基于主动轮廓模型的文本检测方法

针对复杂背景下的文本检测问题,提出了一种基于主动轮廓模型的文本检测方法.输入的图像首先经过so-bel-laplacian锐化后再由gaussian-laplacian进行过滤.预处理完成后的图片首先通过改进的主动轮廓模型得到初始轮廓,再通过算法的反复迭代扩大或缩小轮廓线得到最终轮廓,最后通过后处理尽量排除非文本块,从而得到最终文本区.区别于以往检测方法,所提方法最终不但可以框出文本行,还可以框出单个文本,有利于后续分割识别的进行.实验表明所提方法可有效检测出图像中的文本.     

基于学习主动中心轮廓模型的场景文本检测

在场景文本检测领域,存在由于文本尺寸波动较大导致的小文本漏检、大文本欠检测和多尺度文本边界检测错误的情况。针对上述问题,提出一种基于学习主动中心轮廓模型的场景文本检测网络。在残差网络ResNet的基础上构建多尺度特征权重融合模型,对输入的场景文本图片进行多尺度特征提取和权重融合,并计算出最终的特征融合图,适应场景文本长宽比变化较大的情况。在此基础上,将融合后的特征图输入到学习主动中心轮廓模型预测文本框的中心点和边界,该模型为场景文本检测提供丰富先验知识,以解决多尺度文本检测框包含过多背景或部分包围文本造成的边界检测错误问题。在MSRA-TD500、IC13、IC15和IC17MLT数据集上的实验结果表明,该网络能够提高多尺度场景文本检测的准确率,其中在MSRA-TD50数据集上F-measure为0.83,相较于MSR方法提升1%,在IC13数据集上F-measure为0.91,相较于PixelLink网络提升2%,在IC15数据集上F-measure值为0.87,相较于PSENet网络提升1%,在IC17MLT数据集上F-measure值为0.74,相较于TridentNet网络提升1%。     

基于Snake技术的运动目标轮廓提取

提出了一种利用改进的Snake技术检测视频序列巾活动目标的方法,首先改进内能项,用控制点之间的距离平方和作为弹性能量项以取代传统的长度,并构造局部能量窗锼索最优解,提高了Snake收敛速度。通过改进外部能量项,引入梯度矢量流算子,使Snake能够较好地收敛到目标的凹形边缘。最后对控制点初始位置、采样密度等影响收敛效果因素的选定作了适当的改进,给出了一种在Snake运动中动态调整其形态以提高收敛效果的策略,使Snake曲线能更快速、更准确地拟合活动物体的真实轮廓。实验证明,该算法能对视频序列图像中的活动目标轮廓进行较好的提取。     

鱼群主动轮廓模型算法

经典主动轮廓模型在图像分割中,存在分割结果与初始状态有关和容易陷入局部极小值的问题。为了解决上述两个问题,可以通过将主动轮廓模型的多阶段决策问题与鱼群算法的决策过程相结合,提出鱼群主动轮廓算法。由主动轮廓模型的特点构建了主动轮廓模型相对应的鱼群算法,把主动轮廓模型图像分割的问题转化成最优能量函数值的搜索问题,为获取精确的图像轮廓提供了新方法。实验结果表明此方法能在任意初始化曲线下有效地分割出图像。通过数学证明和实验结果可以知道鱼群主动轮廓算法具有良好的全局收敛性,避免了主动轮廓模型原来采用了变分法优化而难以达到全局最优,甚至难于达到局部最优的现象。     

基于运动点积累的视频运动目标提取

通过对视频中运动目标特点的分析,提出了一种提取背景图像的算法。使用运动点积累的方法来更新背景图像,然后应用背景差分准确检测出场景中的运动目标。由于视觉的相似性,使得检测出的目标包含阴影,最后使用阴影滤波函数去除阴影,得到完整的运动物体。实验结果表明,本算法具有较好的实时性和适应性,能检测出比较完整的运动目标信息。     

视频图像序列运动目标检测及轮廓提取

考虑到人类视觉对图像轮廓特征的敏感性,将目标检测与轮廓提取结合起来,实现了目标轮廓自动提取的方法.首先采用了背景差法跟踪视频图像序列中的运动目标,并采用了自适应背景更新的方法更新背景图像,结合活动轮廓模型法GVF Snake进行目标轮廓的提取,从而得到具有精确边界的运动目标.实验结果表明这种方法运算速度快、能够快速地收敛到目标轮廓、准确地跟踪目标,实现实时自动轮廓跟踪.     

一种简单有效的运动目标检测算法

针对固定场景中运动目标检测遇到的运动目标状态突变,非运动目标干扰以及阴影等问题,提出了一种背景差分和帧间差分相结合的运动目标检测算法;该算法首先通过平均法背景模型确立背景,使用背景差分得到一幅二值化前景图像,然后将通过连续的多帧图像进行相邻帧差分得到的多幅二值化前景图像进行逻辑或运算,最后将运算结果同背景差分所得到的二值化前景图像进行逻辑与运算,得到最终运动目标区域;实验表明,该算法运算速度快,准确率高,并能满足实时检测的需要;不足之处是在摄像机与运动物体夹角很小的情况下,检测效果较差,但可以通过多台摄像机协同操作来达到理想的效果.     

基于遗传算法的主动轮廓模型

由 Kass等人提出的主动轮廓模型 ,本质上是一条能量最小化的轮廓曲线 .它作为一种全新的采用自上而下机制的图象目标提取方法 ,由于它有效地利用了高级信息 ,从而提高了目标提取的速度和准确性 ,已经在数字图象处理和计算机视觉领域得到了广泛的应用 .原始的主动轮廓模型算法可以分为构造能量函数、推导欧拉方程、离散化和迭代求解 4步 .但该算法存在许多问题 ,为此在分析原始主动轮廓模型算法和一些改进算法的基础上 ,提出了一种基于遗传算法的主动轮廓模型算法 ,并给出实验结果 .实验结果证明 ,基于遗传算法的主动轮廓模型不仅成功地解决了原方法收敛易陷入局部最小值的问题 ,也提高了目标提取的成功率 .     

基于梯度矢量流主动轮廓模型的等高线提取算法

为了提取彩色地形图上的等高线,首先把RGB颜色空间转换为HSV颜色空间,对彩色地形图进行分色,以获得棕色等高线的二值图像;然后利用数学形态学的方法对二值等高线图像滤波,消除等高线线体内的孔洞.利用梯度矢量流主动轮廓模型在等高线二值图像上直接提取未经细化的等高线,并结合等高线断裂区域的等高线流向场连接断裂的等高线.最后验证了文中算法的有效性.     

针对凹陷轮廓改进的主动轮廓模型

针对传统主动轮廓模型不能有效拟合凹陷轮廓的问题进行研究,从内部、外部能量两方面进行分析。通过模拟流体压力的思路对内部能量项中的弹性能量进行改进,提出一种针对凹陷轮廓改进的主动轮廓模型——Area Snake,并对其理论模型、实现细节和不足进行讨论。实验表明,Area Snake对凹陷轮廓有着较好的拟合性能。     

基于混合能量活动轮廓模型的人脸分割方法

由于受到面部五官、饰物等因素的影响,传统几何活动轮廓模型获取人脸外轮廓会产生凹陷、分片等现象.针对人脸图像的特点,将边缘外张力能量及肤色能量与全局能量结合,提出一种基于混合能量泛函的几何活动轮廓模型,有效地避免了这些问题.首先,根据演化曲线的邻域信息赋予边缘点向外的张力,使曲线能够克服面部特征及面部饰物的干扰,引导其向外轮廓方向演化.鉴于肤色是面部最重要的特征,提出肤色能量,进一步提高了模型的鲁棒性.此外,提出一种基于单高斯模型的改进算法,能够估计出接近实际人脸外轮廓的初始位置,为轮廓演化奠定了基础.在两个公共人脸库上进行测试,该方法能够得到准确的人脸分割效果;以手工分割的结果为基准,该算法定位精度明显优于传统的全局能量模型和局部能量模型.还用日常照片创建一个包含不同姿态、光照、复杂背景等因素、复杂的人脸库,分割结果表明,该方法能够克服这些因素的影响,取得了准确而稳定的人脸分割结果.     

一种组合主动轮廓线模型算法

本文针对传统主动轮廓线模型(Snake模型)无法检测凹陷目标轮廓的缺陷,提出了一种由全局Snake模型和局部Snake模型两部分组成的组合Snake模型。组合模型首先使用全局Snake模型进行轮廓粗检测,并使用SUSAN算子检测目标轮廓上凹陷最“深”的凹点;然后,在凹点附近的局部区域,使用局部Snake模型进行轮廓凹陷部分的检测;其后以其替代使用全局模型检测出的目标轮廓的相应部分,形成最终检测的目标轮廓。实验结果表明,本算法具有较好的检测精度和抗噪性。     

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.     

几何活动轮廓模型的多尺度扩散分割算法

提出了一种对几何活动轮廓模型中的停止速度场进行多尺度扩散的算法,它通过引进2个控制参数来定义停止速度场的目标边界、同质区域和过渡区域;对于不同复杂性的图像,采取不同的控制参数对其停止速度场进行多尺度扩散;并将多尺度扩散后的停止速度场应用于几何活动轮廓模型进行图像分割.实验结果表明:对1幅合成图像和2幅自然图像,该算法大大地减少了分割时间,在一定程度上也减少了边界泄漏.     

基于距离均衡化的自适应性动态轮廓模型

针对形变轮廓模型对初始位置敏感、易陷入局部极值以及不具备自动拓扑变换功能等问题，在讨论拓扑自适应的Snake模型的基础上，提出了基于距离均衡化的自适应性动态轮廓模型。该模型是首先通过顶点到其邻点连线的平均距离来改进内部能量项，使轮廓的运动更具稳定性，同时用轮廓自身的特性来决定轮廓的运动，使其具有较强的自适应性。然后通过膨胀力的构造和使用，使得该模型能够在较大范围内捕获图像的特征。用该方法对合成图像和真实图像进行的分割结果表明，效果较好。     

多尺度几何活动曲线及MR图像边界提取

活动曲线方法是８０年代末发展起来的基于模型的图像分割方法,主要有两大类,能量活动曲线方法和几何活动曲线方法,几何活动曲线言方法在数学上比较完备,较好地克服了能量的许多缺点,但是在医学图像分割中,尤其是结构性噪声比较严重的情况下,几何活动曲线向边界的演化会受到一定程度的影响,为了解决这个问题,作者利用基于小波变换的多尺度边缘检测算法,提出了多尺度几何活动曲线模型,在人体头部ＭＲ图像脑边界的提取中,多     

一种改进型多尺度DDCM主动轮廓模型边界检测算法

尽管主动轮廓模型 (Active contour model) ,或称 Snakes,近年来已经在计算机视觉和图象处理领域得到了广泛的应用 ,尤其在边界检测方面也表现出良好的性能 ,但是由于传统的 Snakes图象边界检测对初始轮廓线的位置十分敏感 ,因而限制了它的更广泛应用 .为了克服这一问题 ,提出了一种改进型多尺度 DDCM主动轮廓模型的边界检测算法 ,该算法是首先通过分阶段改变轮廓曲线的内力 ,使轮廓曲线的曲率能自适应地进行多尺度调整 ,进而改变了轮廓线的柔性和刚性 ,使之能够更好地与目标边界匹配 .实验结果证明 ,该算法在计算速度和边界检测精度上 ,均优于传统的主动轮廓边界检测算法 ,因而具有一定的实用价值 .