基于C-V模型的红外图像自动分割方法研究

为解决红外图像分割中背景噪声及边界轮廓的影响,引入了基于曲线演化理论、水平集方法和M-S分割函数的C-V模型。通过将图像表达为分段常量函数来建立适当的能量函数模型,引入水平集的表示方法,在整个图像域中依据最小化分割寻找全局极小值,可令活动轮廓最终到达目标边缘。由MATLAB实现的仿真结果表明采用C-V模型对红外图像进行自动分割不受边界轮廓线连续性限制,对初始轮廓线位置不敏感,对图像噪声具有很强的鲁棒性,对均匀灰度目标分割效果良好。     

基于图切割与C-V模型的运动目标分割

将一种基于图切割与简化Mumford-Shah模型Chan-vese模型(G-V模型)相结合的方法应用于运动目标分割中.在此方法中,利用图切割技术求解能量最优化,利用C-V模型自适应处理目标几何的拓扑变化.通过实验对此方法在图像序列中的运动目标进行了检测与分割研究.实验结果表明,图切割能量优化加速了曲线进化进程,迭代次数大大减少,同时避免了常规水平集方法中符号函数的初始化和迭代更新.对图像序列中的运动目标进行分割的仿真实验验证了该方法的有效性.     

基于简化Mumford—Shah模型的文本行和段落分割算法

文本行和段落分割是文档图像处理过程中的重要步骤.本文提出了一种基于简化Mumford-Shah模型的新的文本行和段落分割算法,该算法是脚本语言独立的.为了提高文本行和段落分割算法的有效性,首先使用高斯滤波器对文档图像进行平滑,然后再在此基础上运用简化的Mumford-Shah模型的水平集图像分割算法分割文档图像.最后,利用数学形态学方法处理文档中粘连和交叠情况.实验表明,该算法可以准确快速的分割目标物体,而且算法与初始轮廓线位置无关、不受边界轮廓线连续性限制、对图像噪声具有很强的鲁棒性.     

结合局部能量与改进的符号距离正则项的图像目标分割算法

针对传统C-V模型对颜色不均匀图像分割失败并且对初始轮廓和位置敏感问题,以及现有符号距离正则项存在周期性振荡和局部极值问题。该文提出结合局部能量信息和改进的符号距离正则项的图像目标分割算法。首先,将全局图像信息扩展到HSV空间,并使用局部能量项信息分析每个像素及其领域内的统计特性,从而在较少的迭代次数内有效分割颜色分布不均匀图像。其次,改进现有符号距离正则项,改进后的符号距离正则项在避免水平集函数的重新初始化的同时,提高了计算效率,保证了水平集函数演化过程的稳定性。然后,定义阈值判断法的水平集函数演化的终止准则,使曲线准确演化到目标轮廓。该算法与同类模型的对比实验表明该模型具有较高的分割精度和对初始轮廓的鲁棒性。     

一种基于脑部肿瘤MR图像的分割方法

针对传统的分割方法难以实现医学图像自动分割和准确分割的问题,提出了一种基于GVF Snake模型的医学图像分割方法。该方法采用Canny算子的边缘检测结果作为GVF扩散方程计算的边缘映射图,提高了GVF Snake模型的抗噪性能;用分水岭算法自动获取的轮廓作为GVF Snake模型分割的初始轮廓,降低了GVF力场计算的复杂性和分割时轮廓线的迭代次数。分析和实验结果表明,采用该方法对脑部肿瘤MR图像进行分割时,能自动准确地分割出肿瘤区域。     

3D视频目标分割与快速跟踪

提出一种面向3D视频的目标分割与快速跟踪算法,主要分为空域分割和时域与视域跟踪两个主要步骤。空域分割采用基于改进C-V模型的方法。首先基于帧差法提取运动区域作为目标的初始轮廓,以减少迭代次数加快收敛速度。然后在传统的C-V模型中加入图像边缘信息以加强C-V模型对模糊边缘的处理能力,提高分割结果的主管视觉效果。时域和视域的目标跟踪采用基于改进生物地理优化的快速跟踪方法。实验结果表明所提分割与跟踪算法快速、高效。     

基于改进的变分水平集和区域生长的图像分割方法的研究

针对水平集和区域生长方法都存在对噪声和初始边界敏感以及容易从弱边缘处泄露等不稳定的问题,提出了结合待分割目标灰度统计信息和图像梯度信息的水平集演化函数对水平集方法进行改进,并利用区域生长方法解决水平集方法对初始边界敏感的问题.分别用传统区域生长方法、阈值方法、GAC模型、C-V模型、Snake模型以及本文方法进行从腹部CT图像分割肝脏区域的实验比较,实验结果表明:本文方法不仅可以减少图像分割的时间,而且显著地提高了分割质量.     

基于改进C-V模型的B超图像分割

图像分割是医学超声图像学中的难题之一.针对传统的水平集图像分割法速度较慢,提出了一种基于改进Chan-Vese(C-V)模型和加强中值滤波的B超图像分割方法,并与传统的C-V模型分割方法进行比较,最后用最大香农熵等方法评价分割结果.实验结果表明:改进的C-V模型B超图像分割法具有较好的分割性能,并且耗时方面明显优于传统C-V模型分割方法,可以将其应用于医学超声图像的分割中,能够到达实时性的要求.     

基于Chan-Vese模型的树形结构多相水平集图像分割算法

由于Chan-Vese(C-V)模型通过单个水平集的符号将待分割图像划分为目标和背景两个部分,所以当图像的多个目标的轮廓成多连接时,C-V模型将无法表示.为了解决C-V模型在表示目标轮廓上的局限,提出了基于C-V模型的树形结构多相水平集算法.关键策略是通过改变图像背景,使得水平集在新图像上重新收敛;核心技术是依据同时明度对比提出的背景填充技术;算法流程采用多水平集串行收敛方式实现多相分割(n-1次收敛可以实现n相分割,n＞1).实验结果表明,本算法可以表示复杂的区域连接情况(n相分割最多可以表示n连接情况),能够实现多目标分割(n相分割可以实现n-1个目标分割),特别适合于目标中含有子目标的图像.     

基于粗精交互融合和迭代图割的舰船可见光图像分割方法

在深入分析典型图割算法的基础上,提出了一种基于粗精交互融合和迭代图割的舰船可见光图像分割方法,主要包括矩形包围盒式的粗交互、基于高斯混合模型的迭代图割、多边形编辑式的精交互和窄带区域内的图割优化。仿真结果表明,本文方法基本达到了预期目标,交互少、分割效果好,可满足后续特征提取和目标识别的需求。     

基于改进Chan-Vese模型的液晶显示屏Mura缺陷分割

液晶显示屏Mura缺陷是一类较难检测的显示缺陷,它具有对比度低、背景亮度不均匀、边缘模糊等特点。针对传统Chan-Vese模型(C-V模型)对其分割时存在误分割及速度慢的问题,本文提出一种改进的C-V模型。首先,依据曲线演化理论,简化了传统C-V模型的图像数据力驱动项,这样减少了迭代过程中的计算量,提高了分割的速度。其次,为了平衡图像的亮度不均匀,在模型中引入一个新的能量项,该能量项与轮廓曲线内、外部之间的亮度差有关,提高了分割的准确性。最后,在算法的实现过程中引入迭代停止的判别式,通过设定分割的精度可以实现迭代的自动停止,并有利于正确地分割出目标。实验结果表明,本文提出的改进C-V模型能够准确分割背景不均匀的Mura缺陷,并且具有较快的速度。     

一种基于k均值的多相位水平集遥感图像分割方法

针对遥感图像的特点,本文提出了一种基于K-均值与改进的多相位水平集模型结合的新方法。相比于传统的水平集模型,改进模型在能量函数中考虑了图像的面积、梯度信息和边缘检测。图像的梯度信息可以克服分割中存在的边缘定位的不准确,边缘检测可以在曲线衍化过程中更好的保持边缘信息。为了加快边缘的收敛速度,避免陷入局部最优,本文提出先对图像进行中值滤波来平滑图像和消除部分噪声,然后利用K均值进行聚类得到明显的特征差异。接着用Sobel算子进行梯度重建,然后用改进的多相位水平集模型进行分割。实验结果显示本文的算法对于遥感图像的分割在时间和精度上都有较好的效果。     

Faster-RCNN和Level-Set结合的高分遥感影像建筑物提取

目前Level-Set图像分割方法存在初始轮廓的确定受人为因素影响较大的问题，对目标被遮盖和目标与背景灰度值相近无法达到理想的分割效果。针对此问题，本文提出了利用Faster-RCNN网络模型确定目标初始轮廓和区域信息的先验水平集图像分割方法，搭建Caffe深度学习框架训练Faster-RCNN网络模型；通过有监督学习的方式在IAILD数据集上训练模型，检测出目标建筑物并初步提取建筑物的轮廓，并将其与形状先验的Level-Set算法结合。对比实验结果表明，本文方法解决了Level-Set算法中图像分割结果初始轮廓受人为标记框选的影响较大的问题，能够更好地完成被遮挡建筑物的分割，对于目标建筑和背景灰度值相近也能达到更好的分割效果。     

A variational model and graph cuts optimization for interactive foreground extraction

In this paper, an interactive segmentation method is proposed, which is based on an improved Chan–Vese model, i.e. multiple piecewise constant model with geodesic active contour. The k-means method is used to learn the models of the foreground and background, which are the optimal piecewise constant approximation of the original image according to the input seeds clue by the user. Based on the piecewise constant models of the foreground and background, the multiple piecewise constant with a geodesic active contour energy function can be minimized by effective graph cuts algorithm, and the minimum cuts can be used to partition the image into the foreground and background. Numerical experiments demonstrate the superior performance of the proposed interactive foreground extraction method based on the improved Chan–Vese model compared to the original Chan–Vese model by simple user interaction.     

基于模糊阈值和水平集的红外图像分割方法

针对阈值法分割红外图像易产生误分割和水平集分割方法受初始曲线限制大,提出了一种结合模糊阈值与水平集的自适应红外图像分割方法。该方法首先采用二维Otsu方法计算阈值,利用该阈值获取模糊阈值分割法中的窗口宽度,使模糊阈值分割法具有自适应性;然后采用此自适应模糊阈值分割法预分割红外图像,利用预分割结果自动获取水平集初始曲线;最后将Chan-Vese方法与Shi方法结合提出改进的水平集方法,并用此方法分割红外图像。实验结果表明,本文方法具有较好的分割效果和较强的鲁棒性。     

一种自适应初始轮廓的水平集演化方法的研究

距离规则水平集存在对噪声、初始轮廓敏感、收敛速度慢以及容易从弱边缘处泄露等不稳定问题.结合待分割目标灰度统计信息和图像梯度信息,提出了一种自适应初始轮廓的水平集演化方法,利用图像信息构成的自带符号目标信息函数代替面积项中的边缘指示函数,解决水平集方法对初始轮廓敏感问题.另外,还设计一个自我调整的面积项系数解决水平集方法对收敛速度慢以及弱边缘处泄露问题.实验结果表明：本文方法不仅可以减少图像分割时间,提高了分割质量,同时能够解决对初始轮廓敏感问题.