪声对迭代算法的影响,提高了对复杂目标的边缘检测性能.     

基于小波分析与Snake模型的图像边缘检测方法

利用小波分析理论和GVF(梯度矢量流)Snake动态轮廓模型方法,提出了一种图像边缘检测的新方法-WVF(小波变换矢量流)Snake模型。计算机模拟表明,该方法克服了小波分析方法得到的边缘不连续的缺点,同时比GVFSnake模型具有更好的抗噪性。从而提高了动态轮廓模型方法检测复杂图像边缘线的能力。     

序列超声图像边缘检测与跟踪的改进Snake模型

提出了一种序列超声图像边缘检测与跟踪的离散动态模型.在基于动态规划的Snake模型中,引入目标边缘的形状信息改进了内部能量约束形式;充分利用序列图像相邻层间的灰度相关信息弥补了传统Snake模型中图像梯度能量对噪声敏感的不足.实验结果表明,改进的Snake模型仅需少量的用户交互就能快速、准确地从超声序列图像中检测、跟踪出目标物体的边缘,在医学图像分析中具有一定的实用价值.     

一种改进Snake模型的边缘检测算法

在心脏核磁共振图像分割研究中,针对传统的Snake模型存在的问题,提出改进的Snake模型及其二阶段贪心优化算法。对人工合成图像和真实心脏MRI图像实验表明,改进后的模型具有如下特点：内部能量项物理意义直观清晰,且易于实现;对初始轮廓不太敏感,收敛范围扩大,且收敛速度提高,具有实际应用价值。     

基于Snake模型的B超心脏图像的腔体分割及算法研究

采用一种Snake模型,针对B超心脏图像的高噪声,选择并改进与适应的去噪技术和边缘算子等预处理,完成对心室心房的分割,从而为提高心室、心房的定量分析精度有重要意义。     

一种基于改进Snake模型的边界检测方法

基于原始Snake模型提出一种改进Snake模型的边界检测方法. 该方法通过引入一个能自动控制外力大小的权值, 令其与图像梯度大小成正比, 通过Laplace算子将梯度信息扩展到更远的均匀区域, 扩大了Snake演化曲线的搜索范围, 使演化曲线在加权外力的作用下能进入到目标深度凹陷的区域. 通过OpenCV实验表明, 改进的Snake模型能较好地收敛到待分割目标深度凹陷的边界, 同时提高了收敛速度, 改善了原始Snake模型难以捕获凹陷边界的问题.     

一种改进的Snake模型

Snake模型对初始位置敏感,因此要求初始轮廓应尽可能地靠近真实轮廓,否则结果常达不到要求。使用Snake模型分割序列图像时,常常利用连续图像的相关信息来获取某一图像的初始轮廓,这样获得的初始轮廓有时不仅不靠近真实轮廓,而且它的一部分在真实轮廓内,而另一部分在外。针对该问题做了研究,极大地放宽了初始轮廓选取条件。     

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。     

基于改进的Snake模型的眼细胞彩色图像边缘检测算法研究

在前人研究的Snake模型上提出了适应彩色眼细胞图像边缘检测的改进的Snake模型，该改进模型选取了有益的能量项．舍去了刚性能量项．并在面积能量项的计算上进行了一些改进．在图像力能量项上采用把单通道灰度图像处理方式推广到真彩色RGB三通道的方法．获取彩色图像力能量项．在轮廓初始化时的受控点逆时针排序上给出了行之有效的算法．最后采用贪婪算法最小化总能量．在彩色眼细胞边缘检测上取得了较为明显的效果。     

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.     

用于心肌细胞边缘检测的Snake算法研究

针对现有Snake算法易受噪声干扰、缺乏外部约束力、不能收敛于凹点等缺陷,提出了采用自适应外约束力、平滑差分滤波和蛇点停止运动的准则来控制Snake的运动。可克服已有Snake算法的缺点,同时编程简单,运算速度快。将其用于活体心肌细胞的边界跟踪,取得了良好的效果。     

一种改进的B-Snake肝癌图像分割算法

针对肝癌CT图像特点,提出了一种改进的B样条曲线的Snake模型图像分割算法,该算法首先对腹部CT图像进行预处理,获得肝脏癌变部分的初始轮廓,再构造闭合B样条Snake模型,最后使用MMSE最小化外力变形模型以实现图像的准确分割。实验结果表明,该方法对于肝癌CT图像取得了肝脏癌变部分目标的良好分割效果。     

基于动态规划的最优化医学超声图像边缘提取

动态规划（DP）是一种解决多阶段决策过程最优化的方法。图像边缘提取时为了使系统输出具有最小的不确定性,考虑最优化判据是必要的。动态规划算法用于图像的边缘检测主要是获得一个图像的最低能量代价阵的过程,而图像的边缘对应于最低代价阵中的终止点和起始点之间能量梯度降低最快的路径,由此可以由最低代价阵勾勒出需要的边缘。对于质量较差的图像,可以先用梯度算子和一种LUM滤波器相结合进行预滤波。实验表明,基于该算法用于超声图像的边缘检测要获得全局最优的稳定的边缘线,是一种理想的最优化算法。     

基于边缘强度的图象分割

介绍一种根据边缘强度进行象素灰度值加权平均以获得分割门限，与一般通过友度直方图找寻分割门限以进行图象分割的方法不同，不仅能消除噪声的影响，而且对友度分布不均匀的图象通过分区处理效果更好。还详细讨论该方法的工作原理及算法．     

小波多尺度方法用于边缘检测

小波极大值有达式给出重构图像信息的一种新方法,它能从图像边缘的属性上扩展解决图像处理问题的方法,由此提出小波多尺度方法对边 进行检测和重构,实验结果表明图像近似值可以从小波模极大值点中重构,而视觉效果却不受影响。     

反馈型颜色分割在边缘检测中的应用

针对传统的边缘检测算子容易产生边缘丢失和畸变的缺点,为准确获取彩色图像的边缘,本文提出了将传统方法提取的边缘作为反馈对原始彩色图像进行初步颜色分割,根据区域内颜色信息的分布统计,进行分裂合并及均衡化处理,对颜色区域边界进行骨架细化,从而提取边缘。实验结果表明:与传统方法比较,该方法可以更有效地检测出边缘信息。     

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。