主动轮廓模型及其在医学体分割中的应用

利用医学序列切片在灰度值和空间位置上的相关性,对传统主动轮廓模型进行改进,将其应用于医学体数据分割中.以物体轮廓采样到其相邻两采样点中点的距离为内部能量函数,同时通过制约轮廓的长度,使其尽可能短来达到;利用图像区域的局部梯度信息,同时利用序列图像之间局部区域的全局信息及其相关性重新构造外部能量函数;并根据内外部能量的比值,动态的调节权值参数.实验结果表明,改进算法既可以有效地检测出一些拐角点和凹点,又可以避免目标边缘收敛于某些噪声点或伪边缘点,可达到良好的体分割效果.     

基于活动轮廓模型的DP修正算法

活动轮廓模型（ｓｎａｋｅ）是在现时图像处理和计算机视觉中用于实现对象的边缘检测或轮廓提取的有效工具．本文在讨论用最优化方法——动态规划（ＤＰ）算法求解ｓｎａｋｅ 最小能量的基础上提出了对ＤＰ的修正算法,给出了计算机模拟结果．     

基于纹理特征的主动轮廓模型图像分割

现有的图像分割方法在轮廓提取过程中大多利用基于图像灰度信息的能量函数,没有考虑目标图像纹理特征信息,不能准确描述待分割纹理图像的边缘轮廓。针对该问题,给出了一种利用主动轮廓模型的方法,将图像纹理信息加入到主动轮廓的能量函数中,构造一种新的外部能量函数,求取函数的最优解,由此获得目标图像轮廓。实验表明,该方法能有效解决复杂纹理图像边缘描述不准确的问题,获得较完整准确的目标轮廓。     

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.     

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.     

基于活动轮廓模型的DDP修正算法

活动轮廓模型是在现时图像处理和计算机视觉中用于实现对象的边缘检测或轮廓提取的有效工具。本文在讨论用最优化方法－动态规划（ＤＰ）算法求解ｓｎａｋｅ最小能量的基础上提出了对ＤＰ的修正算法，给出了计算机模拟结果。     

Snake成长阶段的分析方法

在传统的Ｓｎａｋｅ方法基础上,提出了Ｓｎａｋｅ成长阶段的分析方法,在Ｓｎａｋｅ成长过程中的不同阶段（即幼年期、成长期、定型期）采用针对性的处理方法,并引入一系列有效的生长机制,从而较好地缓和了传统Ｓｎａｋｅ方法中所存在的那些问题．通过实例说明,改进后的模型确实能更好地应用于比较复杂的目标图像的边缘检测     

一种结合CV与GAC 模型的物体轮廓提取方法

提出一种结合CV模型和GAC模型的方法,通过CV模型中长度项的权值调整,得到图像的两类分割.在此基础上,定义图像新的梯度,让GAC模型在新的梯度值空间搜索,从而得到物体的外部轮廓.在真实彩色图像上的实验结果表明,本算法能够大大改善CV模型在提取目标轮廓时的过分割问题,对物体内部不进行分割,并大大减少物体外部零星的小区域,收敛到目标物体的外部闭合轮廓.     

快速非匀质图像分割方法

针对灰度非匀质图像分割困难及效率低下的问题,提出一种基于局部区域活动轮廓模型快速分割方法.该方法结合核函数和割测度定义一个新的能量函数.一方面,在中心点被核函数掩模的局部区域内,用邻近点的加权均值拟合数据项能有效处理图像的非匀质分布.另一方面,用割测度逼近的曲线长度作为全局正则性,利于轮廓快速定位于物体边界.最后,在轮廓演化过程中,使用基于栅格图的最大流算法,避免了传统模型计算代价高昂的水平集函数.合成图像和真实图像的实验结果表明,提出的方法能有效快速地分割灰度非匀质图像中的弱边缘物体及多灰阶复杂结构物体;同时,对初始轮廓线位置和噪声具有较好的鲁棒性.     

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。     

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.     

基于多尺度三元组描述子的形状匹配方法

提出了一种新的基于轮廓的形状描述子,称为多尺度三元组描述子.对轮廓进行均匀采样,同时根据多边形近似演化算法提取轮廓的关键点,由采样点和其相邻关键点构成三元组,根据多个尺度下三元组的几何特性(包括角度和边长)定义描述子.这些三元组既包含了形状的局部细节,又包含了形状的全局结构信息,是一种稳定而准确的描述.形状匹配阶段使用动态规划算法.将本方法应用在MPEG-7数据库上,检索准确率达到86.30%,具有显著优势.     

融合轮廓和区域特征的形状描述子

提出了一种融合轮廓和区域信息的新的形状描述子。首先提取图像的轮廓,并对轮廓进行采样,形成描述形状轮廓的有序点列表。之后对每个采样点分别顺时针和逆时针等距离跟踪获得两个邻点,计算相邻点距离、拱高以及质心距离三个函数的均值、方差和极差。然后获取由拱高和质心距离组成的复函数的傅里叶描述子。组合统计值与傅里叶描述子形成轮廓特征。最后对区域进行采样形成形状矩阵,获得低频傅里叶系数作为区域特征。对MPEG—7标准图形库的检索实验显示,该描述子的检索性能显著优于三角形面积函数、质心距离函数、拱高半径复函数和Hu不变矩等同类描述子。     

一种新的基于形状的灰度图像插值方法

通过2幅已知的灰度图像，用数学形态学的方法确定出插值图像的轮廓．通过求出轮廓内任意插值点与中心点的位置关系，分别找出其在2幅源图像上的对应点．如果2个对应点的灰度值较为接近，可通过线性插值直接求出此插值点的灰度；如2个对应点的灰度值相差较大，则判断插值点的相对位置与哪个对应点的相对位置接近，并认定插值点的灰度值即为此对应点的灰度值．对轮廓内所有的点采用上述算法，即可求得最终的插值图像．算法将图像的形状信息和灰度信息较好地结合起来．实验结果表明其插值结果是令人满意的．     

基于三阶样条曲线拟合的改进Snake模型在医学超声图像分割中的应用

鉴于医学超声图像所具有的复杂性,采用基于样条曲线拟合的改进Snake模型来实现对心脏超声图像的分割.为了克服传统Snake模型对初始轮廓的依赖性,采用扇形法获得靠近目标边界的初始轮廓点,并且得到的轮廓点是有序点集.能量最小化过程运用贪婪算法来获得图像的特征边缘点,最后采用三阶样条拟合的方法来获得连续的图像边缘.实验结果表明,采用本方法可以获得连续、封闭的边缘曲线,能够较好地将目标从图像中提取出来.     

基于改进测地线轮廓模型的图像分割算法

针对测地线轮廓模型对初始轮廓的敏感度高的情况,提出一种改进的测地线轮廓模型。该模型在测地线轮廓模型的基础上,引入区域方差概念,加快了初始轮廓的演化效果;同时,在几何化模型的能量函数中加入判别函数,进一步提高了分割速度与目标背景区分度。仿真实验结果表明,改进测地轮廓模型较原模型对初始轮廓的放置有很好的鲁棒性,是一种有效的图像分割算法。     

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.     

海量点云数据轮廓特征线的快速生成算法

从海量点云数据中快速生成轮廓特征线,是实现基于特征的模型重建的关键.提出了一种基于切片的轮廓特征线快速生成算法.该算法首先对点云数据进行切片,将数字图像的方法应用到基于切片的特征点提取中,通过设置数字栅格平面的边长快速地提取特征点,并根据提出的双向索引连通法快速构造特征线,最终实现了点云数据的曲线模型.实例证明:本算法可以快速、准确地生成海量点云数据的轮廓特征线.