自适应形状约束Graph cuts算法在腹部CT图像分割中的应用

针对CT图像对比度低,组织边缘模糊,器官轮廓不规则等特点造成组织器官难以分割的问题,提出了一种自适应形状约束的Graph cuts算法.首先使用基于多图谱配准的分割方法分割原始图像,将得到的初始分割结果作为形状先验加入到Graph cuts算法的能量函数中,同时根据配准分割过程得到的目标概率图自适应选择形状约束项系数,最后通过最大流最小割算法分割出CT图像中的肝脏、肾脏和脾脏.实验结果表明,该方法能够较好地分割出肝脏等组织器官,有效减轻传统图割算法分割图像时造成的过分割和欠分割现象.     

基于改进的Graph Cut算法的羊体图像分割

针对羊体图像复杂背景、不均匀光照且含有大量噪声等特点,提出一种融合多尺度分水岭的改进Graph Cut分割模型.引入多尺度分水岭对图像进行预分割,将基于像素级的Graph Cut算法转化为基于区域的算法以提高分割的效率.通过标记前景和背景种子点,利用模糊C均值算法实现前景和背景区域聚类.将多尺度分水岭分割的区域作为图割的顶点,以Lazy Snapping为框架计算图的边界项和数据项,并构造能量函数,通过最大流/最小割算法求解能量函数的最小值,从而实现图像分割.通过使用不同的分割算法进行实验比较,结果表明改进的算法在准确性和高效性方面都具有很好的性能.     

基于图割框架下视频目标的自动实时提取算法

提出了一种在图割框架下自动实时的前景目标提取算法.通过混合高斯背景建模与基于颜色和局部表观的阴影判别相融合的方法,设置能量函数的数据项,并基于局部二值模型算子构建能量函数的平滑项.利用动态的图割算法,求取目标函数极值,实现视频目标的自动提取.在不同视频上对提出的分割算法进行性能测试,结果表明算法具有较好的分割性能且计算复杂度较低.     

彩色图像分割中基于图上半监督学习算法研究

提出一种新的基于图上半监督学习的彩色图像前景/背景分割模型与算法.该算法的目的是利用人工标定的部分像素点分割信息以实现对整幅图像的分割.通过结合像素点颜色特征和像素点颜色与前景/背景颜色的相似性特征,构造了新的图节点之间的双高斯权重函数,并对此提出自适应的参数选择策略与彩色图像半监督分割的能量模型,通过优化该能量模型将...     

基于双窗口区域激励的边缘提取算法

针对常用的边缘提取算法如Sobel、Lo G及Canny在实际使用过程中存在的一些问题,提出了一种对噪声和光照更加鲁棒的边缘提取算法.通过提取双窗口区域的加权灰度比值到预先设置的对比函数中,结合Sigmoid函数生成边缘图像的激励值,从而削弱了噪声和光照对边缘检测的影响.为了进一步提高边缘图像的对比度,通过引入对比度增强算法如自适应直方图均衡化来提高图像对比度.实验结果表明:采用此方法能够更好地提取出图像中的边缘信息,有效缓解了Sobel算法存在的局部细节丢失以及Lo G和Canny算法易受光照干扰产生伪边缘等问题.     

基于图像掩模和击中击不中变换的优化边缘提取算法

为了解决传统Sobel算法在边缘提取时存在的定位不准确、边缘线条较粗、细节缺失的问题,提出了一种改进算法。首先使用增加方向模板后的Sobel算子对图像进行卷积,再对梯度图像进行边缘检测得到双线条图像,并以此作为掩膜来消除原梯度图中的伪边缘,从而对边缘线宽进行细化,然后使用Otsu算法将图像进行二值分割,最后通过数学形态中基于击中击不中变换的细化对图像进行全局处理来消除图像纹理干扰点。实验表明,与传统的边缘提取算法相比,改进后的算法定位准确,边缘较细,并保持了原图像的细节。     

基于改进凸包和颜色对比度的彩色图像分割方法

基于特征对比度的显著性检测方法在处理复杂背景图像时,容易将对比度较高的背景区域误判为目标,导致分割结果不准确.为解决上述问题,提出了一种基于改进凸包和全局颜色对比度的彩色图像分割方法.首先以超像素为基本计算单元,根据图像颜色及其空间分布,计算基于颜色对比度的基本显著图;然后利用颜色增强Harris角点得到目标的凸包,并利用FH方法生成的超像素对凸包进行修正,以此为基础计算基于改进凸包的中心显著图;最后将上述2个显著图进行加权融合得到最终显著图,并使用大津法得到图像中的目标.通过在MSRA1000和ECSSD数据集上进行实验,结果表明本文算法相较于其他算法在可视效果和准确率、召回率等评价指标方面有明显的优势.     

基于改进分水岭算法和Canny算子的医学图像分割

针对分水岭算法存在的过分割问题和医学图像的特点,比较并选取了彩色分量图像梯度信息的最大值,达到提取图像有效边缘信息的目的,然后利用阈值分割方法消除无效梯度信息,并用分水岭算法处理所得到的梯度图,再结合Canny算子提取的物体边缘得到分割结果.实验结果表明:该方法能够有效消除局部极小值和噪声干扰,得到精确的分割结果.     

基于背景差分法和帧间差分法的车辆运动目标检测

针对背景差分法和帧间差分法在检测车辆运动目标时存在阴影的问题,提出一种结合背景差分法和帧间差分法去除阴影的车辆运动目标检测算法.首先采用均值法从图像序列建模获取背景,通过背景差分法对当前帧进行差分得到背景差分图,二值化得到二值图.然后利用改进Robert算子对二值图与背景差分图进行边缘检测.最后通过对两张边缘图像进行帧间差分,得到去除阴影的车辆运动目标.     

融入光度信息图割的图像轮廓提取方法

图割算法是图像分割方法中一种高效最优化的计算方法,针对图像中目标物体光照不均匀导致的分割不准确问题,本文提出了一种基于光度信息的图割方法:该方法利用彩色图像的RGB值,得到像素的颜色值和亮度值,用其平均值表示像素的光度值,将图像的光度信息融入到主动轮廓模型的能量函数中,构建新的能量函数,利用最大流/最小割算法求解新的能量函数的最优解,得到目标的轮廓;实验结果证明,该方法能够使初始轮廓较准确较迅速地收敛到目标物体的轮廓。     

基于Graph Cut算法的多株立木轮廓提取方法

【目的】在复杂的自然环境下进行目标立木轮廓提取时,容易受遮挡物影响,导致立木图像分割效果不理想。笔者提出一种基于Graph Cut算法的多株立木轮廓提取方法,可实现单张相片中多目标立木界线分割。【方法】首先通过彩色直方图均衡化实现RGB颜色空间下各个通道的图像细节增强,利用Graph Cut算法构造s-t网络图,将图像分割问题转化为能量函数最小化问题,并标记图像前背景像素实现单张相片中多株立木图像初分割; 然后将单张相片中的每株立木分割图像二值化,利用形态学腐蚀膨胀运算处理图像达到填充、去噪、平滑等目的; 在此基础上,利用改进型Canny算子边缘检测方法,用双边滤波代替高斯滤波增强边界信息得到每株立木轮廓; 最后,根据立木相对坐标不变性,利用几何重组方法实现目标立木特征表达并判断其拓扑关系,最终得到每株目标立木轮廓提取结果。【结果】为了验证该方法的有效性,本研究对自然环境下采集到的立木图像进行试验。结果表明,该方法能够在不同光照条件的复杂背景下,有效分割出每株立木轮廓,平均误分率为5.62%,假阳性率为4.49%,假阴性率为4.33%,均优于常用的OTSU分割算法(41.40%、26.73%、10.99%)、K-means聚类算法(49.97%、35.02%、11.92%)和基于C-V模型水平集法(28.43%、20.53%、13.38%)。【结论】复杂的自然环境下,利用基于人工交互的Graph Cut算法可有效分割出每株立木轮廓界,研究结果可为立木可视化重建、特征提取等提供参考。     

一种基于帧间差与图像分割的运动目标分割方法

视频图像中对运动目标进行分割是十分有意义的.传统的背景减除法和帧间差法在提取运动目标的时候各有自身难以克服的缺点.基于阈值、边缘、直方图的图像分割一般只适合于静态目标的分割.提出一种结合图像分割(Graph Cuts)和帧间差的新方法进行运动目标分割.帧间差法具有良好的稳健性,而Graph Cuts算法则弥补了帧间差无法获得完整运动信息的缺点.利用帧间差法得到不完整的运动信息对Graph Cuts进行分割约束可以准确、稳定地提取出运动目标.     

Grab Cut数字抠图方法的研究与实现

在图像处理中,关于图像分割方法的高效性研究有着重要意义.传统的图像分割方法或者是应用图片色彩的信息(全局),例如常用图像处理工具PhotoShop中的魔术棒工具;或者是利用图片边界信息(局部),如PhotoShop中的智能套索工具.Graph Cuts分割算法有效的结合在图像处理中所用到的两种图像信息.在Graph Cuts算法的基础上发展而来的Grab Cut算法,在交互工作相当简单的基础上,可以得到良好的分割结果.结合作者所研究的课题,对Grab Cut方法在图像分割部分的实现进行了比较详细的介绍.     

利用空域和时域信息自动分割MPEG-4视频对象

从视频序列中分割出视频对象是实现基于内容压缩编码方法的关键，该文提出了利用空域和时域信息实现MPEG-4视频对象的自动分割方法，利用相邻两帧的帧差和当前帧的纹理、颜色信息及面部定位、梯度滤波等技术，实现目标的初始化，再利用快速Hausdorff距离法跟踪目标．处理结果表明，该方法对处理相对静止的头肩序列图像具有较强的稳定性，处理速度较快，能取得较好的分割效果。     

基于梯度方向恒定性的运动车辆阴影检测

交通参数的视频检测是智能交通系统的一个研究重点,其中运动车辆的分割是视频检测过程中的一个关键环节。目前,运动车辆阴影的检测与剔除是准确、有效的分割出运动车辆所面临的一个难题。本文发现并证明了梯度方向恒定性原理,在此基础上提出了一种基于梯度方向恒定性的阴影检测与剔除方法。首先建立路面背景梯度矢量图,根据与当前帧图像的梯度矢量图的比较结果,判断是否是路面背景或是运动车辆,然后对运动车辆区域进行形态滤波,弥补内部空洞和剔除杂点,进而准确分割出车辆。试验结果表明,该方法适应性强,车辆分割效果好。     

基于结构相似性粗定位与背景差分细分割的运动目标检测方法

针对抖动相机和静止相机下的运动目标检测问题,本文提出基于结构相似性粗定位与背景差分细分割的运动目标检测方法。首先使用动态模式分解法根据视频序列提取彩色背景图像为粗定位提供基础,提出在小范围内利用相关法对SIFT算子检测到的当前帧图像和彩色背景图像的特征点进行匹配,通过匹配点对的偏移量估计当前帧图像的偏移程度,以达到消除图像抖动的目的;然后利用结构相似性对目标区域粗定位,减少复杂背景的干扰;再对各通道下粗定位彩色背景图像及校正后的当前帧图像背景差分并对其结果进行与操作;最后通过形态学处理得到完整的运动目标。实验结果表明：本文方法不仅有效改善了相机的抖动问题,而且在抖动相机和静止相机两种情况下的检测率有所提高,与GMM等三种算法相比查全率和准确率分别提高1.6%、3.5%和3%以上。     

基于背景差法的运动目标检测

视频序列图像中,视频分割的主要目的是要在视频序列中分割出具有意义运动对象实体.背景差法能够很好地从一段视频中提取出运动目标.可靠的背景图像的提取是该算法的关键.表述了一种新的背景提取算法,利用图像序列的灰度统计特性来提取背景图像,并利用Surendra背景更新算法根据每帧图像对背景进行更新已获得可靠的背景.然后,将当前帧与背景作差,并对差值图像进行适当处理,这样运动目标就能够被精确地提取出来.     

时空对比度引导的视频显著目标提取模型

针对经典视频显著目标提取模型没有充分利用时域显著性线索,易受背景噪声干扰,提取的显著目标不完整等问题,提出了一种在时空对比度指导下的视频显著目标提取模型.首先,自适应融合RGB颜色空间对比度和运动对比度,确定显著目标的先验信息;然后,利用当前帧的前景提取项和邻近帧位置约束项组成能量函数,指导时空显著性线索融合;最后,通...     

一种固定背景下运动视频对象的自动分割方法

提出了一种固定背景运动视频对象的自动分割方法．该方法通过互帧差四次矩检测运动对象，利用背景减除对点分类，最后用彩色分水线算法得到运动对象实验证明该方法能够对固定背景下运动视频对象进行实时自动分割．