一种改进的GVF Snake模型轮廓检测方法

由于深度凹陷物体的GVF力场中存在着滞止点区域，导致直接使用GVFSnake模型不能正确逼近深度凹陷物体的真实轮廓．本文提出了一种基于GVFSnake模型的轮廓检测算法。首先根据滞止点区域的伪轮廓把物体的整个轮廓分成多段，然后分别设定初始轮廓线利用GVFSnak。模型获得各段轮廓线，最后把各段轮廓线融合成一个完整轮廓。实验结果表明，新的方法不仅能够提取一次深度凹陷物体的完整轮廓，而且能够成功提取多次深度凹陷物体的完整轮廓。     

彩色图像目标轮廓提取算法研究

提出了一种新的彩色图像的边缘提取方法：首先选取信道相关性最低的lαβ彩色空间,在此空间中采用基于小波变换的图像边缘检测方法进行了边缘点检测,并进行了阈值的有效确定;然后利用改进的GVF Snake模型CGVF（Color Gradient Vector Flow）Snake模型进行目标初始轮廓线的自动设置,通过极少次的逼近,得到彩色图像的目标边缘.实验结果表明,本方法提高了边缘检测的准确性,同时可以成功检测出彩色图像的目标轮廓.     

基于背景边缘抑制和GVF Snake的运动目标轮廓提取

针对现有的目标轮廓提取算法存在的问题,提出了一种结合背景边缘抑制和GVF Snake的运动目标轮廓提取方法.该方法首先改进了基于背景减的背景边缘抑制方法,然后将其与GVF Snake方法相结合,提取运动目标轮廓.实验结果表明该方法能准确提取出完整的运动目标轮廓.     

融合Kinect与GVF Snake的手势轮廓提取方法

针对Kinect相机在人体骨骼点采集时无法获取手势信息的不足,提出一种融合Kinect和GVF Snake的手势轮廓提取算法,可以提取出完整清晰的手势轮廓。此算法利用Kinect相机在人体信息采集中的优势,获取深度图像,定位手掌点与手腕点,由这两点计算手的旋转修正角度。以手掌点向外做八向搜索获取手掌包围盒切分出手区域。最后在包围盒上放置Snake初始轮廓线,通过GVF Snake模型迭代搜索,获取目标准确完整边界。对于深度图像在边缘数据急剧变化时出现的抖动、凹陷等缺点,选择先构建轮廓线再收敛的GVF Snake算法保证手势轮廓完整平滑。实验结果表明,该方法能够自动放置GVF Snake初始轮廓,准确跟踪手位置、精确收敛到手势轮廓,抗噪效果明显。     

面向智能监控的运动目标轮廓可靠提取

针对目标运动检测算法得到的运动目标轮廓存在轮廓不完整、不准确等问题,本文提出一种基于Vibe算法和GVF snake的运动目标轮廓可靠提取算法。首先通过Vibe算法快速定位运动目标的感兴趣区域,并结合数学形态学、边界快速粗定位算法,获得运动目标轮廓粗定位,再利用改进主动轮廓模型能够实时可靠提取运动目标的轮廓。改进的提取算法具有良好的模型初始化条件,使得本方法不仅能够得到准确的运动目标轮廓,而且满足了实时性要求。实验结果表明,该算法能够实时可靠地提取运动目标轮廓。     

Snake模型在图像分割中的应用研究

Snake模型是一种重要的基于边缘的图像分割算法。本文总结了三种经典的Snake模型的优缺点,重点分析了GVF Snake模型及其改进模型GGVF Snake模型力场的特点,并在针对单个宽型深度凹陷物体、瓶型物体或多次内凹物体的分段轮廓检测算法的基础上,提出了基于GGVF Snake模型的多个凸形物体或窄型深度凹陷物体的分段轮廓检测算法。实验结果表明,该算法可以正确检测出多个凸形物体或窄型深度凹陷物体的完整轮廓。     

分段迭代B-snake模型

传统B-snake模型以整体迭代为基础,已经逼近到目标的轮廓曲线仍要参加迭代计算,影响轮廓曲线的收敛速度。提出了一种改进的B-snake模型——分段迭代B-snake模型,它以分段迭代为基础,在迭代过程中只计算尚未逼近的轮廓曲线,直至所有的轮廓曲线均逼近目标轮廓。实验证明,与传统B-snake模型相比,分段迭代B-snake模型可以快速收敛到目标轮廓。     

基于snake模型的目标检测

研究了snake模型在目标检测中的应用.分析了传统目标分割方法的不足和snake模型在目标检测中的优势,即在目标检测中能充分利用已知的目标形状信息;研究了传统snake模型在用于目标检测时存在的难以收敛到凹陷区域的问题;提出了适合目标检测的新的snake算法.在新snake模型中,能量函数的外力项用傅里叶描述子来构成.实验结果表明新的snake模型能使轮廓收敛到凹陷区,可以实现目标的检测.这一结果丰富了目标检测的方法,拓宽了snake方法的应用范围.     

Snakes外力场的改进及其左心室MRI的精确分割

参数活动轮廓模型（Snakes）分割图像时有两个明显的缺陷：要求初始轮廓线位于图像特征附近，且对深度凹陷区域的分割也不理想。基于梯度向量流（GVF）Snakes较好地解决了传统Snakes的两个本质缺陷。但是，由于GVF Snakes内力的性质和GVF的光滑性，使得对曲率大的边缘点不能精确定位。该文通过采用各向异性方程对图像扩散平滑和边缘增强，改善计算势能力场和梯度向量力场指向边缘的精确度。两种力场的有机组合作为Snakes的外力场。这种新的力场Snakes具有GVF Snakes和势能力场Snakes的优点，对左心室核磁共振图像（MRI）进行分割能得到精确的边缘轮廓。     

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.     

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.     

基于Snake模型的图像目标轮廓自动跟踪方法

针对实验数据像素灰度的分布特点，提出了一种对目标轮廓线进行有效和可靠的搜索和跟踪策略．由于数据中病变组织与其邻近组织像素灰度差别相对明显，首先通过来用一种改进的轮廓自动跟踪方法对目标轮廓进行跟踪，将得到的轮廓线经采样得到其离散控制点作为Snake轮廓搜索和跟踪算法的输入，既克服了Snake方法对初始轮廓线控制点分布的局限性，又避免了采用单一轮廓跟踪方法跟踪目标轮廓线的不确定性，提高了分割病变组织的速度和准确性，此方法具有较高实用意义。     

采用改进Snake模型的胸片肺野自动分割方法

为了解决传统Snake模型应用于X光胸片肺野分割时,对人工初始化轮廓的选择敏感、对凹陷区域分割不准确等问题,提出一种基于自动初始化Snake模型的X光胸片肺野自动分割方法.该方法首先通过Otsu法对原始图像进行二值化,得到包含肺野、背景区域的二值图像,并经过图像取反和连通域处理,运用形态学方法,得到只含有肺野区域的二值图像;然后,通过边界提取,完成对Snake模型轮廓的自动初始化;最后通过Snake模型的演化,得到分割结果.实验结果表明:该方法能摆脱Snake模型对人工初始化轮廓的依赖,提高分割的鲁棒性,同时对凹陷区域的分割更准确,具有更好的分割效果.     

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。     

An eSnake model for medical image segmentation

A novel scheme of external force for detecting the object boundary of medical image based on Snakes (active contours) is introduced in the paper. In our new method, an electrostatic field on a template plane above the original image plane is designed to form the map of the external force. Compared with the method of Gradient Vector Flow (GVF), our approach has clear physical meanings. It has stronger ability to conform to boundary concavities, is simple to implement, and reliable for shape segmenting. Additionally, our method has larger capture range for the external force and is useful for medical image preprocessing in various applications. Finally, by adding the balloon force to the electrostatic field model, our Snake is able to represent long tube-like shapes or shapes with significant protrusions or bifurcations, and it has the specialty to prevent Snake leaking from large gaps on image edge by using a two-stage segmentation technique introduced in this paper. The test of our models proves that our methods are robust, precise in medical image segmentation.     

An eSnake model for medical image segmentation

Deformable model is a curve or a surface drivenpartial differential equations (PDE) method for imagesegmentation and pattern recognition. Two types ofdeformable models have been developed previously.One is the parametric deformable model proposed byKass et al.[1], which formulates the curve explicitlyin the parametric form. The other is the geometricdeformable model, which implicitly characterizes thecurve by a level set function developed by Osher,Sethian and implement…