融合Ratio边缘信息的水平集SAR图像分割方法

提出了一种融合边缘和区域信息的变分水平集合成孔径雷达图像分割方法.该方法不需要去除相干斑噪声的预处理过程,利用具有恒虚警特性的Ratio算子提取合成孔径雷达图像的边缘信息,并与无边缘活动轮廓模型结合建立合成孔径雷达图像分割能量泛函模型,通过最小化能量泛函得到曲线演化偏微分方程,采用变分水平集方法求解演化方程,实现了合成孔径雷达图像的分割.分别采用模拟和真实合成孔径雷达图像对该方法进行了验证,实验结果表明,该方法实现了合成孔径雷达图像中目标与背景的正确分割,具有较好的边缘定位能力.     

基于边缘流的多尺度水平集砾岩图像分割

针对边缘流方法检测图像边界得到的边界不连续问题,提出了把边缘流作为水平集方程中的一个变量,并将多尺度思想引入该方程.该方法首先在大尺度图像下得到相应尺度的边缘流矢量,将其代入水平集方程,通过求解水平集方程,找出图像目标边界的大致轮廓,然后利用大尺度所得到的大致轮廓作为高一级尺度的水平集方程的初始轮廓,计算相应的边缘流矢量,代入水平集方程求解,逐步进行轮廓优化,最终实现图像分割.采用该方法提取图像目标边界,不仅解决了边缘流方法中边界不连续的问题,也使水平集方法中曲线演化速度太慢的问题得到大大的改善.该方法用于砾岩图像分割,取得了较好的效果.     

基于水平集的多运动目标检测和分割

针对视频图像的运动分割问题，提出了一种基于水平集方法的多运动目标检测和分割新方法.通过一种基于帧间差分的算法,自动提取初始背景图像，并使用相减法，检测出当前图像中的运动像素.定义了一种新的基于差分图像的局部梯度、目标的方差和背景的方差的速度函数，得到了改进的分割曲线的演化方程，分割出不同的运动目标.在水平集的求解过程，设定了控制演化曲线最终停止在目标边界上的条件，得到了运动目标的边界.实验结果表明，与其他传统方法相比，该运动目标检测和分割方法更有效和具有更好的鲁棒性，能够正确地提取运动目标边界.     

融合区域和边界信息的水平集SAR图像分割方法

提出了一种基于区域和边界信息的水平集SAR图像分割方法。该方法根据SAR图像的区域统计特征和边界梯度信息,建立SAR图像分割能量泛函模型;通过最小化能量泛函得到曲线演化偏微分方程;采用水平集方法求解演化方程,实现了SAR图像的分割。分别采用模拟和真实SAR图像对该方法进行了仿真。实验结果表明,该方法能充分利用SAR图像特征,不需要去除相干斑噪声的预处理过程,实现了对图像中目标与背景的正确分割。     

三维窄带水平集算法在内耳分割中的应用

为减少从颞骨螺旋CT（computed tomography）图像中分割内耳的手动交互量，阐述了基于区域竞争的窄带水平集算法的基本原理及其特点，构造了合适的速度函数来控制水平集函数的演化，并将该算法应用于颞骨螺旋CT图像中内耳的分割.通过建立三维模型表面上的点与3个正交截面的对应关系，可以快速确定弱边界所在的位置，然后在正交截面上手动编辑以去除多余的组织，得到完整的内耳.对3个病人的5例颞骨图像进行内耳分割实验，实现了4例内耳的完整分割、1例严重畸形内耳的不完整分割.分割1例内耳约需10 min.该方法具有分割速度快、手动交互少、结果表面均匀的优点.     

利用超像素混合投票的在线目标跟踪算法

针对复杂场景下目标跟踪中目标出现的外观特征变化和遮挡问题,提出一种结合超像素和广义霍夫变换的在线实时目标跟踪算法.该算法从上下文中提取局部特征作为支持因子,构建一个混合的判别产生式对象模型.利用该模型,通过霍夫投票预测目标的中心位置,再通过判别式投票对目标和背景进行概率估计.对图像进行超像素分割,将之前的投票结果映射到对应的超像素,生成基于超像素的概率分布图像.采用贝叶斯跟踪框架,根据后验概率最大化,在概率分布图像基础上确定目标的位置.实验表明,该算法在复杂环境下目标跟踪的过程中对目标发生的形变和遮挡现象有很强的鲁棒性,能够实现准确稳定的在线目标跟踪.     

基于阈值区间的水平集算法在耳蜗分割中的应

为了获取独立的三维耳蜗模型，提出了一种交互式、半自动、由粗到细、结合三维显示反馈的耳蜗分割方法.浏览二维切片,调节图像强度区间并选取感兴趣区域,从颞骨螺旋CT(computed tomography)图像中对耳蜗进行粗分割;采用基于阈值区间的三维水平集（level set）分割算法对耳蜗进行细分割.应用可视化技术,对分割结果进行实时显示,显示结果作为用户进行参数调节的参考依据,经过多次人机交互,直至获得满意的分割结果.利用临床颞骨螺旋CT图像进行耳蜗分割实验,结果表明该方法适合于分割结构复杂且表面光滑的目标.     

基于超像素的多特征融合的水平集轮廓跟踪

在水平集轮廓跟踪框架中设计一个判别式速度函数对于有效引导轮廓进化非常重要。该文提出一个超像素驱动的速度函数建模方法,该模型融合了互补的表观和运动信息。在表观特征层,通过引入一种有效的中层视觉特征-超像素,建立基于核密度估计的判别式表观模型区分目标和背景。同时,利用运动光流场的统计信息,设计了一个可以自适应选择的阈值来区分和增强目标和背景的相对运动。最终,在决策层基于半朴素贝叶斯框架进行两种特征的融合,形成一个具有竞争能力的速度场引导水平集轮廓进化。在多个具有挑战的视频序列上的一系列实验验证了该方法的有效性和鲁棒性。     

基于遗传算法的超声图像水平集分割

文章提出了超声图像自动分割的新方法。其基本思想是在水平集分割方法的基础上，以能量函数作为评价函数，把图像分割问题变成一个优化问题，利用遗传算法的寻优高效性，搜索到能使分割质量到达最优的轮廓曲线。应用此方法对肝脏超声图像进行肿瘤的边缘提取，得到比较好的结果，从而完成图像的自动分割。     

一种基于交互式快速水平集的阴影图像分割算法

因受光源等条件的影响,采集的原始图像常常存在着阴影,用传统的水平集方法分割图像,常把阴影误认为是目标．以带阴影的栗属（板栗）果实图像为例,提出一种交互式快速水平集方法实现图像分割．实验结果表明：该算法能够得到正确的阴影图像的分割结果,具有更佳的图像分割性能．     

Contour tracking using weighted structure tensor based variational level set

A novel contour tracking method using weighted structure tensor based variational level set is proposed in this paper.The image is first converted to weighted structure tensor field by extracting apositive definite symmetric covariance matrix for each pixel.Then,a level set method is employed to represent object contour implicitly which separates the image domain into two areas each modeled by tensor field based Gaussian mixture model separately.By solving agradient flow equation of energy functional with respect to the level set,the object contour will converge to its real profile in the newly arrived frame.Experimental results on several video sequences demonstrate the better performance of our method than the other two contour tracking algorithms.     

利用局部特征联合匹配的非刚体目标跟踪

针对视频序列中非刚体目标的跟踪问题,提出了基于局部特征联合匹配的快速跟踪算法．算法将基于关键点的特征匹配问题转化为求解平衡指派的最优化问题,进而依据整体匹配最优的原则实现特征的联合匹配．跟踪过程为:首先分别提取目标模板和当前搜索区域的局部关键点并进行特征描述;然后依据联合匹配策略确定目标模板关键点在输入帧图像中的匹配结果;最后依据匹配结果确定目标在输入帧图像中的位置和尺度．实验结果表明,该算法对目标的非刚性形变具有较强的鲁棒性,能够适应复杂的背景变化并获得稳定的跟踪结果．     

New image segmentation model based on the level set method

A novel variational model based on the level set method is proposed. In the model, we introduce a nonconvex regularizer which performs better than the convex ones on protecting edges. On the other hand, the nonconvex regularizer is designed to provide a force which can help the evolution of the level set function. The Nesterov algorithm is introduced to implement the model. Experiments demonstrate the advantages of the proposed method over the Chan-Vese model in terms of both efficiency and accuracy.     

Improved Siamese network based object tracking combined with the deep contour feature

The existing Siamese object tracking algorithms easily lead to tracking drift under the influence of object deformation and occlusion, this paper proposes an improved object tracking algorithm based on deep contour extraction networks to achieve stable detection and tracking of any object under complex backgrounds. First, the contour detection network automatically obtains the closed contour information on the object and uses the flood-filling clustering algorithm to obtain the contour template. Then, the contour template and the search area are input into the improved Siamese network so as to obtain the optimal tracking score value and adaptively update the contour template. If the object is fully obscured or lost, the Yolov3 network is used to search the object in the entire field of view to achieve stable tracking throughout the process. A large number of qualitative and quantitative simulation results show that the improved model can not only improve the object tracking performance under complex backgrounds, but also improve the response time of airborne systems, which is suitable for engineering applications.     

基于最小错误率和快速水平集的图像分割

提出一种基于最小错误率和快速水平集的图像分割方法,通过对速度项和停止条件的重新设计,实现了快速而有效的图像分割。算法采用模式分类思想,以统计直方图来近似目标和背景区域的概率密度,对基于最小错误率的判别函数进行平滑滤波以获得外部速度,从而实现曲线的进化;同时,分割过程在分类错误率达到最小时停止。实验结果表明,本文算法对弱边缘、低对比度灰度图像具有较好的分割效果,且具有较强的抗噪性能;在分割速度上,本文算法也明显优于几种已有算法。     

目标跟踪系统在FPGA上的实时实现

目标跟踪是计算机视觉领域中的重要技术,它的难点之一在于其对实时性处理速度的要求．提出并应用高效的基于并行搜索的硬件架构,使得实时的目标跟踪系统在可配置器件上得以实现．采用基于减背景的算法,设计的目标跟踪系统采用并行架构来实现高速处理,并提出一种复合目标区域搜索技术来进一步加速系统在复杂跟踪环境下的运行速度．选用Altera Stratix Ⅲ EP3SL340H1152C2 FPGA器件作为硬件平台,将该目标跟踪算法基于CPU平台的软件实现(2.2GHz的处理器)与基于FPGA平台实现的处理速度进行了比较,速度提升最高可达100倍以上．     

融合图像局部能量和梯度的水平集分割方法

为了实现结构复杂的灰度不均匀图像的快速准确分割,提出一种融合局部能量和梯度敏感性的水平集方法,采用梯度敏感的能量函数改进局部能量最小化水平集方法,并利用灰度全局信息自动初始化水平集.局部能量函数由局部灰度拟合函数定义,是水平集的外部驱动能量,适用于分割灰度不均匀图像.梯度敏感项依据图像特性,自动判定对水平集的驱动方向,...     

利用团块模型进行目标跟踪

提出了一种基于局部特征的目标跟踪算法．通过多尺度分析方法,根据颜色和空间上的相似性将目标分割为多个区域,每个区域由一个团块表示,团块包含了该区域所有像素的颜色均值、形状和位置．根据团块特征构造目标的外观模型,定义团块的匹配准则,通过团块匹配进行目标跟踪．由于目标模型是基于局部特征的,并且包含目标的全局空间结构,因此该算法在局部遮挡和目标尺度变化的情况下,依然能够进行准确地跟踪．实验表明该算法能够有效实现复杂场景下的目标跟踪,性能优于Mean-shift算法．