基于几何主动轮廓模型的图像分割方法

为改善传统水平集方法对初始轮廓极其敏感、对复杂图像分割不准确的缺陷,提出一种改进的几何主动轮廓模型分割新方法,构造了新的边缘终止函数,在曲线演化过程中应用可变权系数,算法不依赖轮廓的初始位置,演化曲线也能快速地转化为目标边界.此外,该方法可以识别包含内边界的对象,多目标与尖角边界分割结果理想,可应用到医学图像分割.仿真表明:分割结果的J系数在0.91以上,D系数不低于0.95,算法准确性高.     

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.     

一种基于显著性活动轮廓模型的图像分割方法

为了有效地提取图像中物体的轮廓,结合视觉注意机制,提出一种改进的距离正则化水平集活动轮廓模型的分析方法。首先提取图像的初级特征,构成图像显著图;然后采用最大类间方差法获得显著区域的初始轮廓,以此作为活动轮廓模型中曲线演化的初始位置;最后利用距离正则化水平集演化,获得目标物体的边界,完成图像分割。这种结合视觉注意机制与改进的距离正则化水平集演化方法能够显著降低水平函数演化次数,提高图像分割效率。仿真结果表明,它能有效检测单个及多目标物体的边界,且定位准确。     

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.     

一种全局最优的非匀质图像分割算法

为了解决传统几何活动轮廓模型不能自适应地分割非匀质图像的问题,提出了一种全局优化的非匀质图像分割算法.首先,利用图像经过高斯滤波器滤波后的梯度信息定义了一个新的图像分割能量函数.然后,利用水平集方法扩展该能量函数的定义域,以使该能量函数具有全局最优解.为避免水平集函数的重新初始化过程,在能量函数中引入了一个水平集函数约束项.最后,通过最小化该能量函数,建立水平集函数演化的偏微分方程.对水平集演化方程数值求解,实现对非匀质图像的分割.实验结果表明,该算法不但能自适应地确定曲线演化方向,而且能有效地分割非匀质图像.     

自适应分割弱边缘的活动轮廓模型

改进LI的保持距离水平集方法,提出自适应分割弱边缘的活动轮廓模型,并证明自适应力的双向性。模型中自适应力的系数加入图像的灰度均值,根据演化曲线的位置自适应的收缩或扩张。结果表明,该方法克服了原LI模型初始轮廓必须完全包围或含在目标物体内的问题,可以任意设置初始轮廓大小及位置,能够分割多目标图像,具有较强的抗噪性。     

图像分割中局部能量驱动的快速主动轮廓模型

为了解决图像对象灰度分布不一致性的分割难题,提高图像分割速度,提出了一个全新的快速主动轮廓模型。它由曲线周围局部的统计信息驱动曲线发生形变演化,并使用图像中的边缘信息来引导曲线的演化方向。模型中,根据区域模板与演化曲线共同定义的局部统计信息创建数据拟合项,并应用水平集方法求解曲线的演化。对合成图像和医学图像的实验结果表明,本文提出的分割模型可以同时分割多个灰度不一致的对象,分割速度快,结果稳定,对噪声具有很好的鲁棒性。     

基于形状先验与轮廓预定位的目标分割

针对单帧图像中特定目标的分割一直面临着由于背景复杂和光照变化等因素带来的分割精度偏低的问题,提出一种基于轮廓预定位的先验局部二值拟合(local binary fitting,LBF)算法,用于人体上肢图像的分割.首先,利用浅层卷积神经网络对上肢形状模板进行筛选和预定位,得到分割目标的粗轮廓曲线;然后,利用基于先验形状的LBF算法对粗轮廓曲线进行演化,得到分割目标的精确轮廓曲线.实验结果显示算法的成功率在90%以上,表明该方法对于背景复杂和光照变化情况下的特定目标分割具有良好的效果.     

基于水平集的转炉出钢图像钢渣检测方法

针对转炉出钢红外灰度图像具有噪声大、物体间灰度差较小和边缘模糊等特点,难以实现区域分割及下渣检测的问题,提出一种基于水平集的转炉出钢图像钢渣检测方法.根据钢水与钢渣的轮廓分布特点对Chan-vese活动轮廓模型进行改进,构造双轮廓曲线的演化函数.利用水平集方法求解模型,并通过最小化双轮廓曲线的演化函数来获得分割区域及其灰度特征值.最后通过分割区域的灰度特征值识别钢水与钢渣及计算钢渣含量,完成钢渣检测.实验表明,该方法具有较高的抗噪性和准确性,能很好地应用于红外热成像转炉出钢下渣检测.     

改进的距离正则化水平集演化方法

为了有效地对数字图像中的目标物体进行分割,提出了一种结合人类视觉注意机制的距离正则化水平集演化的图像分割方法,首先,利用数据融合获得视觉注意机制的显著图,进而获得曲线演化的初始轮廓,解决了演化曲线对初始位置敏感及不能自适应地决定向内还是向外运动的问题;然后,利用自定义的图像边缘指示函数,通过优化函数的演化速度参数及噪声敏感度控制参数,加快了曲线演化速度;最后,利用距离正则化水平集演化至目标物体的边界,完成图像分割,仿真结果表明:该方法能够有效地检测单个及多个目标物体的边界,提高了边界定位精度,抗噪能力较强.     

有监督的水平集高分辨SAR图像分割方法

针对基于统计模型的水平集SAR图像分割中参数估计耗时较多的问题,提出了一种有监督的高分辨SAR图像分割方法.该方法将Fisher分布和Gamma分布分别作为高分辨SAR图像的目标和背景统计模型,结合水平集方法推导了SAR图像分割水平集函数的能量泛函模型,通过最小化能量泛函得到曲线演化偏微分方程,实现对高分辨SAR图像的...     

一种新的用于图像分割的活动轮廓模型

为了从灰度异质图像中更好地提取目标,本文提出了一种新的图像分割方法,采用测地时间函数作为局部二值拟合模型的核函数,并结合图像区域的局部灰度信息和全局灰度信息建立能量泛函.同时,符号函数惩罚项的引入避免了符号函数的重新初始化,而曲线长度调整项则保证了曲线演化的连续性和光滑性.通过变分水平集方法最小化新的能量泛函,得到曲线演化的梯度下降流.通过对医学CT图像进行分割实验,证明了该方法的可行性和优越性.     

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。     

一种基于阈值初始化的变分水平集牙菌斑图像分割方法

将变分水平集和图像阀值化两种图像分割方法相结合,在分析灰度图像直方图分布的基础上提出利用图像阈值设定C-V模型的初始化轮廓的新方法,改变了原有C-V模型的初始轮廓线设置中存在的不足.新方法应用于牙菌斑图像分割中能够较好的识别牙齿图像边缘信息,为下一步对牙菌斑进行量化分析提供了良好的数据基础.     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明,该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

克服灰度不均匀性的脑MR图像分割及去偏移场模型

为了解决脑核磁共振图像中的灰度不均匀现象,提出了一个基于二相的脑MR图像分割模型,利用图像的局部信息,同时进行脑组织分割和去除偏移场。实验结果表明：该模型能有效的对脑图像进行分割及去除偏移场,和原图像相比,恢复后的图像具有更好的视觉效果。     

一种改进的CV水平集图像分割方法

由Chan Vese提出的水平集图像分割模型可以不依赖于图像的边缘信息而对弱边缘以及含有内部轮廓的图像具有良好的分割效果.但对于背景图像灰度包含两个及以上等级分层时,图像分割得不到准确的结果.提出一种新的基于C V模型的改进算法,该算法引入了快速C V方法的思想,融入全局梯度信息以及目标的先验知识.实验结果表明,该方法能够很好地分辨出背景图像复杂灰度包含多个等级分层的目标区域轮廓且具有良好的适应性.     

一种改进的C-V水平集遥感图像分割方法

针对遥感图像边界模糊分割难的问题,提出了一种改进的基于小波变换的C-V水平集分割方法提高其分割准确性.该方法首先使用小波变换得到原图像的高频分量,初步定位图像中高频信号的空间位置;然后根据高频分量的幅值及其空间分布,借鉴反锐化掩模法的思想,增强图像高频信号对水平集分割的指导作用,并优化驱动水平集演化的内、外能量及曲线长度约束能量.实验证明,运用该方法对遥感图像的分割结果比传统水平集方法更准确,能有效的利用局部信息提高水平集能量项的有效性和分割结果的准确性.