改进的水平集方法及其在图像分割中的应用

为了稳定水平集函数的演化过程,提出了一种改进的距离规则化水平集方法,新方法与传统的距离规则化方法相比,能更好地维持水平集函数的符号距离函数特性.为了检验新方法的性能,首先将其应用到基于边缘的主动轮廓模型中并用于图像分割,实验结果表明新方法能有效提高分割效率和精度.同时,还将新方法应用到一种改进的基于区域的主动轮廓模型中,实验结果不仅进一步验证了新方法的有效性,还表明新方法能改善初始位置的鲁棒性.     

基于改进C-V水平集模型的SAR图像分割

本文研究了SAR图像分割的问题.利用一种加入图像边缘信息且无需重新初始化的改进水平集方法,获得了比传统C-V模型分割速度更快、准确度更高的分割结果.推广了C-V水平集模型分割灰度不均匀的SAR图像以及零水平集曲线的初始化等结果.     

基于改进的变分水平集C-V图像分割模型研究

为解决C-V模型中弱边缘或边缘模糊图像分割问题,提出了用边缘停止函数代替正则化Dirac函数的C-V图像分割模型.首先对正则化Heaviside函数和正则化Dirac函数中的参数进行了讨论,然后利用图像边缘信息将梯度算子引入正则化Driac函数中,对C-V模型进行改进,最后,用边缘停止函数代替C-V模型中的正则化Dirac函数.实验结果显示,提出的模型比C-V模型对图像的分割效果更好.     

基于小波多分辨率分析和改进窄带法的C-V水平集图像分割模型

本文研究了基于小波分析改进的C-V模型图像分割问题.利用小波多分辨率分析和改进的窄带水平集方法,获得了比传统C-V模型分割速度更快、准确度更高、算法复杂度更低的分割结果.推广了C-V水平集模型如何快速准确地分割灰度不均匀的图像和窄带水平集法等结果.     

重构电导率间断界面的一种水平集方法

对一类EIT（电阻抗断层成像）问题提出一种水平集方法来重构电导率的间断界面．通过选取适当速度函数,构造了水平集重构算法,同时给出EIT问题及正则化的理论结果．数值例子表明重构算法是有效和稳定的．     

基于PDE模型的图像处理方法

介绍了异质扩散偏微分方程 ( PDE)和几何驱动 ( GD)图像处理新方法 .对照传统滤波方法 ,分析了PDE和 GD方法的优点 ,并给出用于模糊和噪声图像恢复处理的两个模型     

基于小波域的多尺度非参数图像分割方法

主要介绍了一种基于信息熵理论及图像多尺度信息来对图像进行非参数主动轮廓模型分割的有效方法.由于小波多分辨率特性的引入,可以最大程度地利用图像多尺度信息以确保分割的准确性和完整性.又由于小波变换的特性,低频信息的使用更是进一步降低了噪声影响.文中把图像分割问题定义为在分割区域边缘长度满足一定约束条件下,图像标记场与各个尺度图像像素值之间的互信息熵最大化过程.该方法可以有效地降低噪声对于分割的影响,及确保分割的准确性和完整性.     

基于变分等值线方法的图像分割技术

使用level set,函数来隐式地追踪目标图像,给出了level set函数的变分模型和相应的 Euler-Lagrange方程．在保证level set函数的等值线在目标图像附近的运动速度渐趋于零的前提下,改进了原来的Euler-Lagrange疗程,加快迭代速度．可灵活地调节模型参数以满足不同的分割要求．文中算例说明本模型的有效性、灵活性．     

求解图像分割CV模型的BB算法

给出图像分割的一种新算法——BB算法.该方法的优点在于利用迭代过程中当前点和前一点的信息确定搜索步长,从而更有效地搜索最优解.为此,首先通过变分水平集方法将CV模型转化为最优化问题;其次,将BB算法引入该优化问题进行求解;然后,对BB算法进行收敛性分析,为该算法应用在CV模型中提供了理论依据;最后将该方法与已有的最速下降法、共轭梯度法的分割结果进行比较.结果表明,跟其他两种方法相比,BB算法在保证较好分割效果的前提下,提高了算法的速度和性能.     

一种改进的Heaviside函数与Dirac函数的C-V图像分割研究

C-V模型中Heaviside函数和Dirac函数正则化逼近影响对目标图像的分割,根据Heaviside函数和Dirac函数的性质,提出了新的正则化Heaviside函数和Dirac函数.首先分析了C-V模型中正则化的Heaviside函数和Dirac函数在图像分割中所起的作用,在此基础上提出了新的正则化的Heaviside函数和Dirac函数,改进了C-V模型.实验结果表明,运用正则化的Heaviside函数和Dirac函数的图像分割效果较好.     

求解分段常数图象分割模型的一个快速算法

针对Xue-ChengTai等提出的分段常数图象分割模型,我们提出了一个新的快速求解算法。通过引进一个函数来选择模型中的正则化参数β的值,并判断在迭代过程中何时求解不含惩罚项的泛函F。此函数的引入有效地加速了算法的收敛速度。结合原始-对偶Newton方法来求解总变差最小化问题。数值试验表明新算法具有很快的收敛速度与良好的分割效果,且算法对初始值的要求不高。     

灰度图像复原的一种空间适应性向前向后扩散模型

该文考虑退化灰度图像复原问题. 首先, 作者利用时滞正则化方法定义退化图像去噪过程和去模糊过程之间的权重函数, 将激波过滤器边缘增强模型与水平集运动去噪模型相结合, 建立一种新的图像磨光增强偏微分方程. 然后, 证明该偏微分方程初值问题黏性弱解的存在唯一性. 最后, 给出该模型的部分数值算例.     

基于分段常值水平集的抛物型方程的参数识别算法

研究了线性抛物型方程不连续参数的识别算法.根据原有算法对于加噪观测数据计算不收敛的问题,本文基于分段常值水平集方法,根据水平集函数和优化过程的特点,修正原有Uzawa型算法中的带有总变差(TV)正则化的极小化模型和对常值向量的极小化模型,并且利用分裂Bregman迭代算法处理TV范数的优越性,构造一种新的参数识别算法格式.数值实验结果显示,新算法具有计算时间短、精度高、抗噪性强的优点.     

图像恢复问题中减少梯子现象的一种新模型

自从Rudin,Osher和Fatemi提出图像处理的经典模型--- ROF模型, 总变差模型成为图像处理中一个普遍有效的工具. 总变差模型具有保留边界轮廓的优点, 但同时也导致了光滑边界的不连续性, 即梯子现象. 该文在ROF模型的基础上, 针对梯子现象, 提出一种新的图像去噪模型, 并且利用一种新的对偶方法对问题进行求解. 数值实验证明, 新的模型保留了ROF模型的优点, 同时明显地减少了梯子现象.     

基于新集对分析的粗糙集模型

首先,在这篇文章里两个集合里的元素被分为三个相对独立的部分来研究。接下来,一种定量信息——元素数目被用来描述这两个集合间的关系,然后提出了基于元素数目的新集对分析思想;另一方面,引用含糊集中真隶属度和假隶属度的概念,提出了一种模糊集对联系度。然后,这两种集对分析思想分别被用到粗糙集理论中作为粗糙集模型的一种推广,此外还讨论了一些相关的性质。     

一种新型粗糙集的指标筛选模型及实证分析

针对现有指标筛选方法不能将指标客观数据和指标实际含义同时处理的弊端,研究提出了一种新型粗糙集指标筛选方法,并对绿色经济下的社会可持续发展评价指标体系构建进行了实证分析.方法同时将粗糙集决策表的相对约简理论与信息表的属性约简理论相结合,既保证了筛选的客观性又兼顾了指标的实际含义,其主要做法一是通过布尔推理算法,保证了连续型指标离散化过程中候选断点的最优组合,为粗糙集约简提供了高准确率的信息表数据;二是考虑了指标的实际含义,通过对有因果关系的指标构成的决策表进行相对约简,删除了指标信息间的冗余指标;三是通过对无实际联系的指标构成的信息表进行属性约简,删除了研究指标客观数据中的冗余指标.     

Application of the Level-Set Model with Constraints in Image Segmentation

We propose and analyze a constrained level-set method for semi-automatic image segmentation. Our level-set model with constraints on the level-set function enables us to specify which parts of the image lie inside respectively outside the segmented objects. Such a-priori information can be expressed in terms of upper and lower constraints prescribed for the level-set function. Constraints have the same conceptual meaning as initial seeds of the popular graph-cuts based methods for image segmentation. A numerical approximation scheme is based on the complementary-finite volumes method combined with the Projected successive overrelaxation method adopted for solving constrained linear complementarity problems. The advantage of the constrained level-set method is demonstrated on several artificial images as well as on cardiac MRI data.     

On a Variational Model for Selective Image Segmentation of Features with Infinite Perimeter

Variational models provide reliable formulation for segmentation of features and their boundaries in an image, following the seminal work of Mumford-Shah (1989, Commun. Pure Appl. Math.) on dividing a general surface into piecewise smooth sub-surfaces. A central idea of models based on this work is to minimize the length of feature’s boundaries (i.e., H1 Hausdorff measure). However there exist problems with irregular and oscillatory object boundaries, where minimizing such a length is not appropriate, as noted by Barchiesi et al. (2010, SIAM J. Multiscale Model. Simu.) who proposed to miminize L2 Lebesgue measure of the γ-neighborhood of the boundaries. This paper presents a dual level set selective segmentation model based on Barchiesi et al. (2010) to automatically select a local feature instead of all global features. Our model uses two level set functions: a global level set which segments all boundaries, and the local level set which evolves and finds the boundary of the object closest to the geometric constraints. Using real life images with oscillatory boundaries, we show qualitative results demonstrating the effectiveness of the proposed method.