基于预测-校正改进Snake的心脏MR图像左心室外轮廓分割

在心脏MR图像中,由于左右心室结合处的灰度非常靠近,在左心室外轮廓上形成弱边界,基于Snake模型分割左心室外轮廓时就会有边界泄漏的问题.本文先定义了两种局部信息用于边缘增强,并构造了合理的外力场,然后将传统Snake模型的形变结果作为对轮廓新位置的预测,基于左心室外轮廓形状的先验知识对预测的结果进行校正,使得Snake的形变由预测、校正两步来完成.实验结果表明,这种预测-校正两步形变Snake模型对心脏MR图像左心室外轮廓分割有较好的效果.     

一种基于蚁群算法的Snake模型与MRI分割

Snake模型以其收敛快速、精确度可达到亚像素等优点，被广泛地应用于医学图像分割，但该模型依赖于初始曲线的选取，易于收敛到局部最优且难以达到凹陷区域。为此提出一种基于蚁群算法的Snake模型，首先利用区域内灰度统计特征自动进行Snake初始化，然后在Snake演化过程中加入一向心力，使其能进入凹陷区域，最后用蚁群算法对演化结果进行优化，使其收敛到全局最优，获得最终的分割结果。实验结果表明，改进的模型在MRI分割中可以得到较好的分割结果。     

一种新的图像力在Snake模型中的应用

针对Snake模型应用于图像边缘检测时对于噪音过于敏感的不足，提出了一种新的图像力。在新的图像力的作用下，Snake模型可以很好的减小噪音的干扰，使模型的分割性能更好。最后用遗传算法对分割结果进行优化，以得到最好的分割结果。     

一种改进的基于蛇模型的分割方法

CT图像的分割在临床的诊断和治疗中有着重大的意义。其中Snake分割算法能够得到较好的分割结果,该文通过对传统Snake算法基本原理的研究,提出了一种改进的Snake分割模型。首先,通过数学形态学的方法得到CT图像的边缘,其次,运用改进的能量方程对分割过程进行迭代。优化的Snake模型能够克服传统Snake模型无法收敛于极凹处以及对噪声敏感的问题。通过实验将模型应用于实际CT图像分割,并且得到较精确的实验结果。     

基于Hough变换和GVF Snake模型的脑肿瘤分割方法*

脑MR图像中肿瘤区域的精确分割对后续的治疗与诊断十分关键,本文提出了一种基于Hough变换定位与遗传算法优化GVF Snake模型的脑肿瘤分割方法。首先,利用Hough变换和阈值处理自动确定肿瘤区域,然后,利用GVF Snake模型对肿瘤区域进行分割,同时为了防止GVF Snake在分割时易出现局部极小值的问题,进一步利用遗传算法的全局优化特性,对GVF Snake模型分割的结果进行优化。实验结果表明,本文提出的模型一方面能实现对肿瘤区域的自动定位,同时也避免了GVF Snake模型在分割时易陷入局部最优的问题,使分割的结果更加精确。     

一种改进的Ribbon snake遥感图像道路网自动生成算法

针对树木或高大建筑物遮挡以及噪声等因素造成道路提取结果不完整的现象,根据道路的几何特征,在Snake模型中加入道路宽度信息,构造Ribbon Snake模型。为了克服模型对内部参数依赖性较大、容易受到复杂背景干扰影响的不足,采用B样条曲线对道路的平滑性进行约束,与Ribbon Snake相结合建立道路提取算法,通过调节控制点的数目增强曲线的灵活性。从改进的B样条Ribbon Snake的道路网分割结果可以看出,分割的结果更加平滑,精度更高,对噪声具有更好的鲁棒性。     

一种基于遗传算法的双T-Snake模型图像分割方法

Snake的初衷是为了进行图像分割，但它对初始位置过于敏感，且不能处理拓扑结构改变的问题。初始位置的敏感性可以用遗传算法来克服，因为它是一种全局优化算法，且有良好的数值稳定性。为了更精确地进行图像分割，本文提出了一种基于遗传算法的双T—Snake模型图像分割方法，它将双T—Snake模型解作为遗传算法的搜索空间，这既继承了T—Snake模型的拓扑改变能力，又加快了遗传算法的收敛速度。由于它利用遗传算法的全局优化性能，克服了Snake轮廓局部极小化的缺陷，从而可得到对目标的更精确的分割。将其应用于左心室MRI图像的分割，取得了较好的效果。     

差分进化算法GVF Snake模型在PET图像分割中的应用

利用PET图像进行诊治时需要对人体病灶精确定位,PET图像中病灶目标区域的分割是早期诊断与治疗的前提和关键。基于传统Snake模型的方法在PET图像分割时存在对初始轮廓过于敏感,难以收敛到目标凹型区域等问题,为此将GVF Snake模型引入PET图像的分割中。为防止GVF Snake模型陷入局部最优,进一步利用差分进化(DE)算法的全局优化特性对GVF Snake模型分割的结果进行优化,提高PET图像分割精度。实验结果表明,该方法能有效地对PET图像中的病灶目标区域进行分割,可避免陷入局部最优且具有良好的实时性。     

基于FD特征的Snake模型及自动目标轮廓提取

用Snake模型分割自然背景下的人造目标时，Snake曲线往往被复杂背景所吸引，无法收敛到人造目标的边缘。针对该问题，文章从目标特征的角度，将分形维数特征引入Snake模型。利用自然背景和人造目标在分形维数特征上的显著区别，定义了基于目标分形维数特征的梯度加权函数，来自适应调整图像梯度幅值的大小，抑制自然背景的干扰。同时，该模型允许初始轮廓远离目标的真实边缘，降低了Snake模型对初始位置的依赖性。实验表明，该Snake模型能够克服复杂自然背景的干扰，提取出人造目标的边缘。     

一种基于遗传算法的FFT Snake模型图像分割方法

本文针对Snake模型用于轮廓跟踪时存在抗噪性能差、易于从弱边界溢出的不足，对其能量函数进行改进，提出一种新的FFT Snake模型。该模型较好地解决了以上问题，并将FFT Snake模型的解作为遗传算法的搜索空间，利用遗传算法的全局优化性能，有效地克服了Snake轮廓局部极小化的缺陷，从而可得到对目标更精确的分割。实验结果表明，该方法分割效果十分理想。     

Snake模型与深度凹陷区域的分割

在基于Snake模型的图像分割中,深度凹陷区域的分割是一个难点．尽管GVFSnake模型极大地改善了这个问题,但它需要事先求解一个偏微分方程组,增大了计算量;同时,GVFsnake模型在初始化时还存在一个“临界点”问题．探讨了深度凹陷区域的分割,用离散轮廓上顺序3点所成三角形内切圆圆心来定义离散轮廓的曲率,该曲率既能反映轮廓的弯曲程度,又具有合理的方向．基于该曲率定义了曲率外力项,构造了基于Snake模型的两阶段算法,先采用传统Snake模型使离散轮廓逼近目标边缘,然后在曲率外力的作用下使离散轮廓进入目标的凹陷区．曲率外力项的引入能较好地解决深度凹陷区域的分割问题,也可以扩展该外力项来扩大Snake模型的捕捉范围．实验结果表明该方法是有效的．     

基于Snake模型的图像分割新算法

针对目前基于Snake模型的图像分割算法普遍存在噪声鲁棒性差、适用范围受限、易发生弱边缘泄露以及轮廓曲线难以收敛到细小深凹边界的缺陷,提出了一种基于Snake模型的图像分割新算法。首先,选取新的扩散项代替具有各向同性光滑作用的拉普拉斯算子;其次,引入p-拉普拉斯泛函到平滑能量项中强化法线方向外力;最后,利用边缘保护项使外力场方向与边缘方向一致,以防止弱边缘泄漏并促使轮廓线收敛到细小深凹边界。实验结果表明,所提模型不仅克服了现有基于Snake模型的图像分割算法的缺陷,具有更好的分割效果,明显提高了抗噪性能和角点定位精度,而且耗时更少,适用于噪声图像、医学图像以及含有很多弱边缘的自然图像分割。     

一种新的活动轮廓模型--S-L模型

活动轮廓模型用于图像分割一般分为两种基于参数的模型和基于几何特征的模型.Snake模型可以快速地分割目标,但不能处理拓扑结构复杂的情况且对初值位置过于敏感.水平集模型具有拓扑可变性,但其时间效率较低,在分析这两种模型优缺点的基础上,提出了一种新的活动轮廓模型,该模型兼具有上述两种方法的优点快速性、拓扑可变性.在模型中用Snake模型的能量方程控制曲线的演化并提出一种基于水平集思想的符号表法来改变演化过程中曲线的拓扑结构.为了降低噪音的影响,用区域信息构造新的外力,在外力的作用下可以使初始曲线有更大的选择空间.对左心室MR图像的分割实验结果表明,该模型得到的分割结果与Level Set模型相似,但所用时间远比Level Set模型少.     

一种改进的 VFC Snake模型 *

为了克服 VFC( vector field convolution) Snake模型对图像弱边界的泄露问题 ,对其作了两点改进 : a)重新定义了向量场核的模 ,有效降低了 VFC外力对向量模参数的敏感性 ; b)综合利用 VFC外力和图像势能力 ,给出动态 VFC外力。随着模型曲线的形变 ,不断调整外力 ,使得曲线精确定位到目标边界上。最后通过实验证明了改进后的 VFC Snake模型对噪声具有鲁棒性、对参数变化不敏感 ,且能够收敛到图像弱边界处。     

分水岭优化的Snake模型肝脏图像分割

Snake算法是主动轮廓模型的经典算法,是近年来图像分割和视频领域研究的热点。针对Snake模型中存在的初始轮廓敏感和能量函数中曲率约束不足等问题,提出将分水岭变换和主动轮廓模型相结合的主动轮廓分割算法。首先通过引入标记函数和强制最小值技术解决传统分水岭变换可能导致的过分割问题,然后利用改进的强制标记分水岭算法优化Snake模型的初始轮廓曲线,最后通过在Snake模型中增加一项与曲线形状相关的外部力弥补能量约束函数中曲率约束的不足,从而实现更精确的图像分割。改进后的Snake模型应用于腹部MR图像中,对肝脏图像的识别和分割取得了良好效果。     

使用梯度卷积外力场的Snake算法及其医学应用

针对经典Snake算法以及GVF Snake算法容易受到图像噪声点的干扰而无法正确逼近目标物体边界的问题,提出了一种新的Snake外力场——通过边缘映射图的卷积方式扩展形成的梯度卷积外力场GCF。实验证明,基于这种GCF外力场的Snake算法在图像包含大量噪声的情况下,既能保留边缘信息又排除掉噪声带来的不良影响,正确收敛到目标物体的真实边界上,而且在深凹部位的收敛速度远远快于GVF Snake。将该算法应用于CT肺实质分割中,符合临床精确度要求。     

基于GVF Snake模型的人脸轮廓提取

活动轮廓模型是计算机视觉领域的重要研究方向。针对传统的活动轮廓模型（Snake模型）对凹形轮廓处理效果差、初始轮廓必须充分接近图像边缘的缺点,通过改进外部能量项,提出了一种基于梯度矢量流活动轮廓模型的人脸轮廓提取算法。该算法把梯度矢量场作为外部能量场,克服了传统Snake模型力场范围小以及不能收敛于凹形边缘的缺点。实验结果表明,该方法能够快速、准确地提取人脸轮廓。