应用区域间差异性和距离约束函数的图像分割

许多水平集图像分割模型需要不断重新初始化水平集函数,或需要图像的梯度信息来约束曲线进化。提出最大化区域间差异性和距离约束函数水平集图像分割模型,该模型引入距离约束函数作为内部能量保证水平集函数始终为符号距离函数（SDF）,避免了进化过程中对水平集函数的不断初始化。基于目标和背景两区域平均灰度值之差的平方构造外部能量函数（区域间差异性函数）,并使其最大化,确保零水平集曲线稳定地收敛于目标边界。实验结果表明,提出的模型不仅有效地克服了传统模型需重新初始化的缺点,并且由于外部能量函数融合了区域信息,对弱边界图像以及含噪声图像具有较好分割能力。     

图像分割的结构张量几何活动轮廓模型

基于水平集方法和结构张量,提出几何活动轮廓模型应用于图像分割,解决水平集方法轮廓初始化和弱边缘处易于边缘泄露问题.该方法利用张量图像的散度算子构造新的外力,引导水平集函数的自适应运动,使得其可以初始为常值函数,消失其演化对初始轮廓的需要;在偏微分方程中引入张量迹信息,减少噪声对其演化的影响,避免轮廓在弱边缘处泄露.实验结果表明,该方法对噪声图像鲁棒,能提取深度凹陷目标轮廓和红外图像中的弱目标.     

基于共轭梯度的B样条主动轮廓边缘提取

边缘提取是图像识别的基础,为了进一步提高搜索效率和克服主动轮廓模型对初始位置敏感的问题,提出了一种基于共轭梯度的B样条主动轮廓变形边缘提取方法。该方法首先通过人工交互的方式,在目标边缘附近给定一条形状和位置尽量和图像边缘一致的B样条曲线;然后对变形曲线B样条的控制节点进行进化,以取代传统方法中对变形曲线上每一个像素点进行的进化,由于控制节点的数目远远小于曲线上像素点的数目,因而可以大大减少计算次数;最后在梯度矢量场中,对进化曲线附加一共轭梯度力,以加快变形曲线向目标边缘的收敛速度。实验表明,该方法不仅能应对深度凹陷问题,而且边缘提取效率有了较大的提高。     

基于水平集方法的弱边界运动人体目标跟踪与轮廓提取

针对图像中目标和背景灰度偏差较小、目标边缘轮廓弱的特点,提出了一种快速收敛并具有较强捕获弱边缘能力的水平集曲线演化方法。该方法采用指数函数作为边缘指示函数,运用归一化的Gauss分布函数改进传统的正则化Dirac函数。在目标跟踪过程中,采用卡尔曼滤波获取视频相应帧图像的运动人体目标最小外接矩形框,对外接矩形框内运动人体进行水平集曲线演化,实现对人体目标的跟踪和轮廓提取。分别对可见光下的运动目标和红外运动视频序列进行仿真实验。结果表明,相对于传统方法,其在跟踪速度上有很大的提高,对于红外图像中的弱边界目标及凸凹度较大的区域,也具有快速准确的收敛效果。     

基于局部区域力的活动轮廓模型图像分割研究

研究活动轮廓模型的分割效果问题.针对目前测地线活动轮廓模型对初始化位置十分敏感,在穿越边界的初始化条件下易产生错误分割,以及耦合曲线活动轮廓模型在灰度分布不均匀时易做出错误分割的问题.提出由活动曲线附近的区域信息决定的局部区域力的新测地线活动轮廓模型,可以被图像梯度和区域信息的外力所驱动,达到有效地驱动活动曲线收敛到物体边缘的目的.新模型结合了测地线活动轮廓模型和局部信息的活动轮廓模型的优点.实验证明,新模型可以跨边界进行初始化操作,同时对弱边缘图像有更好的分割效果.     

参数化形态学梯度修正的水平集肝肿瘤分割

针对单一水平集算法处理低对比度或边缘模糊肝脏CT图像时,在梯度局部极小值区域或虚假边缘处常常会出现曲线停止演化现象的问题,提出了一种参数化形态学梯度修正的水平集图像分割方法进行研究.首先对图像进行形态学梯度变换,增强图像的对比度;然后以此为基础,在特定邻域内建立结构元素半径与梯度级的函数关系对图像进行梯度修正,增强目标边缘聚合度并去除图像噪声及非规则细节引起的局部极小值,同时减小目标轮廓位置的偏移;最后根据图像梯度信息运用水平集方法实现图像中单个或多个目标分割.实验结果表明,该算法有效地解决了标准水平集分割方法中存在的伪分割问题,能够对肝脏肿瘤进行较准确分割.     

基于改进的level set嘴唇轮廓定位方法

根据嘴唇的几何分布特性,提出一种基于多方向的水平集方法（Multi-Level set）来进行嘴唇轮廓的定位。Multi-Level set方法通过对嘴唇图像多个方向的滤波得到新的边缘检测函数来增强嘴唇轮廓的梯度信息,然后利用能量函数最小化来使初始曲线向嘴唇轮廓靠近,达到说话人嘴唇轮廓的精确定位。实验证明用Multi-Level set方法定位嘴唇轮廓的准确率比level set提高了7.32%。     

基于DRLSE模型的运动目标跟踪

高斯粒子滤波不能处理曲线的拓扑变化,而基于水平集的几何活动轮廓模型能较好地适应拓扑变化,为了跟踪和提取刚体和非刚体运动目标精确的轮廓信息,提出基于距离规则化的水平集演化(DRLSE)模型和高斯粒子滤波(GPF)相结合的运动目标跟踪方法.首先用高斯粒子滤波对目标跟踪得到目标的运动区域,然后把水平集规则项引入到测地线活动轮廓模型中,以外接轮廓的中心为基础进行DRLSE.距离规则化不仅消除了水平集重新初始化的需要,而且避免了因此而导致的数值错误,在水平集演化过程中保持了水平集函数的规则化.最后,将获得的精确轮廓信息反馈到跟踪框架.实验结果表明,该方法适用于刚体和非刚体目标,在实际交通环境中跟踪结果更加精确.     

结合梯度和区域信息的多尺度水平集图像分割

提出了一种结合梯度和区域信息的多尺度水平集图像分割算法。该算法结合梯度和区域信息构造能量函数,在梯度约束项中,构建了一个基于小波高频分量的边缘检测函数,在区域约束项中,运用经典C-V模型的区域项,得到混合C-V模型,采用变分法求解,并消除了水平集的重初始化。利用小波变换首先在逼近图像中运用混合C-V模型得到粗分辨图像的一个粗尺度分割,再对当前粗尺度下的最终轮廓线作内插操作,将得到的近似轮廓曲线作为初始水平集函数在原图像中运用消除重初始化的C-V模型演化得到最终的分割。实验结果表明,在同样的模型参数条件下,该方法具有比传统方法更高的演化效率和分割质量。     

基于自适应水平集方法的运动目标跟踪

在对复杂背景条件下的非刚体目标进行跟踪时,水平集方法是一种非常有效的方法。针对水平集的初始化问题,提出了一种自适应初始化的水平集方法。首先采用粒子滤波对目标进行跟踪,得到运动目标的粗外接矩形轮廓;然后以外接矩形轮廓的质心为基础进行水平集曲线演化,求取目标的精确轮廓信息,并将轮廓的提取结果反馈到跟踪框架中;最后,动态更新参考模板,以改进似然函数。实验结果表明,本方法能够适应非刚体目标在运动中的自由变化,使得跟踪更加精确。     

基于几何活动轮廓模型的人脸轮廓提取方法

针对在结构性噪声较严重的情况下 ,常规几何活动轮廓模型无法获得理想分割效果的问题 ,提出一种基于几何活动轮廓模型的人脸轮廓提取方法 ,该方法首先将人脸形状的椭圆性约束作为算子嵌入到几何活动轮廓模型中 ,并利用几何活动轮廓模型提取任意轮廓的优势来快速抽取出图象中类似椭圆的目标边缘 ;然后根据图象中人脸的先验知识 ,通过对检测到的椭圆目标进行进一步验证来找出最终人脸轮廓 .由于采用变分水平集方法做数值计算 ,因此该方法不仅能够自然地处理曲线的拓扑变化和能较精确地提取出图象中的人脸轮廓 ,而且同时可以给出人脸水平旋转的大致角度等信息 .实验结果表明 ,该方法是有效的 .     

基于支持度变换的几何活动轮廓模型轮廓提取方法

提出了一种新的轮廓提取方法,该方法将几何活动轮廓模型与映射最小二乘向量机(mapped LS-SVM)相结合.首先用映射最小二乘向量机推导出支持度滤波器,通过在基本支持度滤波器中填充零的方法得到一系列的多尺度支持度滤波器.然后通过支持度变换(SVT)计算出支持度图像.在此基础上,用支持度图像计算几何活动轮廓模型的边缘指示函数,使得曲线演化快速地收敛到期望位置.实验结果表明该方法的轮廓提取效果较好,收敛速度更快.     

Extracting eyebrow contour and chin contour for face recognition

This paper proposes a novel method for extraction of eyebrow contour and chin contour. We first segment rough eyebrow regions using spatial constrained sub-area K-means clustering. Then eyebrow contours are extracted by Snake method with effective image force. For chin contour extraction, we first estimate several possible chin locations which are used to build a number of curves as chin contour candidates. Based on the chin like edges extracted by proposed chin edge detector, the curve with the largest likeliness to be the actual chin contour is selected. Finally, the credible extracted eyebrow contour and the estimated chin contours are used as geometric features for face recognition. Experimental results show that the proposed algorithms can extract eyebrow contours and chin contours with good accuracy and the extracted features are effective for improving face recognition rates.     

基于自适应符号函数的主动轮廓模型

几何主动轮廓模型的缺点是对初始轮廓位置特别敏感,基于距离规则水平集（DRLSE）模型的初始轮廓曲线必须设置在目标边界的内部或者外部.基于边缘的自适应水平集（ALSE）模型,提出了一种提高初始轮廓鲁棒性的方法.但两种模型均容易出现陷入虚假边界、从弱边缘处泄露以及抗噪声能力差等问题.设计了一个结合自适应符号函数和自适应边缘指示函数的模型,使得主动轮廓演化能根据自适应符号函数的方向从初始轮廓开始自动进行膨胀及收缩,很好地改善了水平集对初始轮廓敏感的缺点,提高了鲁棒性,同时解决了水平集对收敛速度慢以及易从弱边缘处泄露的问题.此外,为了使得模型演化更加稳定,提出了一个新的距离规则项.实验结果表明：自适应符号函数的主动轮廓模型不仅可以提高分割质量,缩短图像分割时间,同时提高了对初始轮廓的鲁棒性.     

Topological spines: a structure-preserving visual representation of scalar fields

We present topological spines--a new visual representation that preserves the topological and geometric structure of a scalar field. This representation encodes the spatial relationships of the extrema of a scalar field together with the local volume and nesting structure of the surrounding contours. Unlike other topological representations, such as contour trees, our approach preserves the local geometric structure of the scalar field, including structural cycles that are useful for exposing symmetries in the data. To obtain this representation, we describe a novel mechanism based on the extraction of extremum graphs--sparse subsets of the Morse-Smale complex that retain the important structural information without the clutter and occlusion problems that arise from visualizing the entire complex directly. Extremum graphs form a natural multiresolution structure that allows the user to suppress noise and enhance topological features via the specification of a persistence range. Applications of our approach include the visualization of 3D scalar fields without occlusion artifacts, and the exploratory analysis of high-dimensional functions.     

Geodesic Active Contours

A novel scheme for the detection of object boundaries is presented. The technique is based on active contours evolving in time according to intrinsic geometric measures of the image. The evolving contours naturally split and merge, allowing the simultaneous detection of several objects and both interior and exterior boundaries. The proposed approach is based on the relation between active contours and the computation of geodesics or minimal distance curves. The minimal distance curve lays in a Riemannian space whose metric is defined by the image content. This geodesic approach for object segmentation allows to connect classical snakes based on energy minimization and geometric active contours based on the theory of curve evolution. Previous models of geometric active contours are improved, allowing stable boundary detection when their gradients suffer from large variations, including gaps. Formal results concerning existence, uniqueness, stability, and correctness of the evolution are presented as well. The scheme was implemented using an efficient algorithm for curve evolution. Experimental results of applying the scheme to real images including objects with holes and medical data imagery demonstrate its power. The results may be extended to 3D object segmentation as well.     

基于四阶偏微分方程平滑的图像分割新方法

在方向曲率模值描述图像平滑度的泛函基础上，推导出一种四阶偏微分方程(PDE)图像降噪模型，在有效降噪的同时，较好地保持了边缘。该方法处理结果为分段线性图像，且在目标边缘处梯度存在阶跃。利用降噪结果的这一特点，提出一种新测地线主动轮廓模型。实验表明，新模型不但稳定，轮廓提取能力强，而且收敛速度快。     

Forward/Backward contour tracing with feedback

This correspondence describes a contour extraction algorithm which can gradually improve its results until the extracted contours are closed. This is achieved by an architecture with a feedback path for local smoothing. The feedback path is activated only when one or more contours obtained are not closed in order to initiate smoothing in noisy areas of the image to remove local irregularities that cause the problems. A forward/backward boundary tracing mechanism is employed to facilitate locating any troubled areas. A smoothing method appropriate for reducing local irregularities is discussed. The proposed algorithm is very suitable for those applications that demand closed contours, such as character recognition and blob detection.     

Learning Boundary Edges for 3D‐Mesh Segmentation

This paper presents a 3D‐mesh segmentation algorithm based on a learning approach. A large database of manually segmented 3D‐meshes is used to learn a boundary edge function. The function is learned using a classifier which automatically selects from a pool of geometric features the most relevant ones to detect candidate boundary edges. We propose a processing pipeline that produces smooth closed boundaries using this edge function. This pipeline successively selects a set of candidate boundary contours, closes them and optimizes them using a snake movement. Our algorithm was evaluated quantitatively using two different segmentation benchmarks and was shown to outperform most recent algorithms from the state‐of‐the‐art.     

一种基于几何活动轮廓模型的弱边界区域图象分割方法

传统的几何活动轮廓模型作为一种有效的图象分割方法，一直以来被广泛使用。但其在应用中也存在不少问题，例如对图象内弱边界区域目标不能准确的分割以及对噪声的干扰容易使曲线陷入局部极值等情况。本文提出了一种基于区域梯度流力的几何活动轮廓模型，由于区域力从全局的角度为模型提供目标边界信息，这样使该模型不但能够准确的利用区域信息分割出弱边界区域而且能够有效抵御噪声的干扰。