用于边缘检测的Snake模型

在分析Ｓｎａｋｅ原始模型存在问题的基础上,提出了一种新的用于边缘检测的Ｓｎａｋｅ模型。在该模型中以物体轮廓采样点到其相邻两采样点中点的距离为内部能量函数,以每个采样点与相邻两采样点线段上所有的梯度的平均值为外部能量函数,并根据内、外部能量的比值动态调节权值参数,在该模型下物体边缘检测问题被转换成求总能量函数的最小值。试验结果表明,该模型克服了原始模型在迭代求解过程中轮廓紧缩到一点的倾向及易受噪声干     

一种改进Snake模型的边缘检测算法

在心脏核磁共振图像分割研究中，针对传统的Snake模型存在的问题，提出改进的Snake模型及其二阶段贪心优化算法。对人工合成图像和真实心脏MRI图像实验表明，改进后的模型具有如下特点：内部能量项物理意义直观清晰，且易于实现；对初始轮廓不太敏感，收敛范围扩大，且收敛速度提高，具有实际应用价值。     

基于小波分析与Snake模型的图像边缘检测方法

利用小波分析理论和GVF(梯度矢量流)Snake动态轮廓模型方法,提出了一种图像边缘检测的新方法-WVF(小波变换矢量流)Snake模型。计算机模拟表明,该方法克服了小波分析方法得到的边缘不连续的缺点,同时比GVFSnake模型具有更好的抗噪性。从而提高了动态轮廓模型方法检测复杂图像边缘线的能力。     

对复杂边缘检测的Snake改进算法

针对Snake原始模型对包含凹陷形状目标或信噪比较低的图像边缘检测结果差的问题,通过对复杂形状目标及含噪声图像的特性研究,从能量函数和迭代策略两个方面对Snake原始模型进行改进,增加了新的控制能量,并对各能量因素的影响权值进行了讨论,同时对蛇点采用了动态分布方法,以适应不同的目标形状特性.仿真结果表明,改进后的Snake模型较原始模型大大减弱了对蛇点初始位置的依赖,并在一定程度上有效地克服了图像噪声对迭代算法的影响,提高了对复杂目标的边缘检测性能.     

基于Snake模型的B超心脏图像的腔体分割及算法研究

采用一种Snake模型，针对B超心脏图像的高噪声，选择并改进与适应的去噪技术和边缘算子等预处理，完成对心室心房的分割，从而为提高心室、心房的定量分析精度有重要意义。     

基于动态规划的最优化医学超声图像边缘提取

动态规划（DP）是一种解决多阶段决策过程最优化的方法。图像边缘提取时为了使系统输出具有最小的不确定性，考虑最优化判据是必要的。动态规划算法用于图像的边缘检测主要是获得一个图像的最低能量代价阵的过程，而图像的边缘对应于最低代价阵中的终止点和起始点之间能量梯度降低最快的路径，由此可以由最低代价阵勾勒出需要的边缘。对于质量较差的图像，可以先用梯度算子和一种LUM滤波器相结合进行预滤波。实验表明，基于该算法用于超声图像的边缘检测要获得全局最优的稳定的边缘线，是一种理想的最优化算法。     

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.     

用于心肌细胞边缘检测的Snake算法研究

针对现有Snake算法易受噪声干扰、缺乏外部约束力、不能收敛于凹点等缺陷，提出了采用自适应外约束力、平滑差分滤波和蛇点停止运动的准则来控制Snake的运动。可克服已有Snake算法的缺点，同时编程简单，运算速度快。将其用于活体心肌细胞的边界跟踪，取得了良好的效果。     

基于改进的Snake模型的眼细胞彩色图像边缘检测算法研究

在前人研究的Snake模型上提出了适应彩色眼细胞图像边缘检测的改进的Snake模型，该改进模型选取了有益的能量项．舍去了刚性能量项．并在面积能量项的计算上进行了一些改进．在图像力能量项上采用把单通道灰度图像处理方式推广到真彩色RGB三通道的方法．获取彩色图像力能量项．在轮廓初始化时的受控点逆时针排序上给出了行之有效的算法．最后采用贪婪算法最小化总能量．在彩色眼细胞边缘检测上取得了较为明显的效果。     

用线性模型检测图像边缘

本文提出了一种以线性统计模型为基础的边缘检测算法。该算法对光亮度变化、图像的不均匀性不敏感，可以在噪声图像中检测边缘。     

一种基于改进Snake模型的边界检测方法

基于原始Snake模型提出一种改进Snake模型的边界检测方法. 该方法通过引入一个能自动控制外力大小的权值, 令其与图像梯度大小成正比, 通过Laplace算子将梯度信息扩展到更远的均匀区域, 扩大了Snake演化曲线的搜索范围, 使演化曲线在加权外力的作用下能进入到目标深度凹陷的区域. 通过OpenCV实验表明, 改进的Snake模型能较好地收敛到待分割目标深度凹陷的边界, 同时提高了收敛速度, 改善了原始Snake模型难以捕获凹陷边界的问题.     

序列图像（亚）像素级点目标检测的DP算法

提出了一种用于序列图像（亚）像素级点目标检测与跟踪的ＤＰ算法。该算法基于弹道积分原理和动态规划最优化原理，将序列图像（亚）像素级点目标检测问题转化为一系列的一维最优化过程，功效上完全等价于究举法。同时具有算法简单，运算量小、易于实现的特点。该算法有别于其他算法的显著优点是具有低信噪比处理功能，特别适用于弱而小的点目标运动轨检测，文中还针对多（亚）像素级点目标情况进行了专门讨论。     

序列图像目标跟踪的神经网络算法

针对序列图像目标跟踪问题，在提取图像特征点的基础上，提出了一种最优化算法，该算法将序列图像目标跟踪问题转化为相信两帧图像特征点间的匹配问题。文中根据匹配问题的各种限制条件给出代价函数，并利用Ｈｏｐｆｉｅｌｄ神经网络最优化计算功能来求取该代价函数的局部极小值。其中神经元的状态用以表示相邻两帧图像特征点间的匹配关系。神经元间的权连结用以反映地应特征点间的匹配程序。也就是说，本文针对序列黑种人希目标跟踪     

一种改进的B-Snake肝癌图像分割算法

针对肝癌CT图像特点,提出了一种改进的B样条曲线的Snake模型图像分割算法,该算法首先对腹部CT图像进行预处理,获得肝脏癌变部分的初始轮廓,再构造闭合B样条Snake模型,最后使用MMSE最小化外力变形模型以实现图像的准确分割。实验结果表明,该方法对于肝癌CT图像取得了肝脏癌变部分目标的良好分割效果。