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。     

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GVF Snake和边界跟踪的主动轮廓图像分割

梯度向量流蛇(GVF Snake)模型在处理图像分割问题上取得了较好的结果,但它对初始轮廓曲线的依赖程度较大且梯度向量场计算时间较长,故此提出一种基于GVF Snake模型和边界跟踪的轮廓提取图像分割算法。该算法利用边界跟踪算法进行粗糙的分割,获取边缘位置有效信息点,经采样后生成一条初始轮廓线。同时,基于拉格朗日法求解梯度向量场的方法,提出一个距离终止条件以提高计算速度。实验结果表明,与GVF Snake、手动GVF Snake和CV活动轮廓算法相比,该算法有效提高了图像分割的自动化程度和分割精度。     

融合Canny算子和Snake模型的细胞轮廓提取

设计了一种融合Canny算子和Snake模型的细胞轮廓提取算法.算法首先采用基于区域生长的阈值分割方法确定Snake模型的初始蛇,然后将Canny的边缘定位法融入到Snake模型的贪婪算法中,使蛇最终逼近细胞的真实轮廓.实验表明该融合算法性能稳定,所提取的轮廓定位准确.特别是解决了虚假边缘和边缘断裂现象较为严重的细胞轮廓提取.     

WaterBalloonsSnake模型的数字图像轮廓提取算法

为解决数字图像如左心室MRI图像存在着弱边缘、与周围组织之间的低对比度区域的特点,传统的Snake模型算法分割数字图像,出现变形曲线泄漏现象这一问题,提出一种改进的Balloons Snake模型-Water Balloons Snake图像分割算法.该算法利用数学形态学理论自动获取左心室数字MRI图像的重心以及边界形状变化允许空间,采用分水岭变换算法获取图像轮廓内壁分水岭线,并以此作为Snake数字模型的初始样条曲线进行进一步轮廓捕获.以小香猪左室加标记MRI数字医学图像作为应用研究对象,对比了几种模型的不同处理结果.实验表明WaterBalloons Snake模型算法比经典Snake模型或Balloons Snake模型算法能够更有效地处理变形曲线泄漏问题,并且具有较快的收敛速度.     

基于贪婪Snake模型与多尺度分析的图像分割

为了准确分离目标区域,提出了一种基于贪婪Snake与多尺度图像增强相结合的新的轮廓分离模型.首先对输入的图像给定一个初始轮廓,然后应用多尺度分析进行图像增强,之后在不同的尺度中运用贪婪Snake模型进行轮廓的分离,最终分离出理想的目标轮廓.实验证明该方法提高了分割的精度.     

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。     

基于Snake模型与轮廓跟踪的区域填充算法

针对图像中外形复杂的孔洞填充问题,提出一种基于Snake模型与轮廓跟踪的区域填充算法对复杂孔洞进行填充。首先,对二值图像进行检测求出内部边界的像素点,并对其坐标进行保存。其次,通过轮廓跟踪法求取每个轮廓边界的所包含的像素位置。再次,通过将这些边界作为Snake模型的初始曲线,在其内力和外力的指导下,填充内部孔洞。最后,利用Snake模型与轮廓跟踪删除边界外存在的多余部分。通过MATLAB实验本文提出的算法,证明可以填充外形复杂的多孔区域,提高了填充精度。     

曲面的自动跟踪测量和密集数据采集

本文提出一种由微计算机控制的自动跟踪测量和密集数据采集系统。模拟量测头自动沿着任意未知被测表面运动，计算机实时地计算出接触点坐标。改变测头高度位置，可以得出一系列等高的轮廓点，从而建立几何形体测量数据库。此技术可应用在三坐标测量机上实现曲面测量自动化。 文中提出了跟踪测量原理和实验系统，最后给出测量实例和输出结果。     

基于模糊规则自动获取的模糊主动轮廓模型

为了引入更多的不确定性先验信息来指导轮廓提取,首先提出了一种新的模糊主动轮廓模型(FuzzySnake),然后针对模糊主动轮廓模型中模糊推理规则难以确定的问题,提出了一种改进的遗传算法———多种群共生遗传算法,并用于相关模糊规则的自动获取,最后给出了用新的模糊主动轮廓模型从人工合成图像、加噪测试图像和实际的超声图像中提取目标轮廓的实验结果.实验表明,在模糊主动轮廓模型中利用多种群共生遗传算法进行模糊规则自动获取,不仅能有效克服模糊规则需向领域专家学习才能获取的局限性,而且能有效地降低传统模型对噪声的敏感性,使模型的参数调整得以简化.     

快速成形激光光斑半径补偿算法的研究

快速成形系统生成的切片轮廓含有大量的奇异点和非常小的轮廓环，这是传统数控技术中的刀具半径补偿算法所不能妥善处理的，为此提出了一种新的快速成形激光光斑半径补偿算法，它基于补偿后的线段方向必须与原始轮廓线段方向一致的判据，先将原始轮廓进行修整，删除不符合判据的轮廓点并根据需要添加相应的顶点，然后再进行半径补偿，从而保证了补偿轮廓无畸变失真和与原始轮廓的一致性，该算法是一个简单迭代过程，效率很高。     

一种提升数控凸轮磨轮廓同步性的新算法

在凸轮的磨削加工过程中,由于砂轮与凸轮的接触点不一定在两者的连心线上,磨削加工会导致接触点偏移,因此,直接根据原始轮廓线数据进行加工会导致加工出的凸轮与母轮不同步.研究了砂轮半径与接触点偏差的关系,分析了用曲线拟合方法确定接触点位置所存在的问题,提出了直接根据凸轮升程的离散点数据确定接触点的算法,并证明了算法的正确性.该算法比曲线拟合算法更易于用计算机编程实现,通用性更强.实验结果表明,该算法能有效消除砂轮半径对轮廓线数据的影响,加工出的凸轮与母轮一致.     

TrueType字体自动打标机软件设计

通过分析TrueType字体文件结构和提取出字符轮廓信息,实现了对字符的无失真任意放大和缩小以及旋转等特效,曲线轮廓可以进行填充。将二次Bezier曲线构成的字符轮廓,通过最小二分法转换成一组能够保持曲线轮廓形状的小折线,将原有的字体轮廓数据从用曲线轮廓表示转变为用多边形顶点控制,用一组点及其先后顺序来描述轮廓。研究了字形交叉的消隐处理方法,解决了笔画重叠的问题。打标机将得到的多边形顶点信息准确打标。     

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.     

保持拓扑一致性的等高线化简算法研究

等高线的化简是地图综合中的一个重要问题。而拓扑一致性的维持是化简的难点,应用常规的Douglas-Peucker算法可能引发相交和自相交。引入了基于约束Delaunay三角剖分和自适应单调链的等高线拆分算法,并在理论上证明了对拆分后的子曲线化简将不会产生拓扑异化。在实验中,该算法能将数据量压缩至10％,并依然未产生相交和自相交。     

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。     

基于微分进化算法的轮廓匹配方法

轮廓匹配是图像处理中一个重要匹配方法,针对现有匹配方法中匹配搜索耗时多的局限性,提出了一种改进的轮廓匹配方法.对模板图像和待匹配图像分别提取轮廓,计算轮廓上每一点的曲率,并选择满足阈值条件的轮廓点为候选点;以此点及其两侧若干点构造特征向量,依据欧氏距离构造相似性度量函数,使用具有全局最优性的微分进化算法求解,以保证获得全局最优解.对比实验表明,所提出的方法有较快的寻优速度和较高的配准率.     

Vector bundle constraint for particle swarm optimization and its application to active contour modeling

Active contour modeling (ACM) has been shown to be a powerful method in object boundary extraction. In this paper, a new ACM based on vector bundle constraint for particle swarm optimization (VBCPSO-ACM) is proposed. Different from the traditional particle swarm optimization (PSO), in the process of velocity update, a vector bundle is predefined for each particle and velocity update of the particle is restricted to its bundle. Applying this idea to ACM, control points on the contour are treated as particles in PSO and the evolution of the contour is driven by the particles. Meanwhile, global searching is shifted to local searching in ACM by decreasing the number of neighbors and inertia. In addition, the addition and deletion of particles on the active contour make this new model possible for representing the real boundaries more precisely. The proposed VBCPSO-ACM can avoid self-intersection during contour evolving and also extract inhomogeneous boundaries. The simulation results proved its great performance in performing contour extraction.