一种改进的边缘停止函数图像分割方法

在基于边缘的几何活动轮廓模型中,边缘停止函数的选择会影响图像的分割效果,根据边缘停止函数的性质,提出一个新的边缘停止函数,代替GAC模型和DELSE模型中的边缘停止函数。实验结果表明,在图像背景灰度均匀和灰度不均的图像分割中,文中提出新的边缘停止函数在迭代次数和分割效果方面,都优于原来的边缘停止函数,能够实现准确分割。     

基于C-V模型的红外图像自动分割方法研究

为解决红外图像分割中背景噪声及边界轮廓的影响,引入了基于曲线演化理论、水平集方法和M-S分割函数的C-V模型。通过将图像表达为分段常量函数来建立适当的能量函数模型,引入水平集的表示方法,在整个图像域中依据最小化分割寻找全局极小值,可令活动轮廓最终到达目标边缘。由MATLAB实现的仿真结果表明采用C-V模型对红外图像进行自动分割不受边界轮廓线连续性限制,对初始轮廓线位置不敏感,对图像噪声具有很强的鲁棒性,对均匀灰度目标分割效果良好。     

基于相位一致性的红外图像边缘检测方法

由于红外图像的灰度和对比度较可见光图像的低,用基于灰度的边缘检测方法检测红外图像的效果不佳。针对这种情况,利用相位一致性对灰度和对比度的变化具有不变性的原理,提出了基于相位一致性的红外图像边缘检测方法。首先计算红外图像的相位一致性值,然后采用K-mean法分割出包含边缘的区域,最后用形态学相关方法生成边缘曲线。实验结果表明,该方法对红外图像边缘的检测效果比Canny算法更准确。     

改进的RSF模型应用于带钢表面缺陷分割

可调拟合(Region Scalable Fitting, RSF)活动轮廓模型在分割带钢表面缺陷图像时易陷入局部最小值;此外,因引入高斯核函数导致边缘更加模糊而影响分割效果,针对这些问题,提出改进的RSF模型并应用于带钢表面缺陷分割。一方面,在RSF模型中引入局部灰度均值差异项作为新的拟合项,并且引入局部灰度方差差异代替原拟合项的参数,驱动曲线演化避免陷入局部最小值;另一方面,用双边滤波函数代替高斯核函数,避免对边缘模糊的缺陷造成二次模糊,同时更好地保护了边缘。在NEU带钢表面缺陷数据集上的仿真实验结果表明,改进的算法的分割效果和运行效率均优于其余3种模型,能够较快地准确分割出带钢表面缺陷,并且保留图像细节。     

基于改进主动轮廓模型的图像分割算法

针对C-V模型对灰度不均匀的图像分割效果不理想的情况,提出一种改进的C-V模型.该模型在C-V模型的基础上,引入非加权的邻域平均和局部窗口方差概念,加快并精确了C-V模型的演化效果,同时在C-V模型的能量函数中加入惩罚项,使得C-V模型在演化过程中无须重新初始化,进一步提高了分割速度.仿真实验结果表明改进的C-V模型较原模型对灰度不均匀图像分割具有较好的分割效果.     

一种鲁棒的非均匀灰度图像分割算法

针对非均匀灰度图像分割困难及分割效率低下的问题,该文提出了一种基于活动轮廓模型的高效图像分割算法。不同于传统水平集方法中仅用单一信息定义的能量泛函,该算法结合图像的边缘信息和区域统计信息定义了一个新的能量泛函。边缘信息的利用便于演化轮廓线快速精确地定位至物体边缘;区域统计信息由局部统计信息和全局统计信息构成,一方面,局部统计信息的利用能够有效处理图像的灰度分布不均匀现象,另一方面,全局统计信息的利用避免了轮廓线陷入局部极小值。最后,在轮廓线演化过程中,通过高斯卷积核实现快速规则化,避免了传统模型计算代价高昂的重新初始化或规则化。合成图像和真实图像的实验结果表明,该文算法不仅能够快速有效分割灰度分布不均匀的弱边缘物体,而且对于多灰阶复杂结构物体也能够精确分割;同时,该算法对噪声和初始轮廓线具有较好的鲁棒性。     

一种血管约束的局部活动轮廓模型

活动轮廓作为一种重要的图像分割工具,近几年来在理论和应用方面都有很大的发展。然而,现有轮廓模型在处理灰度均匀性较差的图像时,通常存在较高的分割误差,并且对初始轮廓曲线位置敏感。为此,本文提出一种基于血管特征约束的活动轮廓模型,该模型首先使用局部相位（Local Phase）的血管增强算法对图像进行增强处理以生成一种不同于图像灰度的血管特征信息,然后将血管信息和图像灰度以线性加权的形式引入到局部二值拟合（Local Binary Fitting,LBF）能量泛函中,指导图像血管分割。基于视网膜血管图像数据（Digital Retinal Images for Vessel Extraction,DRIV）的实验显示：该模型能成功地从灰度分布不均匀和弱边界轮廓的视网膜图像中提取血管,分割灵敏度和准确性分别达到74.43%和93.67%,同时对初始轮廓曲线位置的敏感性大为降低。由上述可知,该模型具有高分割准确性和低初始位置敏感性。     

基于改进Canny算子的双水平集医学图像分割

医学图像常常伴有噪声以及灰度不均匀等问题,且图像边缘具有复杂性,因此传统的双水平集模型无法达到理想的分割效果。针对该问题提出了一种基于改进Canny算子的双水平集医学图像分割算法,首先在Canny算子的基础上加入梯度模板,用来解决传统Canny算子无法完全检测出复杂图像边缘的问题,然后将检测后的图像融入到双水平集模型中,通过在水平集模型中加入偏移场来解决灰度不均匀的问题,并且在距离规则化项中使用双肼势函数。实验结果证明,该模型对于复杂边界以及灰度不均匀的图像有较好的分割效果。     

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。     

自适应权重的偏微分分割模型在变电设备红外图像中的应用

针对变电设备运维中的红外检测图像无法被准确分割的问题,本文应用了一种改进的自适应权重偏微分图像分割方法.通过分析红外图像信噪比低、边缘模糊、对比度低以及最常出现的灰度不均匀问题,在明确传统分割方法不足的基础上,对基于偏微分方程的分割模型开展改进.本文所提出的自适应权重的LGIF分割模型利用目标设备和背景灰度不均匀程度不...     

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FCM和Level Set的MRI医学图像分割方法

 对基于区域的几何活动轮廓模型中的区域项进行了改进.改进后的算法不仅解决了原算法存在的稳定性问题,同时也有效地提高了分割速度.算法还被成功地扩展到能够分割多种脑组织,且分割质量显著提高.多种子初始化方式的采用,进一步降低了算法对初始条件的敏感性,同时也减少了人工干预.对模拟和真实脑MRI图像的分割实验证明了改进的可行性和有效性,噪声条件下分割的比较分析也表明改进后的算法具有良好的韧性.     

QoS路由选择:问题与解决方法综述

保证服务质量的QoS路由(Quality of Service Routing)是网络中解决QoS问题的一项关键技术.QoS路由的主要目标是为接入的业务选择满足服务质量要求的传输路径,同时保证整个网络资源的有效利用.度量参数选择问题、寻路问题和路由信息不准确问题是QoS路由中的几个主要研究内容.本文围绕这三个方面,介绍了QoS路由中的主要问题及相关的解决办法,并探讨了今后QoS路由可能的研究方向.     

基于信息熵和改进粒子群算法的医学图像分割方法研究

针对传统的医学图像分割算法存在组织边缘模糊、灰度不均匀和图像噪声高的问题,将信息熵和改进的粒子群算法相结合,提出了一种基于信息熵和改进的粒子群算法的医学图像分割方法,在确保信息熵最大的条件下,实现医学图像的最佳阈值分割.将信息熵最大化作为适应度函数,通过改进的粒子群算法优化获得最佳分割门限,实现医学图像的最佳阈值分割.选择不合噪声和含噪声的脑部图像为研究对象,通过直观分析、客观分析和分割速度分析发现,提出的新方法在很大程度上克服了传统医学图像分割算法存在的缺陷,分割速度和精度得到显著提升;与此同时,新的算法具有很强的鲁棒性和抗噪声能力.     

Integrating local distribution information with level set for boundary extraction

This paper presents a general object boundary extraction model for piecewise smooth images, which incorporates local intensity distribution information into an edge-based implicit active contour. Unlike traditional edge-based active contours that use gradient to detect edges, our model derives the neighborhood distribution and edge information with two different region-based operators: a Gaussian mixture model (GMM)-based intensity distribution estimator and the Hueckel operator. We propose the local distribution fitting model for more accurate segmentation, which incorporates the operator outcomes into the recent local binary fitting (LBF) model. The GMM and the Hueckel model parameters are estimated before contour evolution, which enables the use of the proposed model without the need for initial contour selection, i.e., the level set function is initialized with a random constant instead of a distance map. Thus our model essentially alleviates the initialization sensitivity problem of most active contours. Experiments on synthetic and real images show the improved performance of our approach over the LBF model.     

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.     

结合光谱相似性与相位一致模型的高分辨率遥感图像分割方法

提出一种结合高分辨率遥感图像的光谱相似性与相位一致边缘检测模型的分水岭分割方法.分水岭分割算法的性能依赖干图像边缘梯度图.利用同类地物的光谱相似性特点,可有效抑制相位一致模型边缘检测中产生的伪边缘和噪声信息,从而获得更好的遥感图像分割结果.首先基于目标像元与其邻域像元之间的光谱曲线距离之和定义光谱相似性模型,结合相位一致模型获得边缘响应强度;然后利用自动标记分水岭变换方法实现高分辨率遥感图像分割.基于此方法和其它方法进行了分割实验,并利用基于多光谱信息熵方法对分割结果进行了非监督评价和比较,同时对比分析了计算耗时.结果表明此方法可有效抑制遥感图像过分割现象,并取得较好的分割结果.     

基于相位一致与区域生长的自然彩色图像分割

提出一种自然彩色图像中有意义区域的分割方法.利用相位一致模型检测图像边界,根据边界颜色在图像空间及色彩空间的联合分布,对长边界进行K-means聚类形成有意义的种子生长点,合并短边界以克服局部细节的干扰,最后区域生长方法作用于色彩空间得到封闭的分割区域.算法克服了传统区域生长算法缺少区域模型的局限性,同时将其成功应用到彩色图像,并得到与视觉判断相一致的有意义的分割结果.实验结果显示了所提方法对于不同自然彩色图像的有效性与适应性.