基于生物视觉特征的目标轮廓提取算法

自然场景中的目标轮廓提取是计算机视觉中的一个重要研究问题。其难点在于场景中大量的纹理边缘严重地干扰了轮廓提取的完整性。近年来,一些研究工作将生物视觉特征引入图像边缘轮廓提取,取得了一定的效果。其中通过引入视觉外区抑制特征可以在提取物体轮廓边缘的同时抑制一定量的纹理边缘,从而得到轮廓边缘集合。然而在整合轮廓边缘时,传统模型仅仅采用求交并集的简单合并方法,使得强响应的细小纹理残留。基于此,提出了一种改进的基于生物视觉特征的自然场景目标轮廓提取算法。首先采用多水平抑制方法得到候选轮廓边缘集合。接着将一种基于生物视觉特征的边缘组合方法用于将候选边缘整合成为一个完整的目标轮廓。与传统的外区抑制算法相比,基于视觉特征的轮廓提取算法提高了自然场景中目标轮廓提取的准确性和完整性。     

基于信息流多级结构响应的轮廓检测模型

考虑到视觉信息流在视通路多级结构中的处理方式,提出一种图像轮廓检测的新模型。首先,根据初级视皮层(V1区)4B层的简单细胞具有三重感受野结构并对朝向敏感的特性,感知图像方位信息,并经复杂细胞提取获得边缘轮廓响应;其次,根据V1区2/3层细胞的抑制特性,引入稀疏性度量指标和神经元突触动态编码机制对边缘轮廓响应进行抑制,得到纹理抑制响应;最后,利用高级视皮层的融合修正机制,对边缘轮廓响应和纹理抑制响应进行优势互补,得到最终的轮廓检测结果。在RuG40和BSDS500图像数据集上进行实验,结果表明所提算法能够有效地区分图像的轮廓与纹理信息,凸显主体轮廓。所构建的基于信息流多级结构响应的轮廓检测模型对后续基于生物视觉机制的图像分析具有一定的参考价值。     

基于梯度显著性的轮廓提取方法

在复杂的自然场景中将轮廓准确地提取出来一直是一个难题,传统的基于梯度图像分割的方法在性能提高上遇到瓶颈。分析了梯度图像中轮廓与纹理的视觉特性,说明了显著性检测的必要性;引入视觉注意机制,利用残余谱得到梯度显著图,突出了轮廓的梯度响应的同时抑制了纹理的梯度响应,证明了显著性检测的可行性;详细介绍了算法实现流程。通过与其他三种算法进行对比,证明基于梯度显著图进行边缘分割和跟踪,有效地抑制了纹理边缘,轮廓提取性能得到明显提高;通过调整参数设置,验证该算法对参数变化具有一定程度的鲁棒性。     

基于欧氏距离图的图像边缘检测

图像边缘检测技术直接影响以目标识别为目的的后续图像处理操作,有效地提取出图像中所携带的目标信息是图像边缘检测的主要目的.为了实现目标轮廓的有效提取,提出一种基于欧氏距离图的图像边缘检测算法.该方法计算图像内像素点之间的欧氏距离,得到图像的距离图,距离图很好地描述了图中景物的外部轮廓;对距离图进行改进的Canny算子边缘检测,可以有效地得到图中物体的轮廓.与一般的边缘检测算法相比,本文算法能够抑制过于细小和琐碎的细节,并能够准确地提取目标的整体轮廓信息,为后续目标识别奠定了良好基础.     

图像处理中的Log残余谱方法分析

在复杂的自然场景中如何准确地提取图像轮廓信息是机器视觉领域的重要问题,传统的基于梯度算法的轮廓梯度检测方法在性能的提高上遇到了瓶颈。本文提出一种基于傅里叶分析中残余谱分析的图像轮廓提取方法,利用傅里叶分析得到图像残余谱谱图,提高轮廓梯度响应的同时抑制了纹理的梯度响应,详细介绍了算法实现流程。     

基于组合LoG滤波方法的轮廓检测

轮廓检测是计算机视觉领域一个重要问题,目标和背景的纹理和噪声的存在让提取轮廓和保存轮廓完整性变得十分复杂。现有的神经生理学和解剖学研究成果,提供了许多轮廓检测的新方法。文中改进了现有的仿生模型,通过对图像进行不同参数的LoG滤波,并将结果赋予不同的权重,然后组合所有结果来抑制纹理,减弱了纹理和背景中的干扰成分对轮廓提取的影响,增强了目标的轮廓边缘,保留了目标轮廓的完整性。实验结果表明,这种方法有效地抑制了纹理,减少了对目标轮廓完整性的破坏,提高了图像的轮廓检测性能。     

基于自适应双阈值的SUSAN算法?

传统SUSAN算法在提取图像边缘时,会出现漏检现象,且所提取的边缘较粗。为此,运用计算最大类间方差的方法自适应地选取双阈值,取代传统算法中人工设定的单阈值,采用多方向局部非极大值抑制方法进行改进,提出一种新的SUSAN边缘检测算法,并将其应用于遥感图像的边缘提取。实验结果表明,该算法能够有效提高边缘定位精度,降低漏检率,使边缘更细致光滑。     

引入视通路视觉响应与融合模型的轮廓检测

目的 为了提高轮廓检测的综合性能,特别是增强弱轮廓边缘的提取能力,在结合视觉机制的基础上提出了本文方法。方法 模拟视觉信息在视通路中的传递和处理过程,首先根据神经节细胞的中心周边拮抗机制,实现初级轮廓信息的快速提取;接着利用高斯函数与高斯差函数之间的差异性来模拟外膝体非经典感受野的调制作用,实现纹理背景的抑制;然后构建了一种V1区多朝向简单细胞感受野模型,提出了一种基于负值效应的DOG（difference of Gaussians）响应改进评价模式;最后考虑V1区复杂细胞在表征视觉高级特征的能力,给出了一种基于并行处理的视通路视觉响应融合模型,实现目标轮廓的检测与增强。结果 为了验证本文方法对自然场景图像的轮廓检测具备有效性,本文选取RuG轮廓检测数据库中的40幅自然场景图进行轮廓检测实验,并与二维高斯导函数模型（DG）、组合感受野模型（CORF）和空间稀疏约束纹理抑制模型（SSC）等3种典型的自然图像轮廓检测方法进行了分析比较。结果表明,本文方法检测提取到的主体轮廓更加完整,具有较高的图像纯净度,整体上反映了本文所提轮廓检测方法所具备的生物智能性。本文方法的平均P指标为0.45,相较于对比方法具有更好的轮廓检测性能。结论 本文方法具有较好的自然轮廓检测提取能力,尤其对于图像包含部分弱轮廓边缘的检测。本文构建的新模型将有助于对视通路中各层级功能和内在机制的理解,也将为基于视觉机制的图像分析和理解提供一种新的思路。     

一种基于主动轮廓模型的MRI医学图像序列边缘提取算法

为了提取核共振成像图像序列的边缘,提出了一种改进主动轮廓模型的边缘提取算法。通过调整原始公式的一些参数使得该模型不但能精确地提取图像中的凸形物体的边缘,而且能够接近边缘的凹陷处;引入自适应改变大小的外部约束能量来增大外能的吸引范围,使控制点能够不依赖于初始轮廓而快速地收敛到目标的真实轮廓;结合匹配技术,提高边缘提取结果层间传递的精度。实验结果表明该算法仅需少量用户交互就能快速准确地从医学图像序列中提取出感兴趣的物体边缘。     

基于分数阶微分差与高斯曲率滤波的边缘检测算法

应用梯度变化检测遥感图像纹理边缘信息时存在过检、漏检、错检和弱抗噪性等问题。为此,结合分数阶微分差和高斯曲率滤波,提出一种边缘检测算法。通过分数阶微分差运算对全色遥感图像的梯度场进行非线性增强,利用高斯曲率滤波平滑图像非线性扩散部分,并寻找正则化能量最速下降点,优化微分过程中的分数阶次和迭代次数,改善有噪图像的边缘信息提取质量。实验结果表明,该算法可抑制遥感图像纹理边缘提取过程中噪声非线性放大和扩散产生的背景伪噪声,保留图像纹理边缘信息,具有较好的图像增强和边缘检测效果。     

自然图像中目标轮廓上显著边缘检测的计算模型

如何模拟人类视觉感知系统的感知过程,建立一个鲁棒性较好、无监督的自然图像中目标轮廓上显著边缘检测的计算模型是文中要讨论的问题。首先确定自然图像中目标所在的子区域。然后通过分析纹理以及颜色等低级视觉特征得到一组潜在的轮廓边缘,对这些潜在的轮廓边缘进行闭合性分析,建立各条潜在边缘之间闭合关系的图模型。最后通过最短路径找出最优的轮廓上的显著边缘。将该模型用于多幅自然图像,实验效果较好。该模型在生物学上的合理性也得到验证。     

利用纹理信息的带标记线心脏核磁共振图像分割

针对带标记线的心脏核磁共振图像分割受到标记线强梯度影响的现象,提出了一种基于图像细节信号能量的纹理分析方法,该方法合理地利用了标记线本身的信号特征,进而达到了去除标记线影响的效果。由于心脏核磁共振图像边缘较弱,噪声相对较强,本文应用测地线活动轮廓模型定义演化曲线,并用水平集方法求解,从而很好地提取了左心室的心内膜。在提取左心室心外膜时,为克服边界断裂、缺省的情形,添加了距离约束能量项,解决了依靠梯度和纹理信息无法准确分割的问题。实验与误差分析结果表明,本文方法能较好地提取带标记线的左心室内外心膜,且具有较高的准确率。     

先验形状力场参数活动轮廓模型及其医学图像分割

先验形状参数活动轮廓模型是一种抗噪声干扰稳定的图像分割方法．它具有对弱边缘、凹区域进行分割的能力,同时有较大的边缘捕捉范围．通过引入一种非距离性的先验形状力场,构建一种新的能反映先验形状的参数活动轮廓模型．新的先验形状活动轮廓模型避免了曲线之间距离的计算,减少了模型的复杂性．新的方法可以较好地解决传统型参数活动轮廓模型的一些本质缺陷.实验对带噪声且为弱边缘的医学CT图像和超声图像进行分割能得到理想的边缘轮廓.     

引入低对比度环境下视觉感知机制的轮廓检测模型

传统的基于视觉感知机制的轮廓检测模型在遇到边缘局部对比度低时会出现部分目标轮廓丢失现象,并且在去抑制区共线增强时会使得噪声增强或高曲率轮廓拐角处断裂。针对这些问题,提出一种引入低对比度环境下视觉感知机制的轮廓检测模型。在传统轮廓检测模型的基础上一方面引入刺激物对比度对感受野大小及侧抑制强度的调节机制;另一方面根据Gestalt知觉组织原则将去抑制区划分为邻接去抑制区和外周去抑制区,分别给予不同的增强机制。并结合数学形态学滤波方法对得到的轮廓进行噪声滤波处理。针对自然图像进行实验,结果表明本模型在解决上述问题上有显著效果,提高自然背景中轮廓提取的性能。     

Fast Global Minimization of the Active Contour/Snake Model

The active contour/snake model is one of the most successful variational models in image segmentation. It consists of evolving a contour in images toward the boundaries of objects. Its success is based on strong mathematical properties and efficient numerical schemes based on the level set method. The only drawback of this model is the existence of local minima in the active contour energy, which makes the initial guess critical to get satisfactory results. In this paper, we propose to solve this problem by determining a global minimum of the active contour model. Our approach is based on the unification of image segmentation and image denoising tasks into a global minimization framework. More precisely, we propose to unify three well-known image variational models, namely the snake model, the Rudin–Osher–Fatemi denoising model and the Mumford–Shah segmentation model. We will establish theorems with proofs to determine the existence of a global minimum of the active contour model. From a numerical point of view, we propose a new practical way to solve the active contour propagation problem toward object boundaries through a dual formulation of the minimization problem. The dual formulation, easy to implement, allows us a fast global minimization of the snake energy. It avoids the usual drawback in the level set approach that consists of initializing the active contour in a distance function and re-initializing it periodically during the evolution, which is time-consuming. We apply our segmentation algorithms on synthetic and real-world images, such as texture images and medical images, to emphasize the performances of our model compared with other segmentation models. Research supported by NIH U54RR021813, NSF DMS-0312222, NSF ACI-0321917 and NSF DMI-0327077.     

基于多元信息的高斯混合模型左心室MR图像分割

水平集模型在核磁共振图像(MRI)分割中具有十分重要的地位。但由于MR图像往往具有弱边界和强噪音,传统的水平集模型用于图像分割时一般依据图像梯度信息,因而很难得到真实解。高斯混合模型使用了图像全局信息,能较好地处理弱边界问题。但传统的高斯混合模型仅使用了灰度值分布信息,未对像素的位置进行考虑,这使得其在处理噪音图像时效果并不是很理想。该文利用图像多种信息构造新的信息场,使得由信息场构造的高斯混合模型更能处理噪音等影响,同时防止从弱边界泄漏。在取得心脏内壁后构造能量方程,运用形状约束和图像信息以得到心脏外壁。对左心室MR图像分割实验表明该模型具有较好的分割效果。     

一种新的图像纹理表示方法

该文基于纹理元直方图导出了纹理的新表示方法,并根据正交镜像滤波器的小波变换能量的转换和量化来定义纹理元。此种,给出了数种小波纹理特征集的实验评价,此方法具有将Brodatz纹理分类的极好性能。同时还研究了数种考虑近似旋转不变性或比例不变性的变换。最后,引入了生成纹理直方图和形成二进制纹理集的特征空间的过程,而且纹理直方图和二进制纹理集的特征空间与颜色直方图是对称的。获得纹理的这些表示旨在为度量纹理的相似性和从图像中抽取纹理区域。