基于改进GAC模型的钢丝绳图像检测方法

目的针对测地线活动轮廓模型易受初始位置选择限制,处理弱边缘效果较差的问题,提出一种改进测地线活动轮廓模型.方法首先,将局部二元拟合的能量函数中引入图像的局部和全局方差信息,避免其在处理复杂图像时易陷入局部最小值;其次对该能量函数进行归一化处理,代替原来测地线活动轮廓模型的边缘停止函数;最后,驱使轮廓曲线运动到钢丝绳图像中的损坏区域的边缘处.结果改进后的模型能够有效地分割出钢丝绳图像中的轮廓和损坏边缘,以人机交互的形式提取轮廓部分和损坏部分,计算相应的面积,获得缺损度,实现钢丝绳的故障检测.结论笔者所提出的改进GAC模型可以简单、便捷的检测出钢丝绳故障缺损度,同时也证明了该模型在解决钢丝绳图像检测问题时具有较高的精度.     

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.     

测地线主动轮廓模型在图像分割中的应用

Snake模型在图像分割中的应用主要有以下的缺陷:对初始位置敏感;实现曲线的拓扑变化比较困难。测地线主动轮廓模型是一种几何主动轮廓模型,在解该方程时采用LevelSet方法,这样曲线不管怎么演化,水平集函数总保持某种性质。通过实验表明,该模型受初始位置影响不大,而且能很好处理多目标物体分割问题,同时在遇到模糊的图像边缘时,可以利用曲线的几何结构信息,来获得图像的边缘。     

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.     

基于边缘扩散信息拟合的测地线活动轮廓模型

针对测地线活动轮廓模型对轮廓初始化敏感的问题,提出一个基于边缘扩散信息拟合的测地线活动轮廓模型.首先定义了一个与图像边缘法线方向的二阶导数相关的扩散方程,通过求解这个扩散方程获得边缘扩散信息,利用这种边缘扩散信息构建了一个新的力场;然后由该力场驱动活动轮廓演化,使活动轮廓可以从边缘的两侧向真实目标边缘逼近,最终收敛到期望的边缘.本文模型采用一种快速有效的数值方法实现,水平集函数在整个演化过程中无需重新初始化,活动轮廓演化速度得到显著提高.一系列的人工和真实图像的实验结果表明,本文模型不仅对于初始轮廓的位置选择不敏感,并且可以分割弱边界目标、具有复杂几何结构的目标和带有孔洞结构的目标,综合性能优于一些传统算法.     

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.     

基于改进LGDF模型的超声图像自动分割方法

基于局部高斯分布拟合能量(LGDF)模型的图像分割方法,对初始轮廓选取及参数选择较敏感.如果初始轮廓手动选取不当会由于陷入局部极小值而导致分割失败,且分割速度较慢.针对以上不足,提出了一种改进的LGDF模型的超声图像自动分割方法.该方法的正则化项由具有双极值点的势函数构成,在水平集函数进化过程中,可以避免由单极值点势函数造成的水平集函数震荡和扭曲,从而加快了收敛;另外,将局部熵阈值分割的结果作为LGDF模型的初始轮廓,接近真实轮廓,可以克服手动选取初始轮廓的影响.实验结果表明,该方法能自动获取合适的超声图像初始轮廓,并得到较好的分割结果,同时大大提高了分割速度.     

基于测地主动轮廓和水平集的目标检测方法

针对传统Snake模型在进行目标检测和分割时不能处理拓扑变化以及不能反映出演化曲线的内在几何特性,提出了一种新的目标检测方法——基于水平集的测地主动轮廓模型。该方法采用改进的测地主动轮廓模型,并结合水平集方法,即用水平集函数表示测地主动轮廓模型的曲线演化方程,来模拟初始曲线沿能量下降最快的方向演化的过程。对这种新模型进行研究,将其应用于一些灰度图像的目标检测和分割实验中,实验结果表明,所提出的新方法具有良好的检测效果,对多目标进行了有效分割,并且它能清晰地反映出演化曲线的内在几何特性以及具有良好的拓扑处理能力,这些特性是传统Snake模型所不具有的。     

改进LIC模型的甲状腺结节超声图像分割算法

针对传统LIC(Local Intensity Clustering)模型在分割灰度不均匀图像时速度慢、精度不高且对初始轮廓位置敏感的缺点,提出了改进的LIC模型并将其用于甲状腺结节超声图像的分割.结合高斯概率分布引入局部方差变量构建新的局部灰度描述形式,将水平集演化设置在窄带范围内,以提高分割精度和速度;将标记分水岭算法获得的分割结果作为改进模型的初始轮廓,克服传统模型对初始轮廓敏感的缺点.对比实验结果表明,该改进模型能实现对甲状腺结节超声图像的快速自适应分割,并且在精度与分割速度上都较传统LIC模型有很大提高.     

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。     

基于改进活动轮廓模型的超声图像分割

活动轮廓模型被广泛应用于医学图像分割之中，文中提出了一种改进的快速活动轮廓分割法。原算法在优化过程中容易缩成一点，其初始轮廓必须给定在图像边缘附近，改进的快速活动轮廓算法给出了不同于原算法的内部能量函数，并增加一自适应的约束力，扩大了算法捕捉图像特征的范围。实验结果表明：该算法快，能在更大的范围内捕捉图像特征，是一种有效的分割超声图像的算法。     

使用测地线活动轮廓模型的合成孔径雷达图像分割方法

为解决经典的测地线活动轮廓(geodesic active contour, GAC)模型在合成孔径雷达(synthetic aperture radar,SAR)图像上不适用的问题,在原GAC模型的基础上提出一种新的分割方法。首先在ROEWA算子进行边缘检测的同时使用Frost滤波器对图像进行负指数加权,形成边滤波边检测的模式,提高了算子的边缘检测与定位能力;然后使用经验阈值对ROEWA强度进行二值化,提高了曲线演化的速度与精确度;最终使用二值化的改进后ROEWA算子替代原GAC模型中的全局梯度项作为边缘指示函数引导图像分割。实验结果表明,针对仿真SAR图像及真实河流SAR图像,分割效果与参数指标都有明显提升。     

基于主动轮廓模型的合成孔径雷达图像分割方法

针对合成孔径雷达(synthetic aperture radar,SAR)图像中的乘性相干斑噪声影响分割效果的问题,提出了一种基于主动轮廓模型的分割方法。该方法将改进的细节保持各向异性扩散(IDPAD)滤波和SBGFRLS模型相融合,构造了一个边迭代演化边抑噪的改进的演化微分方程。在每一次迭代演化中,先借助改进的演化微分方程演化水平集函数,然后利用高斯滤波器正则化水平集函数,最后通过检查水平集函数的收敛性判定分割是否完成。实验结果表明,与经典的分割方法相比,本文方法在保护边缘的同时减少了乘性相干斑噪声对SAR图像分割的影响,减少了误检轮廓,且对初始轮廓不敏感。     

多分辨超声心动图像分割模型

提出了一种新的基于水平集的多分辨空间超声心动图像分割模型，该模型在粗尺度上实现预分割，然后通过解传递方法将结果传递到细尺度上进行优化分割．在粗尺度上采用基于区域的高斯噪声模型分析图像，并和测地线模型相结合实现预分割，预分割结果表明了组合模型能自动和精确地提取边界．提出了基于数学形态学算子的尺度间快速解传递方法，该方法不需要进行插值运算，避免了常规方法效率低的问题．在细尺度上提出了一种局部活动轮廓优化模型，定义了新的基于局部亮度的目标函数．优化后的平均相似性从0．9862提高到0．9985．对左心室图像的分割实验证明了多分辨模型和常规方法相比具有更好的精确性和鲁棒性．     

改进的ChanVese活动轮廓模型

针对ChanVese模型计算量大和分割时间长的问题,提出了一种改进的ChanVese活动轮廓模型.该模型将水平集规则式融入ChanVese模型中,使水平集函数始终保持在符号距离函数附近,避免了重新初始化过程,减少了模型的计算量,同时改变了水平集函数的初始化函数,这更有利于新曲线的产生.实验结果表明,该改进模型具有一定的...     

基于改进CV模型的金相图像分割

对金相图像进行快速精确分割是金相晶粒评级的关键步骤,利用传统Chan-Vese(CV)模型很难将晶粒精确地提取出来.为了更加精确地对金相图像进行分割,提出一种基于改进CV模型的金相图像分割方法.初始化水平集函数,对曲线内外两部分分别计算其倒数坎贝拉距离,并将该距离的大小作为拟合中心的权重系数,有效抑制了噪声点对区域拟合中心准确性的影响;引入指数熵自适应调节曲线内外能量权重,减少固定能量权重对曲线演化的影响;同时加入距离规范项以避免水平集函数的重新初始化,加速该模型的收敛.实验结果表明,与传统CV模型、测地线活动轮廓模型、距离规范项的水平集模型以及偏置场修正水平集模型相比,所提方法分割出的金相图像更加精确,分割效率较高且模型收敛性较好.     

一种测地线活动轮廓模型的预处理方法

为解决测地线活动轮廓模型在图像分割中的平滑预处理以及图像梯度的计算,并提高水平集方法实现该模型时构造符号距离函数的速度,通过对Gaussian函数以及差分运算的讨论,提出了一种基于sobel算子图像预处理方法,并通过对8-邻域点性质的分析,给出了一种基于邻域扫描的符号距离函数计算方法.实验结果表明,Sobel算子可以同时实现图像的平滑处理并计算梯度,而且降低了差分计算梯度的时间复杂度,而邻域扫描方法相比其他符号距离函数的构造方法能够提高模型算法的执行效率.