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.     

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.     

一种基于snake模型的边缘轮廓提取的改进算法

snake模型的引入是近代数字图象处理领域的一次革新,该模型对计算机视觉产生了重大影响并受到了广泛的关注,但由于snake模型本身存在许多不足,尤其是全局最小能量的欠稳定性和收敛速度缓慢等问题,使得snake模型的应用受到一定制约.本文提出了一种基于snake模型的边缘轮廓提取的改进算法,该算法主要采用对目标轮廓的中心坐标进行跟踪,同时保持原封闭图象的相关特性,并利用轮廓中心坐标和目标轮廓的相互关系,更快更准确地实现对目标轮廓的迭代,从而加快用sanke模型实现轮廓提取的速度.     

基于多阶段向量场的活动轮廓模型

传统的基于向量场的活动轮廓模型不能准确地提取复杂形状边界,尤其当初始轮廓曲线在目标边界外部、提取复杂的凹形边界时,常遇到"平衡点"问题.为此,文中提出了基于多阶段向量场的活动轮廓模型.首先在离散化的轮廓曲线上取一些样本点,并按其法线方向将它们映射到目标特征点;然后由传统向量场和映射产生的向量场得到一个加权平均的向量场,将轮廓曲线在该向量场中演化,若轮廓曲线未完全收敛到边界,则在未收敛的轮廓曲线上取新样本点,按前面方法计算出新的向量场.经过在多阶段向量场中的演化,轮廓曲线最终收敛到目标边界.实验结果表明,相比于传统方法,文中方法更有效.     

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。     

基于块模型的目标检测综述

目标检测是计算机视觉研究领域的一个重要问题,在图像检索和视频监控等方面具有重要的研究意义和广阔的应用前景.综述了块模型在目标检测中的应用进展和展望,首先,对目标检测的基本表示方法进行总结;然后重点介绍了块模型在目标检测中的应用进展;最后,讨论了块模型在目标检测中存在的困难和挑战.     

基于Snake和动态规划优化的屋顶轮廓提取算法

提出一种从数字图像中提取建筑屋顶轮廓方法,该方法基于snake算法的能量函数表示图像建筑屋顶轮廓,并利用动态规划函数(DP)进行优化.在思想上建立建筑屋顶轮廓模型,利用内部能量和外部能量相结合表示snake能量函数,并构建边缘能量函数.利用DP对构建的snake建筑轮廓模型优化,通过种子点的确定对轮廓进行初始化,借助鲁棒线性回归技术获取多边形边界,根据边缘点主方向的鲁棒回归技术拟合直线方程式,结合线性回归算法得多边形新的顶点,并通过多次最小能量函数迭代处理发现最优轮廓.通过对实验结果的视觉检查和数值分析评估,与基于变分方法相比,本文算法能够获得较好的收敛效果,对提取建筑屋顶轮廓具有很大的潜在意义.     

面向智能视频监控系统运动目标检测的轮廓提取方法

针对传统的混合高斯模型方法易受干扰、运算量大的缺点,提出了一种应用于智能视频监控系统运动目标检测的轮廓提取方法.首先介绍了常用的运动目标检测方法;接着描述了传统的混合高斯模型方法,分析了该方法在目标检测方面存在的缺点,提出了一种新的轮廓提取方法.以过程为像素块混合高斯模型方法提取前景目标,采用数学形态学方法进行前景连通,Freeman链码寻找轮廓,Douglas-Peucker算法拟合轮廓,图像矩提取目标轮廓质心;最后对所提出的方法进行实验验证,并与传统混合高斯模型方法进行比较,实验结果证明,所提出的方法能更有效地滤除噪声,更准确地提取出目标轮廓.     

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.     

结合自适应形态学梯度和区域信息的彩色图像分割

随着图像处理技术的发展,图像分割技术也日趋走向成熟,但是传统的分割方法很难实现全局分割,对目标边缘的检测存在漏检以致于无法实现有效的精确的分割,基于自适应形态梯度和区域信息的图像分割算法能弥补这些缺陷。为解决这个问题,我们提出了边缘检测采用自适应形态梯度的方法,区域信息的检测采用Chan－vese模型的最小化准则思想,把演化曲线放在一个控制的轮廓范围内不断演化,直到检测到目标物体为止,实验结果表明,该模型能停止在目标物体的边界,能检测到目标物体的凹陷区域,克服了目标边缘漏检问题,提高了分割的准确性。     

WaterBalloonsSnake模型的数字图像轮廓提取算法

为解决数字图像如左心室MRI图像存在着弱边缘、与周围组织之间的低对比度区域的特点,传统的Snake模型算法分割数字图像,出现变形曲线泄漏现象这一问题,提出一种改进的Balloons Snake模型-Water Balloons Snake图像分割算法.该算法利用数学形态学理论自动获取左心室数字MRI图像的重心以及边界形状变化允许空间,采用分水岭变换算法获取图像轮廓内壁分水岭线,并以此作为Snake数字模型的初始样条曲线进行进一步轮廓捕获.以小香猪左室加标记MRI数字医学图像作为应用研究对象,对比了几种模型的不同处理结果.实验表明WaterBalloons Snake模型算法比经典Snake模型或Balloons Snake模型算法能够更有效地处理变形曲线泄漏问题,并且具有较快的收敛速度.     

基于边缘保护扩散的梯度矢量流测地线活动轮廓模型

针对梯度矢量流测地线活动轮廓(gradientvectorflowgeodesicactivecontour,GVFGAC)模型对弱图像边缘敏感,轮廓演化难以进入目标细长的凹部,容易陷入局部极小值的问题,提出了一个基于边缘保护扩散的梯度矢量流测地线活动轮廓模型.在新模型中,采用各向异性扩散方式构建一个新的梯度矢量流场,使活动轮廓能够有效地克服弱边缘的干扰,收敛到期望的边缘位置.实验结果表明,与GVFGAC模型相比,新模型能够获得较好的分割结果,综合性能优于GVFGAC模型.     

基于边缘检测的溢水标记分水岭算法

针对已有标记分水岭算法存在的过分割问题,提出一种基于边缘检测的溢水标记分水岭算法。首先,对遥感影像进行相位一致边缘检测,获取边缘信息。然后,基于获取的边缘信息进行区域增长,检测对象区域的微弱边界,并改善对象边界的位置精度。最后,利用提出的溢水模型生成新标记继续增长,直到得到最终分割结果。在卫星影像和航空影像数据集上的实验结果表明,所提出的算法有效地抑制了过分割现象,能够准确的提取对象区域。     

基于模糊规则自动获取的模糊主动轮廓模型

为了引入更多的不确定性先验信息来指导轮廓提取,首先提出了一种新的模糊主动轮廓模型(FuzzySnake),然后针对模糊主动轮廓模型中模糊推理规则难以确定的问题,提出了一种改进的遗传算法———多种群共生遗传算法,并用于相关模糊规则的自动获取,最后给出了用新的模糊主动轮廓模型从人工合成图像、加噪测试图像和实际的超声图像中提取目标轮廓的实验结果.实验表明,在模糊主动轮廓模型中利用多种群共生遗传算法进行模糊规则自动获取,不仅能有效克服模糊规则需向领域专家学习才能获取的局限性,而且能有效地降低传统模型对噪声的敏感性,使模型的参数调整得以简化.     

一种改进的局部区域特征医学图像分割方法

水平集分割方法中的Chan-Vese模型能够处理具有模糊边界和复杂拓扑结构的图像,但没有充分利用图像局部灰度的变化信息,致使其不能准确分割强度不均匀物体。针对这一问题对模型做了改进,引入局部灰度均值替换全局均值,以边界指示函数作权进行加权长度积分,加入使用双阱势的距离正则项来避免水平集重新初始化。试验结果表明:改进后的模型能够有效提高分割精度与效率,可以有效应用在医学图像的分割领域。     

超声图像的半自动分割

提出了超声图像半自动分割的一种新方法。其基本思想是通过引入一种新类型的力场和一个控制点插入策略 ,将用户交互作为一个重要因素与 B样条蛇模型的搜索过程相结合 ;并可通过交互学习 ,实时地训练蛇模型的纹理统计参数 ,达到用户满意的分割结果。算法特别适用于必须经过用户交互的连续切片的分割。实验结果证明了算法的快速性和可靠性。     

基于时空特性的运动目标检测算法研究

采用时序分割虽然能够检测到运动目标区域,却不能准确地提取出目标轮廓．本文提出了基于时空特性的运动目标检测算法．由背景减法检测到运动目标的位置、形状、大小信息,然后采用以彩色梯度为外部能量的活动轮廓（snake）算法获得准确的运动对象轮廓．实验证明,本算法能够很好地提取出运动目标．     

基于模糊核聚类图像分割的气体泄漏定位研究

针对传统泄漏检测和定位方法中低效性和低抗干扰性等方面的问题,提出了一种基于红外热像图的气体泄漏检测和定位的方法. 该方法利用红外热像仪拍摄充气前后被测容器的红外热像图,并对获得的热像图进行图像增强和加权差分处理,提出基于带有温差因子的模糊核聚类分割算法来处理容器的红外热像图,对泄漏位置及边界的提取. 通过引入与目标区域温度范围相关的参数-温差因子,对于不同温度范围热像图的噪声具有良好的自适应抑制能力,增强了图像分割的鲁棒性. 实验结果表明,该方法准确并且高效,能够获得准确的泄漏检测及定位结果,泄漏检测能力可达到10 mL/min(@0.1 MPa).      

基于PS-Level Set的嘴唇几何形状定位模型

针对面向唇读的水平集模型在嘴唇分割中存在边界过收敛和过早收敛的问题,文中提出了一种改进的基于先验知识的水平集模型(简称为PS-Level Set)来进行嘴唇几何形状的定位.PS-Level Set模型利用改进的差值能量函数引入嘴唇形状的先验信息.在曲线演化过程中,反复比较演化曲线和先验曲线的差距,使曲线的演化形状逐渐逼近先验模型形状,从而更精确地收敛于目标物体实际轮廓.实验表明,用PS-Level Set模型定位嘴唇几何形状的准确率比用水平集模型提高了8.38%.     

基于PS-level set嘴唇几何形状定位模型

针对面向唇读的level set模型在嘴唇分割中存在边界过收敛和过早收敛的问题,本文提出一种改进的基于先验知识的水平集模型（Prior Shape -level set,简称PS-level set）来进行嘴唇几何形状的定位。PS-level set模型利用改进的差值能量函数引入嘴唇形状的先验信息。在曲线演化过程中,反复比较曲线和先验曲线的差距,使曲线的演化形状逐渐逼近先验模型形状,更精确地收敛于目标物体实际轮廓。实验证明用PS-level set模型定位嘴唇几何形状的准确率比level set模型提高了8.38%。