基于活动轮廓模型的DDP修正算法

活动轮廓模型是在现时图像处理和计算机视觉中用于实现对象的边缘检测或轮廓提取的有效工具。本文在讨论用最优化方法－动态规划（ＤＰ）算法求解ｓｎａｋｅ最小能量的基础上提出了对ＤＰ的修正算法，给出了计算机模拟结果。     

基于Hermite样条轮廓模型的图像轮廓提取

提出了一种采用Hermite样条曲线拟合方法与主动轮廓模型相结合的方法．采用Hermite样条轮廓曲线作为描述主动轮廓线的基函数，给出了这种轮廓模型的能量表达式，利用动态规划技术实现能量最小化的优化过程．采用传统的主动轮廓模型与本文方法分别对两幅颅脑图像中的病变区域提取轮廓，对比实验结果表明，采用Hermite样条轮廓模型可以取得更加令人满意的效果．     

基于改进活动轮廓模型的超声图像分割

活动轮廓模型被广泛应用于医学图像分割之中,文中提出了一种改进的快速活动轮廓分割法。原算法在优化过程中容易缩成一点,其初始轮廓必须给定在图像边缘附近,改进的快速活动轮廓算法给出了不同于原算法的内部能量函数,并增加一自适应的约束力,扩大了算法捕捉图像特征的范围。实验结果表明：该算法快,能在更大的范围内捕捉图像特征,是一种有效的分割超声图像的算法。     

辅以CV-GVF方法的测地线活动轮廓模型

针对经典的测地线活动轮廓对初始位置和噪声比较敏感,在有噪声干扰或初始位置距目标边缘较远时,其往往无法准确收敛到目标边缘的问题,通过将由梯度矢量流和CV方法构成的耦合力场与测地线活动轮廓相结合,提出了辅以CV-GVF方法的测地线活动轮廓模型.实验结果表明,该活动轮廓模型在噪声背景中从无需特别设置的初始位置准确收敛到了目标边缘,对初始位置和背景噪声具有较好的适应性.     

基于改进活动轮廓模型的人脸分割

人脸图像往往轮廓边界模糊、梯度不明显,常规活动轮廓模型通常无法获得理想的分割效果。为实现准确的人脸轮廓定位及分割,结合人脸检测、活动轮廓模型和数学形态学算子提出一个基于曲线演化的人脸分割方案,并提出一个改进的活动轮廓模型,有效提高了人脸轮廓定位精度和算法收敛速度。实验结果表明该模型可以有效地检测出局部模糊或分断边界而且演化曲线不会断裂,能够获得较好的人脸分割结果;此外,本文提出的C-V模型的窄带实现方法使计算量减少60%。     

基于环绕数约束模型的轮廓识别算法研究

为了解决当前图像轮廓识别算法中由于区域标记和轮廓标记性质不同,导致难以将多标记融合识别技术应用于图像轮廓识别中的问题,本文提出了一种基于环绕数约束的能量最小化模型,用以精确识别目标轮廓.在这种模型中,区域标记(如颜色和纹理均匀性)和轮廓标记(如局部对比度和连续性)通过一个目标函数进行描述,实现多标记融合识别.首先,将环绕数作为约束,将其引入到能量最小化模型中,得到区域标记与轮廓标记的线性约束;然后,对区域标记、轮廓标记以及曲率标记进行融合,实现对图像中目标轮廓的识别;最后,将能量最小化模型与标记相结合,通过比率能量函数对算法进行实例应用分析,验证算法的有效性.实验结果表明:与传统轮廓识别算法相比,所提算法具有更高的轮廓识别精度.     

活动轮廓模型在医学图像分割的综述

医学图像分割作为图像处理领域的一个研究热点,长期受到广大科研工作者的关注。活动轮廓模型作为医学图像分割的一个重要工具,在近30年的研究中得到了长足的发展。根据活动轮廓模型的表达方式不同,将活动轮廓模型分为参数活动轮廓模型、几何活动轮廓模型;相对于参数活动轮廓模型,几何活动轮廓模型中曲线的运动过程是基于曲线的几何度量,如曲线的法线、曲率等;又由于水平集方法在几何活动轮廓模型的成功应用,使得几何活动轮廓模型在曲线的拓扑变化、数值求解等方面有不少优势。为了全面展示活动轮廓模型的发展历程及其在医学图像领域的应用,首先简述活动轮廓模型的发展历程及一些偏微分方程的基础知识;然后,详细分析几种较为经典活动轮廓模型;接着,对两种类型的活动轮廓模型进行对比分析;最后,对全文进行总结,并对活动轮廓模型的发展与未来进行展望。     

一种基于snake模型的边缘轮廓提取的改进算法

snake模型的引入是近代数字图象处理领域的一次革新,该模型对计算机视觉产生了重大影响并受到了广泛的关注,但由于snake模型本身存在许多不足,尤其是全局最小能量的欠稳定性和收敛速度缓慢等问题,使得snake模型的应用受到一定制约.本文提出了一种基于snake模型的边缘轮廓提取的改进算法,该算法主要采用对目标轮廓的中心坐标进行跟踪,同时保持原封闭图象的相关特性,并利用轮廓中心坐标和目标轮廓的相互关系,更快更准确地实现对目标轮廓的迭代,从而加快用sanke模型实现轮廓提取的速度.     

基于法向力活动轮廓模型的医学图像分割

提出法向力活动轮廓模型并应用到医学图像分割中，实验结果表明该模型能扩大初始轮廓曲线收敛范围，正确分割侧脑室图像．而且，初始轮廓曲线愈接近目标真实边界，迭代次数愈少，分割速度愈快．     

基于熵结合的活动轮廓分割模型

针对传统活动轮廓对图像分割鲁棒性较差的问题, 将基于区域的轮廓模型和基于梯度的轮廓模型通过图像熵与图像梯度和进行结合。通过图像熵与图像梯度和建立基于梯度与基于区域结合的活动轮廓模型。将水平集函数嵌入到模型中, 对模型结果进行连续分割, 并进行拓扑变化。采用窄带方法进行快速演化。实验证明, 该方法有较好的鲁棒性和较快的分割速度, 对图像分割理论的发展提供了新的研究途径。     

一种改进的C-V主动轮廓模型

针对C-V(Chan-Vese)模型不能较好分割灰度不均匀图像的缺点,对C-V模型能量方程进行改进。将图像的局部灰度拟合信息融入到面积项中,使分割兼顾了图像的全局和局部信息,同时加入惩罚能量项来约束水平集函数逼近符号距离函数,避免模型重新初始化。对灰度不均匀图像分割的实验结果表明,该模型优于C-V模型。     

参数化水平集活动轮廓模型的快速图像分割算法

为了提高图像分割的速度,提出一种参数化水平集活动轮廓模型的快速图像分割算法.该算法中的水平集函数由参数向量确定,而非带符号距离函数,降低了水平集函数的维度.将参数化的水平集函数嵌入到经典的LGDF(local Gaussian distribution fitting)模型中进行图像分割,不需要重新初始化和额外的正则项,同时可选择较大迭代步长.实验结果表明:所提方法能够有效地分割超声、CT和核磁等医学图像,与带有正则项的分割算法LGDF和最近提出的快速分割算法MSLCV相比,在保证分割精度的同时,计算速度得到了明显提高.     

基于活动轮廓模型的在线铁谱图像分割研究

为了准确分割磨粒区域以得到油液中铁谱磨粒的含量，从而获取设备油品及故障信息，以图像可视在线铁谱传感器获取的磨粒图像为对象，引入了基于曲线演化理论和水平集方法的两个区域几何轮廓模型，即LBF模型及IR模型。通过对比这2种模型的分割效果发现：IR模型具有更高的分割准确率和更快的收敛速度。然后进一步分析了模型参数对分割结果的影响，得出不同磨粒浓度条件下对应最优分割效果和最短运算时间的分割参数值，为在线监测中磨粒图像分割参数的自适应选择提供了依据。实验结果表明，研究所采用的分割模型对于磨粒图像具有更高的分割准确率和收敛速度，为后续快速、准确计算油液中铁谱磨粒含量提供了保证。     

基于法向力活动轮廓模型的医学图像分割

提出法向力活动轮廓模型并应用到医学图像分割中,实验结果表明该模型能扩大初始轮廓曲线收敛范围,正确分割侧脑室图像.而且,初始轮廓曲线愈接近目标真实边界,迭代次数愈少,分割速度愈快.     

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.     

聚类分析和活动轮廓模型相融合的图像分割算法

针对当前图像分割算法存在的分割误差大、 分割时间长及无法进行在线图像分割的不足, 提出一种基于聚类分析和活动轮廓模型相融合的图像分割算法. 首先, 对原始图像进行去噪处理, 采用聚类分析算法对原始图像进行粗分割, 将粗分割结果作为活动轮廓模型的初始轮廓线; 其次, 将活动轮廓模型根据初始轮廓线对图像不同区域轮廓进行拟合, 实现图像的精细分割； 最后与聚类分析算法、 活动轮廓模型以及当前经典图像分割算法进行对比测试实验. 实验结果表明, 本文算法克服了当前图像分割算法存在的缺陷, 提高了图像分割效率和精度, 对噪声不敏感, 并具有较强的鲁棒性, 图像整体分割效果显著优于对比算法.