基于GVF Snake模型的设备内壁图像轮廓提取

主动轮廓模型主要用于计算机视觉与图像处理,尤其是用于检测对象的边界,是目前流行的图像分割算法,其主要优点是无论图像的质量如何,总可以抽取得到光滑、封闭的边界.通过使用梯度矢量流(Gradient Vector Flow,GVF)主动轮廓模型对设备内壁图像进行分割,克服了传统主动轮廓模型不能检测目标凹陷处,初始轮廓必须靠近物体边缘,以及收敛速度较慢的缺点.实验结果表明该算法不仅可以获得较好的设备内壁图像分割效果,而且能提高轮廓提取的速度,为标定设备内壁有损部位的几何参数提供良好的环境.     

基于Snake活动轮廓模型的视频跟踪分割方法

基于Snake活动轮廓模型,采用时空融合的方式,根据短时间内相邻帧的运动趋势差异相似的前提,首先将视频序列分成若干个小段,每段有k帧视频,选取段内的前两帧为关键帧,通过运动检测的方式自动得到这两帧中运动对象的大致区域;然后进行帧内Snake演变,搜索精确轮廓;最后以关键帧间运动对象形心的运动矢量预测勾勒后续帧的初始轮廓,进行帧内Snake精确轮廓定位,从而实现所有帧的视频对象分割。相比于传统方法,本文方法克服了手动绘制初始轮廓的缺点,在空域对Snake贪婪方法进行了改进而且精确度高,速度快。实验表明,本文方法成功地实现了前后帧图像之间运动对象的对应匹配关系,并通过改进后的Snake贪婪方法得到了精确的分割结果。     

基于主动形状模型的人脸定位方法研究与实现

研究基于主动形状模型（ASM）的人脸定位的原理、方法和过程，包括计算新位置、计算形状和姿态参数、参数更新等，进行了实验并分析了结果。实验表明，主动形状模型用于人脸定位效果良好。     

融合先验形状知识的主动轮廓模型研究

融合先验形状知识的主动轮廓模型（HACM）能够解决目标存在遮挡、局部形变、相似变换等实际问题,广泛应用于图像分割、轮廓提取等领域。本文以主动轮廓模型（ACM）为基础,从先验形状知识的提取以及知识的融合方法两个方面,总结近年来ACM在融合先验形状知识的目标轮廓提取领域的一些最新研究成果。首先研究基于区域不变矩描述子、样条函数以及水平集的形状知识提取方法,用于提取刚体性、非刚体性目标样本集所包含的轮廓信息,该信息具有一定的泛化能力,即针对样本集以外的目标轮廓具备一定的表达能力。然后以单目标轮廓提取问题为研究对象,从距离函数的角度分析各种先验形状知识与原始轮廓模型的全局性融合方法,并介绍了一种基于标识函数的局部融合方法。局部融合方法可以解决单知识、多目标情况下的轮廓提取问题。最后对文中所介绍模型进行总结分析,对该领域的研究方向进行了展望。      

基于动态轮廓的彩色多人脸检测

提出了一种复杂背景下的人脸轮廓提取算法,算法包括以下步骤:先基于肤色分割图像,确定肤色区域的边缘;然后,利用人脸模板投影去除不可能是人脸的区域;再用Snake算法获取平滑轮廓;再用惯量矩得到拟合椭圆;最后利用简单的人脸模板对人脸区域进行确认.其算法的主要目的是解决人脸轮廓边缘点的不连续性问题,提取精确的人脸轮廓用于人脸分割和人脸识别,在一定程度上去除了部分遮挡造成的假轮廓边缘点,实验结果证明了算法的有效性.     

基于Snake模型的复杂区域图像分割

在复杂区域图像分割中,针对传统Snake模型不能收敛到深凹陷区域等缺点,从内部能量函数和算法实现两方面入手对传统Snake模型进行改进,增加了一项由力作功产生的能量项,并采用Greey算法分两阶段实现.结果表明,改进的Snake模型能迅速地收敛到深凹陷区域和更复杂区域,且减弱了分割结果对初值的依赖性和噪声点对边界的影响.     

基于极坐标中蛇模型的类圆目标轮廓提取技术研究

提出了转化到极坐标中的蛇模型.通过把蛇模型转化到极坐标中,使轮廓的候选点得以更有序的排列.由于采用了动态规划法并在整个能量空间中搜索能量泛函的极值,算法对能量泛函的局部极值有较强的鲁棒性.所提出的模型不需要确定初始轮廓,可以用非迭代方法直接求解.与传统的动态规划法和贪婪算法进行了比较实验.结果表明,所提出的算法对极坐标中极点的位置不是很敏感.     

基于骨架约束的人体轮廓图像变形算法

经典的基于控制点的移动最小二乘变形方法,没有考虑到图像变形过程中图像的拓扑结构,导致变形效果脱离现实人体轮廓结构,变得夸张且不符合常理.而骨架刚好能完整地保留图像轮廓的拓扑结构.提出一种在变形过程中加入骨架约束的变形算法,通过推导计算得到一个约束系数,使每一个像素点的移动相对于骨架存在一个约束,从而达到真实有效的变形....     

一种血管约束的局部活动轮廓模型

活动轮廓作为一种重要的图像分割工具,近几年来在理论和应用方面都有很大的发展。然而,现有轮廓模型在处理灰度均匀性较差的图像时,通常存在较高的分割误差,并且对初始轮廓曲线位置敏感。为此,本文提出一种基于血管特征约束的活动轮廓模型,该模型首先使用局部相位（Local Phase）的血管增强算法对图像进行增强处理以生成一种不同于图像灰度的血管特征信息,然后将血管信息和图像灰度以线性加权的形式引入到局部二值拟合（Local Binary Fitting,LBF）能量泛函中,指导图像血管分割。基于视网膜血管图像数据（Digital Retinal Images for Vessel Extraction,DRIV）的实验显示：该模型能成功地从灰度分布不均匀和弱边界轮廓的视网膜图像中提取血管,分割灵敏度和准确性分别达到74.43%和93.67%,同时对初始轮廓曲线位置的敏感性大为降低。由上述可知,该模型具有高分割准确性和低初始位置敏感性。     

基于Snake模型的波门自适应跟踪算法

介绍了波门跟踪的原理以及波门自适应性的需求, 结合主动轮廓模型中的GVF Snake模型和自适应分析质心跟踪算法, 提出了基于Snake模型的波门自适应跟踪算法, 根据Snake模型的收敛轮廓来确定波门位置和大小, 由波门内背景像素点所占的比例来决定是否更新波门。通过实验仿真, 该算法能够自适应地改变波门的大小, 很好地跟踪目标。     

一种三维人脸骨骼对称轮廓线提取的方法

在正面人面骨骼中,对称轮廓线具有相对稳定的形状特征,可以作为人面像识别的分类器.在此提出一种人面骨骼对称轮廓线的提取算法,该算法利用最小二乘拟合人面骨骼模型,找出定位点,对姿态校准后,投影为镜相面,对镜相配准后,由拟合骨骼模型与配准后的镜相面交线得到对称轮廓线.试验表明,应用该算法得到的对称轮廓线具有较好的人脸分类功能.     

Active Shape Model of Combining Pca and Ica： Application to Facial Feature Extraction

Active Shape Model （ASM） is a powerful statistical tool to extract the facial features of a face image under frontal view. It mainly relies on Principle Component Analysis （PCA） to statistically model the variability in the training set of example shapes. Independent Component Analysis （ICA） has been proven to be more efficient to extract face features than PCA. In this paper, we combine the PCA and ICA by the consecutive strategy to form a novel ASM. Firstly, an initial model, which shows the global shape variability in the training set, is generated by the PCA-based ASM. And then, the final shape model, which contains more local characters, is established by the ICA-based ASM. Experimental results verify that the accuracy of facial feature extraction is statistically significantly improved by applying the ICA modes after the PCA modes.     

基于边缘轮廓线提取的自动对焦评价函数

红外序列图像清晰度评价对热像仪测温标定至关重要.文中针对传统空域评价算法的不足,提出一种基于图像轮廓线分割的红外序列图像清晰度评价方法.此算法基于变分水平集理论以能量泛函的最小化为目标,来求解使曲线趋向于目标,从而提取出红外图像中目标物的轮廓线;通过选取目标物体轮廓线两侧灰度均值大小来描述图像的清晰程度.以红外热像仪在标定时获取的序列图像为研究对象,运用文中所提出的方法与 SMD,EOG,Robert,Wavelet 算法之间的对比性分析.实验表明:文中所提方法满足清晰度评价函数所具有的单调性,无偏性与良好的灵敏度.     

基于主动轮廓模型提取运动目标的图像分割技术

复杂背景下的运动目标分割技术是近年来多媒体通信技术的研究热点之一。文中提出一种基于SNAKE模型的运动目标分割技术。首先，利用运动检测的方法，从视频图像中粗略提取出运动目标；然后再利用SNAKE模型收敛到更为精确的物体边缘。模拟实验的结果表明，该方法对运动目标的提取有较好的分割效果。     

融合局部纹理和形状特征的人脸表情识别

针对局部二值模式(LBP)、中心对称局部二值模式(CS-LBP)和梯度方向直方图(HOG)的不足进行改进,该文提出中心对称局部平滑二值模式(CS-LSBP)和绝对梯度方向直方图(HOAG),并提出一种融合局部纹理特征和局部形状特征的人脸表情识别方法。该方法首先采用CS-LSBP算子和HOAG算子分别提取人脸表情图像的局部纹理特征和局部形状特征,然后使用典型线性分析法(CCA)进行特征融合,最后利用支持向量机(SVM)进行表情分类。在JAFFE人脸表情库和Cohn-Kanade(CK)人脸表情库上的实验结果表明,改进的特征提取方法能更加完整、精确地提取图像的细节信息,基于CCA的特征融合方法能充分发挥特征的表征能力,该文所提人脸表情识别方法取得了较好的分类识别效果。     

Contour Feature Extraction of Medical Image Based on Multi-Threshold Optimization

Mobile Networks and Applications - During the process of fine segmentation of medical images, although a single threshold can improve the efficiency of processing, there will be the problem of...