基于多标记图分割的遮挡下多目标分割及跟踪算法

针对遮挡下的多目标分割及跟踪问题,提出一种新的方法,其将空间-彩色混合高斯模型融入到能量函数最小化框架中。当遮挡没有发生时,为每个目标分别构建一个空间-彩色混合高斯形状描述。一旦多目标相互遮挡发生,一个多标记能量函数将在相互遮挡区域建立起来,而后利用多标记图分割技术将其最小化,从而实现对遮挡过程中所有目标进行同时标记和定位。此外,利用多个视频序列证实了所提出算法的性能。     

融合目标轮廓和阴影轮廓的SAR图像目标识别

针对合成孔径雷达图像目标识别问题,在基于图像成像模型分析基础上,提出了一种融合SAR目标轮廓和阴影轮廓的目标识别算法.首先提出了一种基于去控制标记符的SAR图像分割算法,得到SAR图像目标轮廓和阴影轮廓,然后用这2种轮廓融合,用傅立叶描述子将二维数据转为一维数据,最后用基于串接准则的融合算法得到识别结果,进行SAR目标识别.基于MSTAR的实验结果验证了本算法的有效性.实验结果证明:目标轮廓和阴影轮廓的结合,除反映本身包含的局部空间结构信息外,还能反映SAR目标的高度信息,较单一轮廓特征,是一种更为稳健的特征.     

基于模糊C均值聚类能量最小化的超声图像分割

 提出了基于模糊C均值能量最小化的活动轮廓模型.该模型首先对待分割图像进行模糊C均值聚类得到前景和背景的模糊隶属度值,然后将待分割目标的局部像素信息和它的隶属度值作为活动轮廓模型的水平集函数的初始值,改进了传统的求解Euler-Lagrange方程使活动轮廓的能量极小化的模型,利用快速算法直接计算模糊C均值能量最小化驱动传统活动轮廓模型的曲线演化.将提出算法与经典的活动轮廓模型分割算法比较,对仿真和临床的超声图像分割实验结果表明：提出算法能很好地分割像素不均匀、边界模糊、含有斑点噪声的超声图像,具有较好的分割性能和较快的分割速度.     

基于改进粒子群优化算法的图像分割

针对当前主动轮廓模型难实现图像高精度分割的问题, 以获得更理想的图像分割结果为目标, 提出一种基于改进粒子群优化算法的图像分割方法. 首先分析传统主动轮廓模型, 指出其存在的局限性; 然后建立能量最小化控制点的泛化函数, 采用粒子群优化算法对泛化函数的最优值进行搜索, 根据所有的能量最小化控制点实现图像分割; 最后采用标准图像库与传统图像分割方法进行对比测试. 测试结果表明, 相对于传统方法, 该方法能更精准、 快速地分割图像, 并有效抑制图像中的噪声干扰, 可获得理想的图像分割效果.     

基于Hermite样条轮廓模型的图像轮廓提取

提出了一种采用Hermite样条曲线拟合方法与主动轮廓模型相结合的方法．采用Hermite样条轮廓曲线作为描述主动轮廓线的基函数，给出了这种轮廓模型的能量表达式，利用动态规划技术实现能量最小化的优化过程．采用传统的主动轮廓模型与本文方法分别对两幅颅脑图像中的病变区域提取轮廓，对比实验结果表明，采用Hermite样条轮廓模型可以取得更加令人满意的效果．     

主动轮廓线模型在频域距离约束下的行为研究

针对传统主动轮廓模型在目标检测中存在的不足,对传统Snake算法进行了改进,用轮廓和目标间的频域距离来构造内力.分别研究了在单纯频域距离约束下和频域距离与图像力共同作用下Snake的变形行为.研究表明,在单纯频域距离约束下Snake能变形到目标、能量趋最小化,而在频域距离和图像力共同作用下Snake不能变形到目标.提出一种新的变参数Snake算法,该算法的变参数方式是让频域距离和图像力在Snake变形的不同阶段起作用,实验结果表明新的Snake算法可以变行到目标.     

融入形状先验的马尔科夫图像分割

在马尔科夫(MRF)图像分割框架中融合形状先验约束,把图像分割问题作为最大后验(MAP)估计的一个马尔科夫随机场,在本质上,相当于最小化吉布斯能量函数.然后通过通量最大约束将形状先验信息合并到吉布斯能量函数,最后用图割技术最小化使吉布斯能量函数达到最优解,促使分割轮廓接近给定的形状模板.实验结果表明,算法效率得到了提高,分割效果得到了很大的改善.     

采用轮廓片段空间关系实现遮挡目标识别

为了实现高比例遮挡情况下的目标识别,提出一种基于轮廓片段空间关系的目标识别算法.首先,在采用轮廓的形状上下文特征进行粗匹配的基础上,对模板图像和待识别图像分别进行图像骨架关键接合点的提取和轮廓形状质心的提取.然后,以图像像素中心点为原点建立坐标系,以图像骨架关键接合点和轮廓片段质心在各自图像建立的坐标系内的位置确定空间关系.最后,制定空间关系参数约束标准,筛选满足空间关系约束准则的目标库图像为最后识别结果.与现有遮挡目标匹配算法相比,该算法可以实现高比例遮挡情况下的目标识别,在目标遮挡比例为60%的情况下,识别率可达到78%.     

基于运动轮廓标记提取的分水岭运动目标检测

针对运动目标差分相乘产生的空洞问题,提出了一种基于运动区域轮廓信息和自适应标记约束的分水岭运动目标检测新算法,来实现移动机器人平台上较大运动目标的完整检测.首先,结合相位相关法和Fourier-Mellin变换配准图像的缩放和平移量;然后,利用运动区域轮廓信息和分层投影法来提取前景和背景标记.先通过连续三帧配准图像差分相乘方法检测出运动区域轮廓,并结合形态学腐蚀、膨胀操作和投影法生成前景和背景标记模板;再将前景和背景标记模板分为若干层,通过水平投影得到每一层轮廓的边界点,并按一定方式连接得到前景和背景标记;最后,根据重构的梯度图像,用标记约束分水岭分割出完整的运动区域.实验结果表明,该算法能够准确完整地分割出规则和非规则运动目标,具有较好的实时性.     

融合全局图像信息的局部灰度拟合模型

[目的]研究提高基于局部区域信息的活动轮廓模型对轮廓初始化和强噪声的鲁棒性.[方法]以区域可变灰度拟合模型为基础提出了一个新的结合图像全局信息的局部灰度拟合模型.新模型的能量泛函包括3项:基于图像全局和局部信息的数据项、融合边缘指示函数的光滑项以及水平集函数的正则化项.通过变分法和梯度下降流方法得到水平集函数的演化方程.数值实现采用有限差分法.[结果]所提模型不仅能够有效地分割灰度不均图像、深度图像等多类图像,而且对轮廓初始化和强噪声具有更强的鲁棒性.[结论]实验结果表明该方法是有效的.     

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。     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于链码的原木端面图像检尺径识别算法

根据原木端面图像的获得方式及其特性,改进了方向链码的轮廓跟踪技术,提出了从图像中心点开始竖直往下扫描获取跟踪起始点,并在约束条件下自动寻找端面图像目标轮廓的算法,此算法大大提高了原木端面图像的轮廓跟踪效率.原木端面为类圆形图像,根据获得的目标轮廓的链码序列和边界点的坐标信息,提出了确定原木端面图像目标轮廓的圆心及最短径等一系列检尺参数的方法.     

视觉注意特征的变分水平集图像分割模型

针对传统主动轮廓模型较低的鲁棒性能和对先验知识融合能力的不足,基于视觉注意机制的先验知识和曲线演化的理论框架,首先建立图像底层视觉显著性特征的数学模型,在此基础上提出新的曲线演化能量泛函模型,然后对该能量泛函采用变分水平集方法进行推导,得到曲线演化的偏微分方程,数值实验表明该模型相对于经典主动轮廓模型具有更强的抗噪性与分割效率.该模型的提出为进一步在主动轮廓模型中引入更高层次视觉显著性特征、得到更优越的分割模型打下了基础.     

控制活动轮廓演化的快速图像分割方法

针对目前图像分割方法较难精确、 快速地实现图像分割的问题, 提出一种控制活动轮廓演化的快速图像分割方法. 首先用外部能量与内部能量加权和作为曲线能量函数, 用封闭曲线外部与内部能量建立活动轮廓波模型； 然后用最优路径移动更新曲线能量, 获取所需图像分割目标； 最后引入粒子群优化算法获取全部初始轮廓点的最优控制点, 根据最优控制点控制活动轮廓演化达到实现目标图像准确分割的目的. 实验结果表明, 该方法的图像分割精度明显高于目前典型的图像分割算法, 提高了图像分割的抗噪性能及图像分割速度.