基于全局划分与局部划分的自适应活动轮廓模型

为了分割边界模糊图像,文章提出基于划分函数的自适应活动轮廓(Adaptive active contour model based on global division and local division, DGDL)模型.通过建立一个局部划分能量项,将其与全局划分能量项进行线性组合,并基于迭代次数建立一个自适应函数自动选取全局与局部能量,得到基于全局划分与局部划分的活动轮廓模型.利用人工合成图像与真实图像作为分割对象进行实验,结果表明,DGDL模型对初始轮廓鲁棒,迭代次数较少且耗时短,还能分割边界模糊和灰度不均图像,并具有良好的分割性能.     

结合局部与全局信息的主动轮廓模型

针对基于主动轮廓模型的图像分割,现有算法不能满足其实际应用多样性的问题,结合LBF模型和C-V模型的优点,提出一个新的结合局部与全局信息的LGIF主动轮廓模型,解决了LBF模型容易陷入局部极小值而导致错误分割的问题,也解决了C-V模型演化速度慢的问题。实验证明,新模型能分割C-V模型、CVI模型不能分割的灰度不均匀的图像,也能分割LBF模型不能分割的灰度不均匀的图像,对初始轮廓的大小和位置不敏感,具有较强的抗噪性。新模型演化速度快,耗时短,效率高,稳定性好。     

一种新的几何活动轮廓模型在图像分割中的应用

提出了改进的LBF模型(ILBF)及其图像分割算法.利用两种不同尺度参数的LBF模型分别描述局部和全局信息,并构造了新的能量函数.将局部熵引入到ILBF模型中,同时给出自动求取能量函数中权重参数ω的有效方法,用尺度参数σ较大的LBF模型替代LGIF模型中的C-V模型,较大σ值的LBF模型不仅具有全局特性而且具有局部特性;将进行数据处理后的局部熵引入到LGIF模型中,进而自动求取权重参数ω,克服了LGIF模型权重参数值的选取全程都需要人工参与的缺点.为了有利于计算机的自动求解和避免过多无用的循环迭代,提出了一种新的终止准则.     

融入全局信息的局部拟合的活动轮廓模型

提出一种结合局部和全局灰度信息的图像分割模型.该模型通过引入新的控制参数,降低了局部拟合项在局部二值拟合的活动轮廓模型(LBF模型)中的主导作用,同时增加了全局信息在模型中的辅助作用,从而改进了局部二元拟合项.实验结果表明,改进的模型不仅能分割灰度不均的图像,而且提高了轮廓初始化的灵活性.针对一些合成和真实的图像,改进的模型减轻了对轮廓初始化位置、大小及噪声的敏感性,同时加快了曲线的演化速度,减少了CPU时间.     

基于几何形变模型的医学图像分割研究

基于形变模型的图像分割方法通常可以分为参数型(Parametric Deformable Models)和几何型(Geometric Deformable Models)两类。提出了一种基于几何形变理论的LBF模型。针对水平集level set模型不能处理灰度不均一图像的分割问题,采用了LBF模型,并且该模型引入了一个以高斯函数为核函数的局部二值拟合能量,以获取图像的局部信息。通过理论分析与计算机仿真算例和其他算法的性能进行对比,表明改进算法LBF提高了图像分割的稳定性和精确性,具有较高的实用价值和广泛的应用背景。     

基于局部灰度聚类的高斯分布拟合模型

针对高斯分布拟合模型对初始轮廓敏感的问题,提出一个基于局部灰度聚类的高斯分布拟合模型.新模型根据图像局部像素灰度聚类特点,采用灰度偏移场和一个分片常量函数共同拟合图像的局部灰度均值,实现了图像全局信息和局部信息的有机结合,使轮廓可以从任意初始位置向目标边缘演化,最后收敛在边缘上.新模型采用一种快速有效的数值方法实现,水平集函数在整个演化过程中不必重新初始化,活动轮廓演化速度得到显著提高.实验结果表明,本文算法能够在不同的轮廓初始化情况下获得准确的分割结果.     

融合全局图像信息的局部灰度拟合模型

[目的]研究提高基于局部区域信息的活动轮廓模型对轮廓初始化和强噪声的鲁棒性.[方法]以区域可变灰度拟合模型为基础提出了一个新的结合图像全局信息的局部灰度拟合模型.新模型的能量泛函包括3项:基于图像全局和局部信息的数据项、融合边缘指示函数的光滑项以及水平集函数的正则化项.通过变分法和梯度下降流方法得到水平集函数的演化方程...     

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.     

基于模糊C均值聚类能量最小化的超声图像分割

 提出了基于模糊C均值能量最小化的活动轮廓模型.该模型首先对待分割图像进行模糊C均值聚类得到前景和背景的模糊隶属度值,然后将待分割目标的局部像素信息和它的隶属度值作为活动轮廓模型的水平集函数的初始值,改进了传统的求解Euler-Lagrange方程使活动轮廓的能量极小化的模型,利用快速算法直接计算模糊C均值能量最小化驱动传统活动轮廓模型的曲线演化.将提出算法与经典的活动轮廓模型分割算法比较,对仿真和临床的超声图像分割实验结果表明：提出算法能很好地分割像素不均匀、边界模糊、含有斑点噪声的超声图像,具有较好的分割性能和较快的分割速度.     

基于Sobolev梯度的混合活动轮廓模型

结合CV和LBF模型,提出一种混合的活动轮廓模型,同时采用L2+Sobolev梯度实现PDE演化方程.实验结果表明,该模型能够分割背景同质目标非同质以及简单的多目标同质图像,对初始轮廓大小以及噪声不敏感.