结合边界和区域的水平集超声图像分割算法

针对距离正则化的水平集演化（DRLSE）模型难以处理弱边缘图像、初始轮廓敏感以及曲线演化方向单一等问题,提出一种结合边缘和区域信息的变分水平集超声图像分割模型。该模型采用改进的四阶偏微分方程进行滤波,实现在去除噪声的同时保护图像边缘信息;构造了自适应加权系数,实现曲线自适应地向内或者向外演化;引入CV模型的外部能量项,将图像的边缘信息和区域信息相结合,提高了全局分割能力。实验结果表明：该方法在分割超声图像时,具有演化结果稳定,边缘定位准确的特点,可以较好地提取超声图像中的目标。     

基于边缘和区域信息相结合的变分 水平集图像分割方法

 针对GAC模型和C-V模型分别存在对弱边缘和灰度渐进图像分割效果不理想以及演化效率低等问题,提出了一种基于边缘和区域信息相结合的变分水平集图像分割方法.结合了图像边缘梯度信息和区域全局信息的能量函数作为模型的外部能量项,引入内部变形能量约束水平集函数来逼近符号距离函数,省去了重新初始化水平集函数的过程,并融入了物体形状先验知识的附加约束信息,提高了分割精度.实验结果表明,论文所用方法对分割噪声弱边缘图像和灰度渐进图像具有一定的有效性和可行性.     

基于改进的变分水平集和区域生长的图像分割方法的研究

针对水平集和区域生长方法都存在对噪声和初始边界敏感以及容易从弱边缘处泄露等不稳定的问题,提出了结合待分割目标灰度统计信息和图像梯度信息的水平集演化函数对水平集方法进行改进,并利用区域生长方法解决水平集方法对初始边界敏感的问题.分别用传统区域生长方法、阈值方法、GAC模型、C-V模型、Snake模型以及本文方法进行从腹部CT图像分割肝脏区域的实验比较,实验结果表明:本文方法不仅可以减少图像分割的时间,而且显著地提高了分割质量.     

一种基于改进Chan-Vese模型的红外图像分割方法

为了解决基于Chan-Vese(CV)模型的传统水平集方法难以分割灰度不均匀红外图像的问题,本文提出一种基于改进CV模型的水平集分割方法。通过加入可处理局部区域信息的局部项,使得改进的CV模型能够有效避免不均匀背景对水平集演化过程的干扰。此外,通过加入符号距离能量惩罚项,使得该模型无需重新初始化过程,从而提高了水平集函数的演化效率。实验结果表明,本文方法对于红外图像的分割具有较高的精度。     

利用局部离散度活动轮廓模型的强度非均匀图像分割

强度非均匀现象在真实图像中普遍存在,采用常规基于强度的分割算法会导致严重的误分割。针对强度非均匀图像分割,提出了基于局部离散度的活动轮廓模型分割算法。首先定义基于类内类间距离的离散度,然后利用核函数提取局部区域信息,同时加入边缘指示函数加权的轮廓线长度项能量,建立基于局部离散度的活动轮廓模型。最后引入水平集函数惩罚项,避免水平集方法在演化求解时需要不断初始化的问题。合成图像和真实图像实验结果证明本文算法性能稳定,适应于强度非均匀图像的分割。      

基于形状约束和局部演化的二值水平集运动目标分割

针对水平集分割模型运算效率较低且易出现过分割的现象,结合视频中运动目标分割的应用背景,该文提出一种将运动目标检测作为先验形状约束和曲线局部演化方法相结合的二值水平集分割模型.该模型提出将运动目标检测的区域作为先验形状信息对水平集分割进行约束,并使用二值函数替换传统水平集函数提高运算效率,同时融入曲线的局部演化方法解决二值水平集模型缺乏曲线演化渐进性的问题.实验结果表明,该文方法在分割准确性、鲁棒性和运算效率等方面与相关模型相比均有不同程度的提高.     

基于模糊能量聚类的变分水平集遥感图像分割算法

提出一种基于模糊能量聚类的变分水平集遥感图像分割算法,该算法保留了变分水平集能够综合利用区域和边界信息的特点,改善了变分水平集方法对带噪声遥感图像进行分割时存在去噪效果不明显、分割精度不高的问题。在通过变分法得到能量泛函取极小值的水平集函数演化方程的基础上,采用了连续的最优隶属度函数,得到模糊能量聚类的变分水平集。实验仿真及对比结果表明,该算法分割后的图像区域具有明显灰度差和边界区分,去噪效果良好,而且分割精度优于对比算法。     

基于Wasserstein距离的局部能量分割模型

 提出了一种基于Wasserstein距离和图像局部区域直方图信息的非参数活动轮廓分割模型.用该距离对图像中不同区域的直方图进行比较,提高了相似性衡量的准确性;引入高斯内核函数来获取图像局部区域直方图信息,并将信息嵌入模型指导轮廓演化,以克服由于亮度不均造成的图像分割困难;通过水平集规范项提高计算精度并避免水平集演化的重新初始化.实验结果表明,本模型能够对亮度不均的无序特征图像进行有效准确的分割.     

结合局部能量与改进的符号距离正则项的图像目标分割算法

针对传统C-V模型对颜色不均匀图像分割失败并且对初始轮廓和位置敏感问题,以及现有符号距离正则项存在周期性振荡和局部极值问题。该文提出结合局部能量信息和改进的符号距离正则项的图像目标分割算法。首先,将全局图像信息扩展到HSV空间,并使用局部能量项信息分析每个像素及其领域内的统计特性,从而在较少的迭代次数内有效分割颜色分布不均匀图像。其次,改进现有符号距离正则项,改进后的符号距离正则项在避免水平集函数的重新初始化的同时,提高了计算效率,保证了水平集函数演化过程的稳定性。然后,定义阈值判断法的水平集函数演化的终止准则,使曲线准确演化到目标轮廓。该算法与同类模型的对比实验表明该模型具有较高的分割精度和对初始轮廓的鲁棒性。     

一种基于k均值的多相位水平集遥感图像分割方法

针对遥感图像的特点,本文提出了一种基于K-均值与改进的多相位水平集模型结合的新方法。相比于传统的水平集模型,改进模型在能量函数中考虑了图像的面积、梯度信息和边缘检测。图像的梯度信息可以克服分割中存在的边缘定位的不准确,边缘检测可以在曲线衍化过程中更好的保持边缘信息。为了加快边缘的收敛速度,避免陷入局部最优,本文提出先对图像进行中值滤波来平滑图像和消除部分噪声,然后利用K均值进行聚类得到明显的特征差异。接着用Sobel算子进行梯度重建,然后用改进的多相位水平集模型进行分割。实验结果显示本文的算法对于遥感图像的分割在时间和精度上都有较好的效果。     

一种自适应初始轮廓的水平集演化方法的研究

距离规则水平集存在对噪声、初始轮廓敏感、收敛速度慢以及容易从弱边缘处泄露等不稳定问题.结合待分割目标灰度统计信息和图像梯度信息,提出了一种自适应初始轮廓的水平集演化方法,利用图像信息构成的自带符号目标信息函数代替面积项中的边缘指示函数,解决水平集方法对初始轮廓敏感问题.另外,还设计一个自我调整的面积项系数解决水平集方法对收敛速度慢以及弱边缘处泄露问题.实验结果表明：本文方法不仅可以减少图像分割时间,提高了分割质量,同时能够解决对初始轮廓敏感问题.     

基于相位一致性改进的活动轮廓分割模型

为了实现甲状腺超声图像中结节组织的快速准确分割,克服图像灰度分布不均匀和边缘模糊对分割结果造成的影响,采用了基于相位一致性改进的活动轮廓分割模型。首先,利用相位一致性边缘检测原理构造一种新的速度函数,不仅弥补了梯度算子边缘检测中由于滤波处理造成边缘损坏的缺陷,而且可以灵活地控制曲线演化速率;然后,将该速度函数乘入到无边缘主动轮廓模型的能量项中,避免了线性组合中的权重分配问题,同时具有全局分割能力。通过理论分析和实验验证,改进模型的相对差异度均小于1%,运行时间均低于对比模型。结果表明,新模型实现了灰度分布不均匀图像的精确分割,同时分割效率也有所提高。     

A robust hybrid active contour model based on pre-fitting bias field correction for fast image segmentation

An array of existing active contour models is prone to suffering from the deficiencies of poor anti-noise ability, initialization sensitivity, and slow convergence. In order to handle these problems, a robust hybrid active contour method based on bias correction is proposed in this research paper The energy functional is formulated through incorporating the adaptive edge indicator function and level set formulation driven by bias field correction. The adaptive edge indicator function, which is formulated based on image gradient information, is utilized to detect object boundaries and accelerate the segmentation in the homogeneous region. The level set formulation is constructed based on an improved criterion function, in which bias field information is considered. Specifically, the bias field distribution is approximated through the local mean gray value algorithm as a prior. Moreover, a new regularized function is proposed so as to maintain the stability of curve evolution. The segmentation process is implemented by the optimized energy function and the novel regularized term. Compared to previous active contour models, the modified active contour method can yield more precise, stable, and efficient segmentation results on some challenging images.     

一种基于变分水平集的红外图像分割算法

红外图像大都存在边缘模糊或离散状边缘的特点,并且图像的先验知识较少,因此红外图像的分割是比较困难的。针对这种情况,该文提出了一种基于图像全局信息并且不需要重新初始化的变分水平集红外图像分割方法,不考虑图像边缘梯度的影响,将图像全局信息作为外部能量项,在很大程度上克服了边缘模糊时过分割的情况。同时通过引入内部变形能量约束水平集函数逼近符号距离函数,省去了重新初始化水平集函数的过程,简化了计算,减小了因重新初始化水平集函数带来的误差。将算法应用在红外图像的分割中,验证了算法的有效性。     

一种用于红外图像分割的改进型Otsu方法

概述了红外图像处理系统对图像预处理的要求,并针对传统图像分割算法中容易出现的目标错分问题,提出了一种基于灰度梯度映射函数的Otsu法。该方法克服了传统的基于灰度直方图的Otsu法不能利用图像局部信息和边界信息的缺点,通过将像素点的梯度信息与灰度信息相结合,较好地从背景中分离出了目标。仿真结果表明,该算法达到了预期的技术指标,很好地实现了红外图像预处理的功能。     

一种新的基于局部信息的拟合模型

对于局部不均匀的图像来说,局部图像信息在图像分割中是非常关键的,然而C-V模型中则缺乏这样的信息。我们提出了一种新的融合了局部边界信息的水平集模型--局部最大最小信息模型,因此此模型能够有效地改进C-V模型在分割不均匀图像方面的性能,即可以解决局部不均匀图像的分割问题克服C-V模型所遇到的一些困难。最终,通过对人工的和真实的图像上的实验证明该模型可以有效地分割局部不均匀图像。