基于窄带Mumford—Shah模型的图像分割方法

在结合Mumford-Shah模型和水平集方法中的窄带解法优点的基础上，提出了一种新的图像分割模型。Mumford-Shah模型虽然具有良好的图像分割结果，但是其每次迭代过程都需要对所有图像数据进行计算，因而很费时，导致这种方法不适用于大的图像数据，特别是三维图像的分割。本文通过一种新的初始化方法把Mumford-Shah模型和水平集中的窄带解法结合在一起。这种新 的初始化方法是通过在特定条件下简化快速行进法得到的。通过去除快速步进法中费时的 排序过程，使得初始化的计算时间只有O（N）。窄带Mumford-Shah模型把分割计算限制在窄带范围内，避免了大量的计算，但取得了与原始的Mumford-Shah模型相同的分割效果。实验结果表明基于快速步进法的初始化方法是可行的，而窄一喧M－S分割模型一次迭代计算的时间比原M－S模型减少许多。     

一种新的曲线演化混合模型图像分割算法

本文在Mumford-Shah模型的基础上，将传统几何曲线演化的驱动力（图像梯度局部信息）、Mumford-Shah模型的全局信息以及水平集的符号距离函数统一在一个变分框架之下，完成曲线演化过程的数值计算。本混合模型无需重新计算演化曲线的初始位置，可选择较大时间步长。实验结果表明，新的混合模型既保留了原有曲线演化模型的优势，又能高效稳健、快速地完成曲线演化过程。     

基于图切割与C-V模型的运动目标分割

将一种基于图切割与简化Mumford-Shah模型Chan-vese模型(G-V模型)相结合的方法应用于运动目标分割中.在此方法中,利用图切割技术求解能量最优化,利用C-V模型自适应处理目标几何的拓扑变化.通过实验对此方法在图像序列中的运动目标进行了检测与分割研究.实验结果表明,图切割能量优化加速了曲线进化进程,迭代次数大大减少,同时避免了常规水平集方法中符号函数的初始化和迭代更新.对图像序列中的运动目标进行分割的仿真实验验证了该方法的有效性.     

基于改进Chan-Vese模型的图像分割

目前基于水平集的图像分割方法很难给出基于全局极值的算法终止条件,而大多采用事先设定迭代次数的方法。本文提出了一种改进的Chan-Vese模型,通过添加水平集函数约束项,使得新模型抑制了水平集函数的取值范围,最终收敛至全局极值,并以此作为算法终止条件,无需事先设定迭代次数。实验结果表明,新模型在其终止条件下,分割结果正确,与传统Chan-Vese模型相比,新模型的收敛速度快3~6倍,且通用性更强。     

基于图像引力和Mumford2Shah模型的曲线演化算法

提出了一种图像引力和Mumford2Shah (M - S)模型的快速曲线演化算法,该算法分两 步实现:首先利用图像引力,对参数主动轮廓线模型中的控制点进行寻优,使控制点能快速地收敛到图像的边缘附近;然后利用插值算法,得到目标较粗糙的大致轮廓,再使用M - S模型和窄带方法得到准确的轮廓。该算法避免了参数主动轮廓线模型不能收敛到物体凹陷的边缘和对初始位置敏感等问题,也避免了M - S模型需要对所有图像数据进行计算,计算量大等问题,实现了对参数和几何主动轮廓线模型进行了有效结合。     

基于改进的CV模型的医学图像分割

基于CV模型的水平集分割是医学图像分割的一个重要的分割手段。医学图像分割要求精度高,速度快。传统的处理方式效率比较低,不能满足医学图像的分割要求。针对这一缺点,本文提出新的分割模式。首先,在分割过程中间断的对图像进行窗口化处理,减少演化过程所需计算的数据量。同时使活动轮廓的演化速度伴随窗口规模进行调整,减少演变所需的迭代次数。实验表明,改进之后分割方法能够极大的提高分割速度,同时图像细节部分的分割也有更高的精度。     

基于C-V模型的医学图像分割方法

重点阐述了两种几何活动轮廓模型,基于梯度信息的李纯明模型和基于区域信息的C-V模型,在分析了两种模型的优缺点后,将李纯明模型中的罚函数项引入到C-V模型中,提出了无需初始化的C-V模型。实际结果表明,改进后模型具有李纯明模型的分割速度和C-V模型的效果。     

基于PDE的快速自适应图像分割算法

在水平集理论和Chan-Vese模型的基础上,详细分析了水平集函数的初始位置和分割速度的关系,指出如果初始位置不好,将会影响曲线的演化速度。针对该问题提出了利用阈值分割技术对水平集函数进行初始化,通过优化水平集函数的初始位置来加快Chan-Vese模型的演化速度。实验结果表明,本文所提出的方法不受初始轮廓位置的限制,具有鲁棒性,分割效果良好,有很好的实际意义。     

基于改进型C-V模型的红外图像自动分割

将C-V模型引入到红外图像分割中,同时提出了一种改进的模型。该模型通过增加偏离能量项,避免了标准C-V模型的重新初始问题。模型允许选取较大的时间步长,可以用简单的有限差分格式实现。实验证明,改进的模型在分割效果不变的情况下可以有效加速演化过程,提高分割效率。     

基于粗糙集的彩色文本图像特征分割算法

提出了一种将彩色文本图像分割为背景、图像、文字和图形区域的算法。该算法在一种改进的RGB-椭圆彩色模型上，对每一个分量进行若干次小波变换后的高频小波系数块进行直方图特征分析，并应用粗糙集的分类思想，将彩色文本图像分割为相应的区域。实验结果表明，该算法能得到较好的分割效果。     

基于Mumford-Shah模型的参数估计和两阶段图像分割方法

Mumford-Shah两相分片常数模型是一个有效的图像分割模型,但当模型用于带有噪声的图像时,其水平集解法存在对初始解和长度参数敏感这两个问题.文中给出一种两阶段分割方法,首先利用传统的简单分割方法获得一个粗分割,再将其作为变分模型的初始解,从而实现自动选取初始解.文中还给出一个有效的自适应长度参数估计模型,该模型依据图像中噪声方差大小来确定参数.两阶段分割方法和自适应参数估计结合起来使得算法大大减弱了对参量的敏感性,而且可以正确、快速地分割.针对一些计算机生成图像和实际图像的实验结果验证了算法是有效的.     

基于逆浓度扩散及直方图的Mumford-Shah模型的MRA血管分割

直径的差别和造影剂的厚度不同造成血管在MRA成像中灰度不均匀,加上图像噪声的影响,使得血管的分割非常困难。而本文从血管在MRA图像中的特性出发,提出了逆浓度扩散模型,实现了血管的增强;另外本文还提出了基于直方图的Mumford-Shah模型计算方法,实现了图像的快速分割。实验表明,本文提出的方法能有效应用于二维及三维MRA图像中的血管分割。     

结合文字核心区域和扩展生长的藏文古籍文本行切分

藏文古籍文档图像中相邻文本行之间通常存在黏连和重叠的情况,这使得文本行切分成为一项艰巨的任务.因此,提出了一种结合文字核心区域和扩展生长的藏文古籍文档图像的行切分方法.首先,根据二值藏文古籍文档图像中连通域的面积和真圆度去除非音节点,获得音节点图像.其次,通过水平投影音节点图像和垂直投影二值原图,得到文本行基线所处的范...     

基于主题分析的文本分割技术研究

 本文提出一种新颖的文本分割算法,算法首先将待分割文档划分为若干片段的集合,然后构造全文词汇链分析文中描述的多个子主题,并通过构造片段对子主题的覆盖图将描述相同子主题的相似片段归类.针对段落分割点可能落在片段内部的情况,算法对片段进行二次划分.实验表明:在对文档进行主题分析后,算法能够过滤掉与主题无关的特征对分割结果的干扰;构造的片段对子主题的覆盖图融合了相邻及相间片段的相似性,加大了划分的准确度;对片段进行二次划分使得分割的结果更加合理.     

基于SVM能量模型的改进主动轮廓图像分割算法研究

为克服经典主动轮廓模型曲线内外区域能量定义在复杂目标与背景分布情况下的不足,本文将高效的支持向量机有监督学习分类器引入基于Mumford-shah模型的主动轮廓图像分割算法中,提出了基于SVM能量模型的改进主动轮廓图像分割方法.该方法首先利用支持向量机的分类结果对于封闭曲线的内外区域分别构造了一种新的图像能量表示方法,因为分割过程充分利用了有监督学习策略,使得本文提出的算法具有更高的稳定性和更加广泛的适用范围,特别是对目标灰度分布不均或存在多纹理的目标也可以得到较好的分割结果.分割时,首先利用SVM实现粗分割得到目标初始轮廓,然后利用改进的Mumford-shah主动轮廓模型进行精确分割,采用粗分割策略一方面可以大大提高分割速度,另一方面也可以提高了算法的自动化程度.对比实验结果表明本文提出的算法具有更大灵活性和更好的分割性能.     

基于图像引力和Mumford-Shah模型的曲线演化算法

提出了一种图像引力和Mumford—Shah（M—S）模型的快速曲线演化算法,该算法分两步实现：首先利用图像引力,对参数主动轮廓线模型中的控制点进行寻优,使控制点能快速地收敛到图像的边缘附近;然后利用插值算法,得到目标较粗糙的大致轮廓,再使用M—S模型和窄带方法得到准确的轮廓。该算法避免了参数主动轮廓线模型不能收敛到物体凹陷的边缘和对初始位置敏感等问题,也避免了M—S模型需要对所有图像数据进行计算,计算量大等问题,实现了对参数和几何主动轮廓线模型进行了有效结合。     

基于Mumford-Shah模型的水上桥梁目标分割与识别

在桥梁知识的基础上,从河流和陆地的区域特性出发,提出了一种基于Mumford-Shah（MS）模型的水上桥梁分割算法.首先对Mumford-Shah模型中的区域权重进行相关性定义,实现对水域的分割,然后根据桥梁与河流区域边界的几何位置关系实现对桥梁目标的提取和识别.实验表明,该算法能够实现对水上桥梁目标的提取,尤其对远距离小目标水上桥梁及灰度梯度较弱图像的桥梁分割更有效.     

基于统计模型的视频分割检测算法

视频分割是视频结构化和检索的重要技术，目前主要通过镜头分割得到．本文基于统计模型提出了一种改进的算法，并将算法应用于非压缩城中进行视频分割，得出了一种简单且实施性高的视频分割方法，并用Matlab软件来实现了一个视频分割的实例。从实验可以看出，本方法在实际实现中，得到了较好的结果。     

基于中文分词的文本相似度动态规划算法

针对传统的基于动态规划的对论文的文本相似度计算的不足,提出了一种基于中文分词和动态规划的论文文本相似度计算方法,并对此进行了讨论。该方法克服了一般基于动态规划的计算方法所具有的效率低,判断准确率低的缺点。通过对实际中的论文数据库中论文进行测试和分析,该算法能提高计算准确率,并一定程度上提高了运算速度,可以应用于论文防抄袭系统中。     

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。