基于立体视觉及蛇模型的行人轮廓提取及其识别

从复杂、动态多变的交通图像中准确提取障碍物的轮廓曲线是智能汽车的一个重要研究课题,它对行人保护起着十分重要的作用。Snake模型是用来自动提取物体边界的曲线模型。结合立体视觉技术和Snake模型以实现行人检测:运用基于稠密视差的立体分割方法查找并分割潜在行人目标区域,为了便于后期目标轮廓提取,基于边缘检索的立体匹配算法被进一步用于提取感趣区(ROIs)内的目标初始边界;在此基础上,用Snake模型提取目标的完整轮廓曲线;轮廓因子及目标高程被用于ROIs的验证,即行人识别。针对Snake模型易受噪声干扰及难以收敛到凹陷边界等缺陷,提出了改进的距离势能模型。以典型交通场景为分析对象,对所提出的方法进行了测试,得到了较为理想的结果。     

基于阈值判断的CamShift目标跟踪算法

针对CamShift算法只利用目标的颜色信息,在跟踪过程中,易受目标相似物、遮挡以及光照等复杂背景影响导致目标搜索窗口发散,跟踪稳定性能降低,提出了一种基于阈值判断的目标跟踪方法。该方法将OTSU法和Snake模型结合,利用OTSU法以最佳阈值对图像进行分割,分离前景区域和背景区域,初步提取目标轮廓作为Snake模型的初始轮廓,经收敛得到目标的精准轮廓,利用轮廓外接最小矩形框内的像素计算目标质心,判断与CamShift算法中目标搜索窗口质心之间的欧式距离,如果未超出阈值,则直接使用CamShift算法跟踪目标,反之,则将计算出的目标质心作为CamShift算法中当前帧目标搜索窗口的质心跟踪目标。实验结果表明,该算法跟踪目标具有较好的实时性,跟踪性能稳定、可靠。     

血管内超声图像初始轮廓提取算法的研究

Snake模型在医学图像分割中的应用已经越来越广泛,但在应用该模型时,如何选取合适的初始轮廓是一个难题;在对血管内超声医学图像的研究基础上,提出了一种基于灰度信息与ROI区域的初始轮廓获取方法,根据IVUS图像的灰度特征对其进行自适应阈值分割以及面积滤波,然后获得分割轮廓点集进而得到snake初始轮廓点集;在matlab7.0环境分别对不同类别的2种IVUS图像的中外膜边缘提取进行仿真实验,实验证明该方法获得的初始snake轮廓较为逼近目标真实轮廓且适合于snake模型进行迭代收敛,由于其初始轮廓已较为接近目标真实轮廓,因此节省了snake模型的迭代次数,算法运行效率也优于手工提取初始轮廓的snake方法,可以较为方便的应用于实际领域。     

一种自动提取目标的主动轮廓法

提出一种新的广泛应用于数字图象分析和计算机视觉的主动轮廓(Snake)模型,引入作用方向可以自适应变化的外加强制力,使控制点能够不依赖于初始轮廓而快速地收敛到目标的真实轮廓;初始轮廓自动确定;控制点的数目可以自适应地改变;能够在背景比较复杂的图象中实现对目标轮廓的提取.用该模型对空中目标的红外图象进行的实验结果表明其具有很好的鲁棒性和实用性.     

对数似然图像分割的快速主动轮廓跟踪算法

针对跟踪目标尺度变化问题,提出了基于灰度对数似然图像分割的快速主动轮廓跟踪算法。改进的主动轮廓跟踪算法将根据以目标与背景的颜色差异而建立的对数似然图对图像进行阈值分割和数学形态学处理,再将Kalman滤波器结合到主动轮廓跟踪算法进行目标跟踪。改进的主动轮廓跟踪算法对目标分割准确,轮廓特征显著,跟踪效果稳定,算法能很好地适应跟踪目标尺度变化。通过Kalman滤波器对目标位置点的预测减少了主动轮廓跟踪算法收敛的迭代次数,使算法的运算效率提高了33%左右。     

基于能量最小化的肾脏计算断层扫描图像分割方法

随着成像技术的不断发展, 医学图像处理在计算机辅助诊断和病变管理中的重要作用日渐突出, 而计算断层扫描序列图像的肾脏组织分割是其中的关键步骤. 本文结合肾脏序列图像的连续性特征, 提出了一种基于活动轮廓和图割方法的能量最小化分割模型来自动分割肾脏组织. 根据相邻切片图像的形状差异与层间距之间的关系, 计算出序列图像中适合图割优化能量函数的最优范围. 能量函数采用测地活动轮廓模型和Chan-Vese模型的综合形式, 兼顾了目标的边界和区域信息. 随后, 利用图割方法优化离散化的能量函数, 驱使活动轮廓逐渐向目标边界靠近, 直至收敛为止. 对30组腹腔序列图像进行了算法测试, 实验表明基于能量最小化的分割方法能够有效地提取出序列图像中的肾脏组织, 其分割结果的平均Dice系数达到了93.7%. 关键词： 计算层析 肾脏分割 能量最小化 连续性     

基于水平集的闪光照相图像分割算法

针对Chan-Vese(CV)模型局部控制能力差的缺点,将基于区域的CV模型和分割曲线的局部信息结合起来,提出了一种新的水平集图像分割算法。该算法以CV法的分割曲线为初始曲线,以获得全局收敛性,在后继分割中引入分割曲线的局部信息,以提高模型对图像中微弱信号的分割能力。对闪光照相图像的数值实验表明,该算法噪声抵抗能力强,对初始轮廓位置不敏感,能实现对含细长拓扑结构和微小孔洞的弱边界闪光图像的自动分割。     

基于差分图像的运动目标跟踪与分割方法的应用研究

提出了一种基于差分图像运动检测和轮廓提取的跟踪与分割图像的方法。该方法首先从初始图像中提取目标的轮廓,然后利用相邻帧之间的差分图像初步确定目标在每帧图像中的粗略位置,最后把从上一帧图像中得到的目标轮廓置于该位置,并作为轮廓提取的初始值,由此可得到对目标的准确分割。     

主动形状模型分割方法对光学重建的影响

在非匀质成像中,器官形状是影响建模光在生物体内传播过程的重要因素,它能直接影响荧光分子断层成像(FMT)的重建过程。器官图像的手动分割过程较为复杂,且对图像质量要求较高,而边缘检测、区域生长、主动轮廓模型等自动分割方法在处理复杂医学图像时存在很大的局限性。因此,使用基于主动形状模型(ASM)的自动分割方法,对小鼠器官图像进行准确分割,并使用基于L1范数优化的重建算法实现光源重建。为分析基于ASM的器官图像分割精度与重建精度的关系,采集小鼠计算机断层扫描(CT)数据并进行真实实验,与流行的基于Snake模型的分割算法进行比较。实验结果表明,ASM算法可以替代手动分割,不影响光源的位置重建。     

改进GAC模型对深度凹陷、灰度不均匀和弱边界图像的分割方法

针对图像分割中经典GAC模型无法准确分割深度凹陷、灰度不均匀的目标和容易穿越弱边界的问题,提出了改进的GAC模型。利用图像Renyi熵、图像灰色关联度、图像的局部方差信息构造新能量函数,扩大经典GAC模型的边界检测能力。仿真结果表明,改进模型在减少分割时间的同时能够成功分割出目标深度凹陷部分,对弱边界、目标灰度不均匀或背景灰度不均匀也有较好的收敛效果,其分割效果不仅优于CV模型,也优于CV模型的两个最新改进模型(LBF和GACV)。     

Saliency Snake: A unified framework with adaptive initial curve

Active contour model also known as Snake, is a popular approach for contour extraction and image segmentation. However, some existing active contour models are sensitive to the initial curve, which is usually required to be placed near the true object contour. To address this problem, this paper proposes a novel active contour model with adaptive initial curve, namely Saliency Snake. Taking visual saliency into consideration, prior shape information of the interested object is incorporated explicitly into the energy functional of Saliency Snake. Such improvement facilitates active contour evolution and leads to fast and automatic segmentation. Experiment results demonstrate that the proposed Saliency Snake can achieve superior segmentation performance both in terms of accuracy and efficiency.     

基于深度玻尔兹曼模型的红外与可见光图像融合

为了克服红外与可见光图像融合时噪声干扰及易产生伪影导致目标轮廓不鲜明、对比度低的缺点,提出一种基于深度模型分割的图像融合方法.首先,采用深度玻尔兹曼机学习红外与可见光的目标和背景轮廓先验,构建轮廓的深度分割模型,通过Split Bregman迭代算法获取最优能量分割后的红外与可见光图像轮廓;然后再使用非下采样轮廓波变换对源图像进行分解,并针对所分割的背景轮廓采用结构相似度的规则进行系数组合;最后进行非下采样轮廓波反变换重构出融合图像.数值试验证明,该算法可以有效获取目标和背景轮廓均清晰的融合图像,融合结果不但具有较高的对比度,还能抑制噪声影响,具有有效性.     

支持向量学习并行区域增长结合活动轮廓模型的图像分割算法

为克服经典区域增长算法门限设置困难和图像分割精度不高的问题,提出了基于支持向量机学习的区域增长与活动轮廓模型结合的高精度图像分割算法。首先交互式选择属于目标区域的子块和背景区域的子块形成支持向量机的训练样本;并利用这些已知的训练样本训练支持向量分类器。在目标与背景的并行竞争增长过程中,利用训练好的支持向量分类器(SVC)进行分类判决,得到目标对象的初始轮廓。为提高分割对象的精度,采用活动轮廓模型获得准确的边缘。仿真实验获得了较好的分割效果,表明该提出的算法是合理可行的。     

基于稀疏活动轮廓模型的感兴趣目标检测定位算法

传统的基于形状信息目标定位的算法,对目标观测角度发生形变情况下的定位存在不少困难,针对该问题,提出了一种基于稀疏活动轮廓模型的感兴趣目标(OOI)检测算法.首先通过共同勾画算法学习到感兴趣目标的稀疏活动轮廓模型,它能够清晰地定义感兴趣目标模式;同时构成该模型的Gabor轮廓基元可以通过扰动进行局部的调整以适配图像,在一...     

A snake-based method for segmentation of intravascular ultrasound images and its in vivo validation

Image segmentation for detection of vessel walls is necessary for quantitative assessment of vessel diseases by intravascular ultrasound. A new segmentation method based on gradient vector flow (GVF) snake model is proposed in this paper. The main characteristics of the proposed method include two aspects: one is that nonlinear filtering is performed on GVF field to reduce the critical points, change the morphological structure of the parallel curves and extend the capture range; the other is that balloon snake is combined with the model. Thus, the improved GVF and balloon snake can be automatically initialized and overcome the problem caused by local energy minima. Results of 20 in vivo cases validated the accuracy and stability of the segmentation method for intravascular ultrasound images.     

图像分割中采用自适应三次B样条修饰轮廓线

大多数由像素灰度值或灰度相关参数获得图像轮廓线的方法由于受到图像噪声、量化误差以及灰阶的梯度分布等方面的影响 ,获得的边缘轮廓线是不光滑的 ,带有小而密集的不规则锯齿或毛刺 ,这不仅不符合实际情况 ,而且会给进一步的图像处理带来困难。为了获得连续光滑的轮廓线 ,提出了一种方法 :先以动态规划算法提取全局最优的轮廓线 ,然后用一种自适应三次B样条对获得的轮廓线进行修饰和平滑处理。该样条可根据轮廓线不同处的曲率变化情况 ,自适应地调整控制点的分布。在各类图像上的试验表明 ,该方法即有效的消除了轮廓线上的小锯齿 ,又保留了轮廓线的特征细节