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。     

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。     

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.     

SAR图像的多尺度建模与分割

根据合成孔径雷达图像的成像机理,基于遗传算法,提出了SAR图像的期望最大建模方法和多尺度无监督分类方法。利用最小长度准则能够有效地确定SAR图像分类数,且集遗传算法和EM算法的优点于一身,使得算法能够取得全局最优结果。试验结果表明:该分割方法是可行的,与其它方法相比,分割质量有明显改进。     

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。     

基于多尺度特征提取的图像语义分割

指出了基于深度学习的图像语义分割中,如何充分利用图像上下文信息以达到更好的分割效果,是当前图像语义分割研究的关键问题.为解决这一问题,提出了一种基于多尺度特征提取的图像语义分割方法,通过构建深层卷积神经网络,并利用不同尺度图像作为网络的输入来提取不同尺度图像的特征,最后经过特征融合得到了分割图.在公开数据集Stanford background dataset 8类数据集上进行训练和验证,实验结果达到了84.33%的准确率.实验表明:通过提取和融合多尺度特征,可以达到更好的图像语义分割效果.     

多尺度边缘检测与图像分割的马尔可夫随机场模型

利用小波变换模极大值检测图像的多尺度边缘信息，根据这些信息和改进的马尔可夫随机场模型对低信噪比图像进行Ｂａｙｅｓ分割，结果表明，和一般松驰算法相比这种方法改善了图像分割的质量。     

一种改进的Snake模型及其在医学图像分割中的应用

以超声肿瘤图像为例,将改进的Snake模型应用到超声图像的目标轮廓提取中,并取得了较好的效果。首先采用数学形态学方法对图像进行增强预处理,从而提高图像的对比度,将肿瘤区域凸显出来;然后利用改进的Snake模型提取肿瘤的边缘。该方法与传统的轮廓提取方法相比,具有捕获范围广、抗噪性强等特点。实验结果表明,采用该方法可以准确地提取肿瘤区域的轮廓,在临床上具有广泛的应用前景。     

基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。     

一种基于突变信号分析和最小二乘法的指纹图像分割算法

针对指纹图像分割的问题,笔者提出了一种基于小波变换突变信号分析原理对指纹边缘进行检测。并结合最小二乘法拟合方法的指纹检测和分割算法。该算法首先将原指纹图像利用平滑函数进行平滑处理,然后使用高斯函数的一阶导数卷积计算水平和垂直方向的突变点,最后使用最小二乘法从不同方向拟合突变点。实验结果表明,该方法能够准确地将指纹图像从背景图像中分割出来。     

基于Adaboost的指纹图像分割算法

指纹图像分割是自动指纹识别系统的重要部分,针对已有指纹分割方法的不足,笔者提出了基于Adaboost的指纹图像分割方法.并且基于分级处理的思想,使用Otsu计算分割阈值,对图像进行初分割,然后又使用笔者提出的基于Adaboost的指纹分割方法对图像进一步的分割,最后采用形态学方法对细分割后的结果进行后处理实验证明,相对于已有的指纹图像分割方法,该方法具有较高的准确性和较强的适应性.     

基于小波变换和动态聚类的图象分割方法

本文讨论了一种结合小波变换和非监督动态聚类的图象分割算法。在图象分割过程中,首先用小波变换提取图象中的边缘信息,再利用所得的边缘信息和原图象的灰度信息进行聚类。实验证明了这种方法是行之有效的。     

融合随机森林的C-V模型肝脏超声图像分割

医学图像分割是临床诊断的关键环节,分割结果将直接关系到后续对病灶的识别。C-V模型(Chan-Vese)大量应用于各种医学图像分割过程。围绕肝脏超声图像,针对传统C-V模型依赖初始轮廓及运算复杂耗时的特点,融合随机森林方法,提出一种基于边缘引导能量函数和局部约束特征的分割方法,利用随机森林节点生长和分类速度快的优势,在粗分割的基础上形成无需初始化的C-V模型,而后借助分类特征得到精准的肝脏区域及病灶分割结果。实验证明,经过优化的改进方法是可行有效的,对于图像中的组织和病灶区域能有效分割和提取     

基于细胞神经网的快速图像分割方法

细胞神经网(CNN)是一种局部互联的非线性并行模拟视觉处理系统,具有适合硬件实现处理速度快的优点.首先利用CNN-PDE非线性异质扩散滤波对图像作预处理,随后给出了一种基于CNN的图像分割方法.分割试验结果及仿真时间估计表明,CNN分割方法能以非常快的速度完成相应处理,是高效可行的.     

基于区域增长迭代算法的SAR海冰图像分割

针对SAR图像分割仅考虑像素本身灰度值而不考虑空间特征的阈值法和聚类方法中存在图像有噪或边界模糊问题,提出一种基于区域增长迭代算法的SAll．海冰图像分水岭分割。在整个处理过程中保持对分割的细化并同时以迭代方式产生语义类标记。迭代算法的初始阶段应用K均值聚类法在二维特征空间中进行分割;迭代阶段包括Gibbs采样、自相关函数最小化和区域合并。自相关函数锐度指数最小化使图像更清晰。真实SAR图像的实验结果表明该算法的快速性和有效性,同时保留目标的细节信息。     

基于免疫遗传算法的道路交通标志图像分割

针对道路交通标志图像分割的问题,提出了一种基于免疫遗传算法的实现方法。该算法利用免疫遗传机制,将图像的最佳阈值作为要求的解,设计了适合问题求解的抗体编码方式、克隆算子和免疫选择算子。仿真实验结果表明,所提算法能够有效地求得道路交通标志问题的最佳阈值。通过与传统遗传算法、改进遗传算法进行对比实验,更好地说明了本算法能够对图像分割得到较为满意的结果。     

基于灰度直方图的快速K—MEAN图象分割算法

K-MEAN图象分割算法本质上是一种迭代运算,分割结果虽不受初始类中心的影响,但分割处理速度明显依赖于初始类中心的选择.对此,本文根据K-MEAN图象分割算法的原理,提出了基于灰度直方图的快速K-MEAN图象分割算法,该算法直接在灰度直方图上进行迭代运算,不仅减少了数据处理量,且无需人工确定初始类中心,图象分割只需简单的门限判别.理论分析和实验结果证实了该算法能明显加快迭代过程和提高处理速度.     

基于颜色信息的水稻稻曲病图像分割算法研究

提出一种从颜色空间进行稻曲病图像的稻曲球分割算法,通过研究稻曲病图像颜色空间的各颜色分量对应坐标值的比值,分析颜色分量的色差模型,找到稻曲球、稻穗和叶片之间颜色信息的不同分布区域,采用动态阈值法有效分割稻曲球。图像分割实验结果表明所提算法的有效性,为后续进一步研究稻曲病的图像特征提取与图像识别等提供研究基础。