基于改进水平集的人脑海马图像分割方法

人脑MR图像中的海马结构存在低对比度、边界模糊等缺点,给海马的轮廓分割带来较大干扰.为解决水平集分割海马时边界容易停留在非目标区域梯度极值处的问题,提出一种改进的水平集方法.从图像全局出发考虑方差信息,在水平集函数的外部能量泛函中增加波动能量项,驱动零水平集曲线向灰度波动较小的区域运动.实验结果表明,该方法可提取出MR图像中的海马轮廓,分割效果较好,演化速度有所提高.     

一种向量场卷积外力加速的GAC模型

结合参数活动轮廓模型和几何活动轮廓模型的优势,提出一种向量场卷积(VFC)外力加速的侧地活动轮廓(GAC)模型。利用外力场优势,通过引入基于VFC力场的双向边界吸引力和自适应膨胀力,自适应地调整模型曲线的演化方向。实验结果表明,该模型可以克服参数活动轮廓模型不能处理拓扑结构变化的问题,避免传统GAC模型曲线单边演化的现象,能够提取深度凹陷的目标边界,对初始轮廓不敏感,对图像噪声和弱边界具有较高的鲁棒性。     

噪声鲁棒的水平集演化模型

针对噪声图像,基于曲线演化理论与水平集方法,提出一个对噪声鲁棒的水平集分割模型。利用图像局部和全局信息,构造一个新的速度函数,得到一个水平集演化偏微分方程。实验表明,该模型对含有高噪声的合成和真实图像有很好的分割效果,同时能准确提取弱边缘和模糊边缘,而且对轮廓初始化有很强的鲁棒性。     

灰度差能量函数引导的图像分割自适应C-V模型

作为几何活动轮廓模型(GACM)的一个标志性模型,C-V模型在图像分割应用中因具有对目标遮挡和边缘噪声的鲁棒性而受到关注.然而该模型通常不能较好地处理复杂的异质图像,并且有对演化曲线的初始位置较为敏感和计算复杂度高等弱点.依据演化曲线内、外区域平均灰度值差的绝对值越大,演化曲线越靠近准确目标边缘的特性,提出一种基于灰度差能量函数引导的图像分割自适应C-V模型.该模型通过构造基于轮廓曲线内、外区域平均灰度差引导函数自适应地调整演化曲线的运动趋势,使得曲线演化可在一个有效的"窄带"范围内进行,保证轮廓曲线内、外部区域灰度计算的局部均一性,增强对目标细节信息的捕捉能力,同时也在一定程度上提高模型的计算速度和对轮廓曲线初始位置的适应性.大量的仿真实验验证该模型的有效性.     

基于变异系数和模糊集的活动轮廓图像分割模型

由于图像分割具有模糊性,提出了一个对灰度不均匀、高噪声图像的分割模型。该模型以模糊能量泛函为基础,结合区域和边缘信息,利用变异系数作为局部区域统计量,避免了噪声对分割的干扰,很好地提取了图像信息。区域能量可以平衡目标和背景的重要性,驱使初始轮廓向目标边界移动。边缘能量对伪水平集函数进行正则化,保持曲线演化过程中的平滑性。在求能量泛函极小值时,直接计算新旧能量泛函的差值以更新伪水平集。对于高噪声以及混合噪声和强度不均匀的合成和真实图像的分割结果表明,本文模型具有较好的分割效果。     

基于先验形状信息的水平集图像分割

针对现有水平集方法对于具有强噪声或弱边界的目标进行分割时存在的问题,提出了一种基于形状先验的图像分割方法.该模型采用变分水平集方法,融合了区域特征和边界轮廓特征,并通过相似性匹配选择最佳先验形状.该模型不仅对具有强噪声和弱边界的复杂图像具有较好的分割效果,而且有效地解决了曲线演化的初始轮廓的确定问题.与传统方法进行对比实验,结果表明,该方法具有较好的分割效果和较高的准确率.     

基于图划分的形状统计主动轮廓模型心脏MR图像分割

为有效分析心脏功能,高精度分割左、右心室是必要的.心脏MR图像中存在图像灰度不均,左、右心室及周围其它组织灰度接近,存在弱边缘、边缘断裂及噪声造成边缘模糊等现象,给精确分割左、右心室轮廓带来困难.本文在基于图划分的主动轮廓方法基础上,通过对训练形状进行配准及变化模式分析,定义左、右心室轮廓形状变化允许空间,提出基于图划分的形状统计主动轮廓模型来分割心脏MR图像.该方法通过图划分理论将图像分割问题转化为最优化问题,所以能够得到全局最优解,具有较大的捕捉范围.还引入形状统计来引导曲线的演化,有效处理曲线演化时存在的边缘泄漏问题,提高分割精度.实验结果表明,本文方法较以往方法具有更高的分割精度和更好的稳定性,为临床应用提供一种较可行的方法.     

Split Bregman算法在遥感图像边缘检测中的应用研究

针对基于水平集的边缘检测方法抗噪性能差,处理模糊边界和灰度不均匀性的能力弱,计算效率低,边缘检测结果的精确性极大程度上依赖于初始轮廓的位置且曲线演化易陷入极小值等问题,提出一种基于全局最优凸函数变分模型和Split Bregman数字最小化的边缘检测方法。该方法首先根据CV模型的构造原理,并利用Chan的全局最优化思想,构造了一个通用的可以获得全局最优解的凸函数变分模型;在曲线演化和数字最小化迭代过程中,引入了基于Split Bregman的快速迭代算法,可以使曲线在克服噪声等问题的影响下快速、准确、稳定地演化到目标的边界处。实验结果证明了提出的边缘检测方法既具有较高的计算效率,能够满足遥感图像边缘检测对实时性的要求,同时也具有较高的边缘检测精度和良好的普适性。     

基于灰色关联分析的改进GAC模型轮廓检测方法

针对传统的基本测地线活动轮廓( GAC)模型在检测噪声干扰、弱边界及凹陷边界目标的轮廓时提取效果不佳的问题,文中提出一种基于灰色关联分析的改进GAC模型轮廓检测方法。该方法利用灰色关联度代替梯度信息来构建停止函数。与传统的梯度信息相比,灰色关联系数对于具有模糊的边界信息的图像信息表示更为准确,从而更好地提取弱边界目标轮廓。初步实验结果表明,文中方法在提取弱边界目标轮廓时效果优于基于传统GAC模型和传统的LBF模型的轮廓检测方法。     

细粒度背景下强对比度纹理无监督提取

针对相似细粒度背景下容易出现强对比度纹理误提取的问题,提出一种两通道纹理图像无监督提取算法.通过对图像水平、垂直方向梯度场的非线性扩散,在不改变空间目标边界位置的前提下获取主纹理的边缘结构与区域灰度特征;同时建立包含调整项与模糊因子的两通道纹理提取主动轮廓模型,以具有较大差异的特征为主导项驱动曲线演化,并采用水平集方法实现对强对比度纹理的无监督提取.实验结果表明,该算法对多种自然纹理的提取具有较高的准确性和计算效率.     

一种基于压缩感知的二维几何信号压缩方法

本文给出的压缩方法属于谱压缩方法. 谱压缩方法是一种常用的二维轮廓线模型压缩方法. 文章从压缩感知的角度解释了谱压缩方法, 并提出了基于压缩感知的二维轮廓线模型压缩方法. 首先利用二维轮廓线模型 Laplace 算子的特征向量构造了一组基. 二维轮廓线模型的几何结构在这组基下可以被稀疏表达. 利用随机矩阵对二维轮廓线模型的几何结构抽样, 完成压缩. 恢复过程中, 通过最优化1-范数, 实现几何信号的恢复. 实验结果表明, 该方法压缩速度快, 比例高, 恢复效果好, 适合对大型数据以及远距离数据进行压缩.     

基于小波分析的等高线数据压缩模型

鉴于矢量地图数据压缩在地形环境仿真、制图综合、GIS等研究中具有重要作用，为此，利用小波变换理论和矢量地图数据的特点，提出了一种用于等高线数据压缩的模型和方法，即首先，基于小波变换的特征，提出了基于小波变换的等高线数据压缩的基本思想；然后，根据等高线数据的小波变换特点，研究了小波变换的边界处理；同时，给出了用于等高线数据压缩的特征点选取方法；并提出了基于小波变换的等高线数据压缩模型；最后，根据提出的压缩模型，对实际等高线数据进行了实验。理论分析和实验结果表明，该方法不仅能保持较高的压缩比，而且能使压缩后的数据保留原来数据的变化趋势，从而较好地反映了原数据的内在特性和规律性。     

基于Cauchy模型的行人轮廓提取及目标检测

为了提高行人目标轮廓参量的提取精准度数值,实现对待监测目标的实时稳定跟踪,提出基于Cauchy模型的行人轮廓提取及目标检测算法;基于Cauchy分布原理,估计行人轮廓目标的最大似然值,再结合计算第二类统计量方法,完成基于Cauchy模型的行人目标统计建模;在此基础上,建立卷积神经网络,利用卷积化与反卷积参量,提取Gabor行人轮廓特征;在目标图像分割理论的作用下,识别既定区域内的所有行人目标,持续标记各类已存在的行人目标,实时检测行人轮廓目标,实现基于Cauchy模型行人轮廓提取及目标检测;实验结果表明,与Kinect型检测算法相比,应用Cauchy型算法后,行人目标轮廓的检测精度值提高至93%,而PTR实测指标降低至3.97,可有效实现待监测行人轮廓目标的实时稳定跟踪。     

一种改进的活动轮廓模型图像分割方法

基于全局信息的活动轮廓模型不能有效分割灰度不均匀图像,而基于局部信息的活动轮廓模型对轮廓初始化位置比较敏感。为此,提出结合全局信息和局部信息,构造新的符号压力函数（Signed Pressure Force,SPF）,替代Selective Binary and Gaussian Filtering Regularized Level Set（SBGFRLS）模型中的符号压力函数,同时构造一种新的气球力函数,并采用SBGFRLS水平集方法演化轮廓曲线来分割图像的方法。实验结果证明该方法能有效分割灰度不均图像,同时对轮廓初始化位置不敏感,对噪声有较好的抗干扰性。     

融合凹点检测与仿射变换的活动轮廓模型

目的 针对基于矢量场的活动轮廓模型,如经典的梯度矢量流（GVF）模型、矢量场卷积（VFC）模型等,在提取凹形物体时矢量场常出现平衡点,不能较好地收敛到凹陷区域、尤其是深而窄的凹形及复杂凹陷区域的问题。提出一种融合凹点检测与仿射变换的活动轮廓模型。方法 首先利用活动轮廓模型进行曲线演化,得到演化后轮廓曲线上各点的坐标并求出各点的法线方向;然后基于凹点检测的方法,判断各点的凹凸性,利用梯度判断法,检测出未收敛到目标边界的凹点;其次对各凹点进行法向方向的仿射变换。在接近且不越过目标边界的情况下求出可变换的最大距离,变换后的点穿越了平衡点区域,让变换后的点代替原来的点形成新的轮廓曲线;最后为保证提取边界的精确性,将变换后的轮廓曲线再次演化并最终收敛到目标边界。结果 通过对具有凹陷区域的合成图像进行分割,计算提出模型分割结果的平均Jaccard相似系数（JS）值为95.51%,相比目前先进的GVF模型,VFC模型和自适应扩散流（ADF）模型分别提高了15.08%,12.09%和10.70%,整体效果上优于几种先进的模型。然后又对单/多目标真实图像及含噪的图像进行分割,证实提出模型分割性能的鲁棒性。结论 提出的模型有效地避免了凹形区域内的平衡点问题,可以对深凹形及复杂凹形图像进行有效分割,并且提高了分割精度。此外,该模型能融合到任何基于矢量场的活动轮廓模型中,具有广泛的普适性。     

应用单调下降曲线模型自动提取乳房轮廓线

乳房外轮廓包含非常重要的信息,在图像定位、对比分析中起着非常重要的作用,在一定程度上影响着乳腺图像对比分析技术的性能。通过分析乳腺X线图像的特点,判别图像为左乳图像还是右乳图像,若是右乳图像则做水平镜像处理;应用单调下降曲线模型提取乳房轮廓点;选择最长下降曲线段上的轮廓点为基准点,分别向上和向下逐行修正其他扫描线上的轮廓点;判别伪轮廓曲线段,采用圆弧模型拟合正确的轮廓线,从而提取出完整的乳房轮廓线。     

煤矿井下人员人脸轮廓提取方法

针对煤矿井下人员脸部轮廓难以提取而导致考勤系统识别率低的问题,提出了一种基于主动轮廓模型和主动形状模型的人脸轮廓提取方法。首先由主动形状模型估计初始轮廓位置,然后通过定义主动轮廓模型的能量函数,采用主动轮廓模型算法多次迭代后缩小标记点与真实轮廓之间的差距,提取由主动形状模型获得的正交插值的灰度值轮廓,即可得到人脸轮廓。实验结果表明,该方法较传统主动轮廓模型能够更精确地提取人脸轮廓形状。     

基于预处理的Ballon模型及在眼疲劳检测中的应用

获取眼睛轮廓和眼球轮廓对进一步研究人眼疲劳状态具有重要意义.提出基于预处理的Ballon模型对含有双眼的局部人脸图片进行人眼和眼球检测的方法.用微分算法抽取边缘、标识出物体、使用几何特性识别人艰区域,自动获取主动轮廓所需要的眼睛初始轮廓;使用提出的基于预处理的Ballon模型收敛人眼;结合数学形态等方法收敛到眼球.实验结果表明,该方法具有效果好、鲁棒性好、受光线影响弱等优点.     

Dynamic contour: A texture approach and contour operations

The large morphometric variability in biomedical organs requires an accurate fitting method for a pregenerated contour model. We propose a physically based approach to fitting 2D shapes using texture feature vectors and contour operations that allow even automatic contour splitting. To support shrinkage of the contour and obtain a better fit for the concave parts an area force is introduced. When two parts of the active contour approach each other, it divides. The contour undergoing elastic deformation is considered as a set of masses linked by springs with their natural lengths set to zero. We also propose a method for automatic estimation of some model parameters based on a histogram of image forces along a contour.     

基于恒定曲率变化的主动轮廓模型

随着主动轮廓模型（又称snake模型）被广泛应用于无人参与的自动化任务,人们对模型的鲁棒性和自适应能力提出了更高的要求.而传统内部力模型的收缩效应,过平滑作用,及缩放可变性,导致了内部力模型的参数调整困难,很难由程序自动进行调整.据此,提出了基于恒定曲率变化的内部力模型.该模型不仅具有缩放不变性,而且在保证轮廓光滑连续的同时,未引入其他的副作用（如收缩,过平滑等）,提高了模型参数的鲁棒性.实验结果表明,该模型精确提取目标轮廓的能力得到增强,能够成功提取存在高曲率位置的凹陷轮廓,而且内部力大小衰减迅速,对轮廓点的增删不敏感,保证了模型快速稳定地收敛到期望轮廓.