聚类分析和活动轮廓模型相融合的图像分割算法

针对当前图像分割算法存在的分割误差大、 分割时间长及无法进行在线图像分割的不足, 提出一种基于聚类分析和活动轮廓模型相融合的图像分割算法. 首先, 对原始图像进行去噪处理, 采用聚类分析算法对原始图像进行粗分割, 将粗分割结果作为活动轮廓模型的初始轮廓线; 其次, 将活动轮廓模型根据初始轮廓线对图像不同区域轮廓进行拟合, 实现图像的精细分割; 最后与聚类分析算法、 活动轮廓模型以及当前经典图像分割算法进行对比测试实验. 实验结果表明, 本文算法克服了当前图像分割算法存在的缺陷, 提高了图像分割效率和精度, 对噪声不敏感, 并具有较强的鲁棒性, 图像整体分割效果显著优于对比算法.     

聚类分析和活动轮廓模型相融合的图像分割算法

针对当前图像分割算法存在的分割误差大、 分割时间长及无法进行在线图像分割的不足, 提出一种基于聚类分析和活动轮廓模型相融合的图像分割算法. 首先, 对原始图像进行去噪处理, 采用聚类分析算法对原始图像进行粗分割, 将粗分割结果作为活动轮廓模型的初始轮廓线; 其次, 将活动轮廓模型根据初始轮廓线对图像不同区域轮廓进行拟合, 实现图像的精细分割； 最后与聚类分析算法、 活动轮廓模型以及当前经典图像分割算法进行对比测试实验. 实验结果表明, 本文算法克服了当前图像分割算法存在的缺陷, 提高了图像分割效率和精度, 对噪声不敏感, 并具有较强的鲁棒性, 图像整体分割效果显著优于对比算法.     

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.     

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.     

基于局部统计特征约束的Snake模型图像分割方法

针对血管内超声(IVUS)图像边界模糊不清的问题,提出一种基于局部统计特征约束的Snake模型图像分割方法.首先利用IVUS图像的先验知识建立图像特征的统计信息,并以此信息构造变化的膨胀力,同时构造了轮廓曲线的内部平衡力,以此构造新的Snake模型,然后利用该模型进行图像分割.实验结果表明,该Snake模型对初始轮廓依赖性小,对噪声不敏感,能准确分割出具有模糊边界的目标图像.     

基于改进活动轮廓模型的人脸分割

人脸图像往往轮廓边界模糊、梯度不明显,常规活动轮廓模型通常无法获得理想的分割效果。为实现准确的人脸轮廓定位及分割,结合人脸检测、活动轮廓模型和数学形态学算子提出一个基于曲线演化的人脸分割方案,并提出一个改进的活动轮廓模型,有效提高了人脸轮廓定位精度和算法收敛速度。实验结果表明该模型可以有效地检测出局部模糊或分断边界而且演化曲线不会断裂,能够获得较好的人脸分割结果;此外,本文提出的C-V模型的窄带实现方法使计算量减少60%。     

基于余弦拟合和变指数的p-Laplace正则化的活动轮廓模型

利用余弦拟合能量作为传统活动轮廓模型的数据拟合能量项,并结合变指数的p-Laplace方程,提出了一种新的基于区域的活动轮廓图像分割模型.该模型可以分割复杂图像,变指数的p-Laplace函数可以有效的处理有复杂拓扑变换的图像和准确的提取目标边界.试验结果表明,该模型能够快速准确地分割复杂图像,并且对噪声有一定的鲁棒性和对轮廓的初始位置不敏感.     

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.     

结合全局信息的LIF模型图像分割方法

针对LIF模型对初始轮廓敏感,CV模型对初始轮廓具有较强的鲁棒性,并且2种模型对噪声污染的图像不能取得令人满意结果的问题,在原先模型能量函数基础上,构造新的能量拟合项,增强对噪声的抗噪性.采用新的CV模型,使用图像全局信息得到粗分割结果.以粗分割轮廓作为新的LIF模型的零水平集,利用图像局部信息得到精确分割结果.同时使用一种新的边缘检测算子,重新定义边缘停止函数,进一步提高了模型的抗噪性.实验结果表明,它比CV模型、LIF模型、Chen模型和Qi模型更具优势,具有更强的抗噪性.     

基于法向力活动轮廓模型的医学图像分割

提出法向力活动轮廓模型并应用到医学图像分割中,实验结果表明该模型能扩大初始轮廓曲线收敛范围,正确分割侧脑室图像.而且,初始轮廓曲线愈接近目标真实边界,迭代次数愈少,分割速度愈快.     

基于水平集和视觉显著性的植物病害叶片图像分割

为了提高植物病害叶片图像分割的准确性和效率,提出了一种基于水平集和视觉显著性的彩色图像分割方法.首先采用基于小波变换的显著性检测算法得到活动轮廓模型中曲线演化的初始位置,并构造一个基于显著区域的图像活动轮廓模型,再设计一个向量值图像的边界检测算子,引入到距离正则化水平集演化的改造中,以构造一个初始化轮廓更灵活,演化速度更快,目标分割更精确的新的水平集能量泛函.最后的实验对比表明,该方法具有较好的叶片病害部位分割效果.     

基于边带限制的梯度矢量流主动轮廓线模型的超声图像分割

主动轮廓线模型是广泛应用于数字图像分析和计算机视觉等领域的一种目标轮廓跟踪算法，非常适合于医学图像（如CT和MRI）的处理。但将这一模型应用于超声图像的分割和目标轮廓的跟踪时，由于超声图像不可避免地存在着斑点噪声、弱边界和与组织有关的纹理，往往使传统主动轮廓模型难以获得满意的轮廓跟踪效果。为此，在梯度矢量流主动轮廓线模型的基础上，引入边带限制概念，并将该模型应用于超声图像的分割。实验表明，该方法较好地限制了非目标边缘和噪声干扰的影响，而且对超声及其序列图像具有较好的分割效果。     

基于选择性注意机制的无边界主动轮廓图像分割算法

针对现有的主动轮廓算法多为人为给定初始轮廓线的问题,提出一种基于选择性注意机制的无边界主动轮廓图像分割算法。该算法首先利用数学形态学算子对图像进行平滑预处理,然后将选择性注意机制引入到基于区域的无边界主动轮廓模型中,对单目标和多目标图像分别采用基于显著图的方法以及基于选择注意与小波变换相结合的方法进行掩膜初始化,最后应用水平集方法进行图像分割。结果表明,该算法不仅可以减少迭代次数,当图像中存在多个目标时还可以得到更精确的分割结果,有效地提高了主动轮廓算法的效率。     

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K-means和GVF Snake模型的纤维图像分割

在纤维图像自动识别系统中,分割出完整连续的纤维是纤维特征分析的必要前提.针对纤维图像的背景和前景灰度区别不大、光照不均对图像的影响等特征,提出融合K-means和GVF(Gradient Vector Flow)Snake模型的纤维图像分割算法.该算法以提取完整连续的纤维轮廓为标准,利用K-means聚类分割结果为GVF Snake模型的初始轮廓线,并对得到的存在毛刺的轮廓结果采用轮廓跟踪去除毛刺,从而得到完整连续的单根纤维图像.该算法不仅能有效解决传统图像分割方法对纤维图像分割的不连续问题,而且能有效抑制纤维图像中噪声的影响.     

一种基于主动轮廓模型的图像分割新方法

针对迭代收敛时主动轮廓模型在图像深凹处难以完全收敛且在较高的图像分辨率下收敛速度缓慢的缺陷,提出了一种基于主动轮廓模型的图像分割新方法.本方法结合了多分辨率与梯度向量流概念,首先在原始图像的低分辨率图像上进行轮廓提取,并将提取到的轮廓作为初始轮廓再在高分辨率图像上进行轮廓提取,最终得到原始图像的轮廓.实验结果表明,本方法在图像深凹处收敛效果良好,且极大提升了收敛速度.     

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.