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。     

基于区域增长的轮廓线提取算法

在网格序列法的基础上提出了一种改进的轮廓线提取算法——基于区域增长的轮廓线提取算法，该算法采用区域增长的方法来加速搜索边界单元，从而避免了搜索所有的网格单元。实验结果表明，本算法明显提高了网格序列法的效率，且得到的轮廓线更有利于三维形体的重建。     

基于支持向量机的图像分类

介绍了支持向量机(SVM)的基本原理,并将它应用于图像分类.提取多种视觉特征作为SVM的输入向量,比较单一视觉特征和综合视觉特征作为SVM输入向量时的分类性能.还比较了多项式核和高斯径向基核的分类效果.实验结果表明,混合特征明显优于单一视觉特征,高斯径向基核优于多项式核.     

全息图像轮廓线叠差分析桥梁挠度变形的方法

为通过摄影测量手段方便快速地得到整个试验梁的真实挠度,采用Log边缘提取算子提取图像灰度信息和轮廓线信息,再对试验梁下边缘轮廓线进行叠差分析即可得到主梁全息变形数据。通过与传统位移计测量挠度的方法对比发现表明:采用全息图像轮廓线叠差分析桥梁挠度所得结果满足工程应用精度要求;运用此方法,定期采集桥梁轮廓线信息,可以对桥梁进行长期监测,方便快捷找出桥梁的异常变形。     

基于曲率尺度空间的轮廓线匹配方法

基于曲率尺度空间(curvature scale space,CSS)理论,提出了一种匹配和识别存在仿射变化的平面曲线的方法。首先借助边缘检测算法提取图像轮廓,利用PCA白化算法消除轮廓线尺度、平移和切变的影响;然后对轮廓进行重采样并求取对应曲率尺度空间图的局部极值点;最后利用局部极值点向量数组作为轮廓线的描述符进行匹配。在MCD形状数据库的对比检索实验结果表明本文所提出的方法不仅有较高的检索率,而且对仿射变化具有良好的鲁棒性。     

决策树算法在医学图像数据挖掘中的应用

目的研究决策树算法在医学图像数据挖掘中的应用。方法利用决策树算法对乳腺癌图像数据进行分类，提出了一个基于决策树算法的医学图像分类器。结果实现了ID3和C4．5算法对图像数据的分类，获得了分类的实验结果。结论该模型系统达到了较高的分类准确率，证明数据挖掘在辅助医疗诊断中有着广泛的应用前景。     

基于小波变换和支持向量机的图像分类

提出了一种基于小波变换和支持向量机的图像分类新方法,该方法利用小波变换进行图像特征提取,利用支持向量机进行图像分类,并与基于图像底层特征的分类方法进行了实验比较.实验结果表明该方法具有较好的分类性能.     

基于轮廓线的旋转体三维重建

由旋转体的二维灰度图像恢复其三维形状已经成为计算机视觉领域的一个研究热点.对该问题进行了深入的研究,提出了一种基于单幅图像,采用轮廓线特征信息进行旋转体重构的方法.该方法从一幅二维灰度图像中提取旋转体作为研究对象,通过角点检测方法获取有效轮廓线及其分段曲线,根据分段曲线类型及其特征信息构造旋转体的对称轴,结合旋转体的几何特性实现了旋转曲面的三维重建.实验证明,该方法可以根据旋转体的二维灰度图像方便有效地重建出其三维形状.     

基于支持向量机的车型分类的设计

基于支持向量机的车型分类的设计思路是通过视频采集获得车辆图像,对车辆图像进行图像预处理和特征提取后,得到分类器所需数据特征,而后采用支持向量机和二元决策树对车型分类。采用三个支持向量机的分类器和二元决策树相结合对特征数据进行分类识别,最终实现了车型分类。通过利用Libsvm(SVM模式识别与回归的软件)进行实验,取得了较好的分类效果。     

基于轮廓线的透视反求研究

从一幅简单的图形中,采用人工半自动提取产品的轮廓外形,利用灭点进行透视反求,把二维信息转换为三维信息,计算产品的特征点的坐标及其相对位置,进行了透视元素、基本体素到组合体素的反求研究。并利用OpenGL显示轮廓的模型,搭建基于产品多感知因素的三维重构系统框架,实现设计重用辅助产品创新设计。     

浅谈在ERDAS中生成等高线的方法

通过研究由DEM、雷达激光点云las数据经过ERDAS拼接处理用线性插值法生成等高线,证明了利用ER-DAS软件生成的等高线不仅能够满足生产部门的精度要求,而且提高了生产效率.     

一种有效的不变性角点检测方法

在图像形态分类与识别系统中，不变性角点检测是很重要的预处理环节，为有效检测角点，并对之精确定位，本文着重介绍一种基于小波变换的不变性角点检测方法。该方法先对轮廓上各点的切向方向进行小波变换，然后提取出变换幅度的局域最大值点作为待定角点。接着，根据待定角点类型建立相对应的模型，并根据模型对待定角点的直伪进行评判，实验表明，上述方法既能正确检测到角点，又能大大提高计算效率。     

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.     

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。     

基于活动轮廓模型的在线铁谱图像分割研究

为了准确分割磨粒区域以得到油液中铁谱磨粒的含量，从而获取设备油品及故障信息，以图像可视在线铁谱传感器获取的磨粒图像为对象，引入了基于曲线演化理论和水平集方法的两个区域几何轮廓模型，即LBF模型及IR模型。通过对比这2种模型的分割效果发现：IR模型具有更高的分割准确率和更快的收敛速度。然后进一步分析了模型参数对分割结果的影响，得出不同磨粒浓度条件下对应最优分割效果和最短运算时间的分割参数值，为在线监测中磨粒图像分割参数的自适应选择提供了依据。实验结果表明，研究所采用的分割模型对于磨粒图像具有更高的分割准确率和收敛速度，为后续快速、准确计算油液中铁谱磨粒含量提供了保证。     

基于复杂网络和图像轮廓的形状识别方法

基于轮廓的图像识别方法具有过程简单、识别效率高等特点.但随着人脸表情变化、光照强度以及遮挡等因素的改变,提取图像轮廓形状的难度增大,从而使方法的有效性受到影响.本文提出一种基于复杂网络和图像轮廓的形状识别方法,通过提取形状图像的轮廓点,建立相应的复杂网络模型,计算相关参数来识别图像.实验表明,该方法具有对轮廓图精确度依赖性低、复杂网络规模小、阈值参数少、能有效适应边界形状改变等优点.     

基于Bayes分类算法和活动轮廓模型的新疆肝包虫CT图像分割方法

肝包虫病是新疆常见的寄生虫病,严重危及人类健康。目前,医院常采用CT影像技术对该病进行诊断。肝包虫CT图像有其特有的病理特征,图像的灰度分布存在不均匀性和边界模糊性,且不同的包虫囊肿类型,其CT图像表现各异。本文针对该病的CT影像特征,提出一种同时对肝脏及包虫病灶进行分割的迭代算法。在每一步迭代过程中,算法分为初始分割和优化分割两个步骤:首先,在CT切片图像中确定位于正常肝脏及包虫病灶区的种子点,根据种子点的位置,利用Gauss概率模型拟合不同区域的灰度分布,并结合Bayes分类算法对肝脏及病灶区同时进行初始分割;然后,利用基于先验形状力场的活动轮廓模型算法优化初始分割结果,从而获得精确的肝脏及病灶区的边界。为了验证该算法的有效性,将算法对不同病人的CT切片图像进行分割实验,并从主观和客观两个方面,将算法的分割结果与医师手动分割结果进行对比评估,结果表明,该算法能在分割肝脏的同时准确地提取包虫病灶区。     

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.     

基于熵结合的活动轮廓分割模型

针对传统活动轮廓对图像分割鲁棒性较差的问题, 将基于区域的轮廓模型和基于梯度的轮廓模型通过图像熵与图像梯度和进行结合。通过图像熵与图像梯度和建立基于梯度与基于区域结合的活动轮廓模型。将水平集函数嵌入到模型中, 对模型结果进行连续分割, 并进行拓扑变化。采用窄带方法进行快速演化。实验证明, 该方法有较好的鲁棒性和较快的分割速度, 对图像分割理论的发展提供了新的研究途径。