基于活动轮廓模型的图像分割算法综述

活动轮廓模型是一种重要的图像分割技术,它利用底层信息,并结合高层先验知识,实现对复杂目标轮廓的自动分割。自Kass等提出该思想以来的20多年中,活动轮廓模型在理论研究和应用方面均取得长足发展。首先,介绍活动轮廓模型的发展历程,重点阐述并分析典型的参数活动轮廓模型和几何活动轮廓模型,进而扼要介绍混合活动轮廓模型和快速求解算法;随后,从理论基础、分割效果、算法效率以及应用等方面,比较两类模型之间的区别与联系;最后,对活动轮廓模型未来的发展趋势进行展望。

基于活动轮廓模型的SAR图像海岸线检测

SAR图像岸线检测是SAR近岸海洋目标检测的一项重要环节。该文提出一种SAR图像海岸线检测方式,该方法基于自适应混合活动轮廓模型,旨在对灰度不均匀SAR图像的海岸线进行检测。首先对SAR图像进行显著性检测的预处理,然后将预处理后的结果代入混合活动轮廓模型中进行检测。该文采用改良后的CV模型和LIF模型并以其各自的自适应参数为基础进行融合,从而增强整个模型的识别性能。从SAR图象试验的结果来看,这种方式相较于传统的CV模型技术,对灰度分布不均一的SAR图像具有更强的适用性和计算速度上的优化。

基于多图谱活动轮廓模型的脑部图像分割

丘脑、海马体、伏隔核、尾状核等关键脑结构的位置、体积、形态等的变化与多种脑部疾病息息相关,对其精准分割是进行相关定量分析的前提.然而在磁共振图像中这些结构对比度不高、边界模糊,传统方法只是利用了标号图像,没有考虑到待分割图像、先验信息等,因无法实现准确分割.文中将多图谱配准与活动轮廓模型相结合,提出了一种新的多图谱活动轮廓模型框架,有效地利用了图谱的先验信息和待分割图像的灰度信息,将多图谱的形状先验项引入到活动轮廓模型中,并在融合标号图像的过程中利用活动轮廓模型校正配准引起的误差,可以得到光滑、准确的分割结果.该框架包含3个部分:第1部分为图谱先验项,利用配准的局部相似性作为权重融合多个图谱的信息;第2部分为数据项,利用待分割图像的局部信息,可以校正配准中的误差;第3部分为平滑项,用于保证曲线在演化过程中的平滑.大量的实验表明了该方法的有效性和准确性.

基于改进活动轮廓模型的人脸分割

人脸图像往往轮廓边界模糊、梯度不明显,常规活动轮廓模型通常无法获得理想的分割效果。为实现准确的人脸轮廓定位及分割,结合人脸检测、活动轮廓模型和数学形态学算子提出一个基于曲线演化的人脸分割方案,并提出一个改进的活动轮廓模型,有效提高了人脸轮廓定位精度和算法收敛速度。实验结果表明该模型可以有效地检测出局部模糊或分断边界而且演化曲线不会断裂,能够获得较好的人脸分割结果;此外,本文提出的C-V模型的窄带实现方法使计算量减少60%。

活动轮廓模型在医学图像分割的综述

医学图像分割作为图像处理领域的一个研究热点,长期受到广大科研工作者的关注。活动轮廓模型作为医学图像分割的一个重要工具,在近30年的研究中得到了长足的发展。根据活动轮廓模型的表达方式不同,将活动轮廓模型分为参数活动轮廓模型、几何活动轮廓模型;相对于参数活动轮廓模型,几何活动轮廓模型中曲线的运动过程是基于曲线的几何度量,如曲线的法线、曲率等;又由于水平集方法在几何活动轮廓模型的成功应用,使得几何活动轮廓模型在曲线的拓扑变化、数值求解等方面有不少优势。为了全面展示活动轮廓模型的发展历程及其在医学图像领域的应用,首先简述活动轮廓模型的发展历程及一些偏微分方程的基础知识;然后,详细分析几种较为经典活动轮廓模型;接着,对两种类型的活动轮廓模型进行对比分析;最后,对全文进行总结,并对活动轮廓模型的发展与未来进行展望。

多相活动轮廓模型在卫星云图分割中的应用研究

应用基于水平集的多相活动轮廓模型对云图进行多类别分割,云图被自动分割成几个区域,不同区域就对应着不同的云顶高度,区域分割结果可以使对一幅云图中不同高度云的分布以及哪种类型的云占主体有总体的认识和了解,从而对天气系统的分析具有一定的辅助参考作用。

基于活动轮廓模型的图像分割方法研究综述

面对层出不穷的图像分割方法,活动轮廓模型因其严谨的数学理论,已然发展成为图像分割的重要方法之一。基于此,对基于活动轮廓模型的图像分割方法进行了研究。首先,介绍了活动轮廓模型的构建思想及优缺点;其次,分析讨论经典的参数活动轮廓模型和几何活动轮廓模型,并着重介绍了4种经典活动轮廓模型图像分割算法,并对其进行了性能比较;然后,对活动轮廓模型能量泛函求极值过程中需要用到的变分法和梯度下降法进行了理论分析;最后,总结全文并在此基础上展望活动轮廓模型的未来发展动态和改进方向。

一种四叉树和测地线活动轮廓模型相结合的海陆影像分割方法

海陆影像分割对于后续的海岸线提取、潮间带地形反演、海岸演化状况分析等都具有十分重要的意义。本文在分析了四叉树、测地线活动轮廓(GAC)模型和Canny边缘检测算子等在海陆影像分割中优缺点的基础上,提出了一种四叉树、Canny算子和GAC模型相结合的海陆影像分割方法。该方法综合利用上述各方法的优点,将Canny算子边缘检测结果融入到基于四叉树初分割的GAC模型中,重构边界停止函数,演化水平集方程,实现海陆影像分割。试验结果表明,该方法具有海陆影像分割速度快、精度高、可靠性强和自动化程度高等优点,对于弱边缘以及严重凹陷边缘,都能实现自动和准确分割。

活动轮廓模型和Contourlet多分辨率分析分割血管内超声图像

针对传统图像分割方法中初始化和鲁棒性两个问题,研究了基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声斑块图像的新方法。该方法运用Contourlet变换将原图像分解为多分辨率低通分量和多分辨率带通分量方向性子带。对低通分量进行模板匹配,确定血管内腔边界和中-外膜边界的初始轮廓;对带通分量方向性子带进行扩散滤波,抑制噪声的同时尽可能保留有用边缘,并结合边界矢量场使轮廓演化得到最终分割结果,从而提高了分割算法的鲁棒性。对100幅仿真图像和120幅实际图像的分割结果表明,相对于传统活动轮廓模型,该方法分割实际图像的平均距离误差提高了3.04 pixel,面积差异百分比提高了6.30%。表明该方法能自动、精确地提取血管的两条边界。

基于混合能量活动轮廓模型的人脸分割方法

由于受到面部五官、饰物等因素的影响,传统几何活动轮廓模型获取人脸外轮廓会产生凹陷、分片等现象.针对人脸图像的特点,将边缘外张力能量及肤色能量与全局能量结合,提出一种基于混合能量泛函的几何活动轮廓模型,有效地避免了这些问题.首先,根据演化曲线的邻域信息赋予边缘点向外的张力,使曲线能够克服面部特征及面部饰物的干扰,引导其向外轮廓方向演化.鉴于肤色是面部最重要的特征,提出肤色能量,进一步提高了模型的鲁棒性.此外,提出一种基于单高斯模型的改进算法,能够估计出接近实际人脸外轮廓的初始位置,为轮廓演化奠定了基础.在两个公共人脸库上进行测试,该方法能够得到准确的人脸分割效果;以手工分割的结果为基准,该算法定位精度明显优于传统的全局能量模型和局部能量模型.还用日常照片创建一个包含不同姿态、光照、复杂背景等因素、复杂的人脸库,分割结果表明,该方法能够克服这些因素的影响,取得了准确而稳定的人脸分割结果.

引入局部全局信息的区域自适应局域化快速活动轮廓模型

针对HIFU超声图像中子宫肌瘤的分割难题,该文提出了一种准确高效的引入局部全局信息的区域自适应局域化快速活动轮廓模型.该模型引入了图像的局部全局信息形成局部全局力,并依据演化曲线上各点周围的灰度分布均匀程度动态地决定图像的局部全局信息和形状约束信息的使用范围,克服了HIFU子宫肌瘤超声图像分割中的初始化轮廓敏感性问题.该模型通过利用该灰度分布信息自适应地改变局域区域的半径大小,进而在活动轮廓曲线演化过程中动态地调整局域化区域范围,提高了分割的准确性及曲线的演化效率.最后在演化曲线上通过使用同一局部区域计算相邻像素的局域作用力,进一步提高了分割效率,最终实现了HIFU子宫肌瘤超声图像的准确高效分割.实验结果表明:该文方法克服了HIFU子宫肌瘤超声图像分割的难题,相较于最近提出的MSLCV模型,获得了更准确高效的分割结果,且平均计算效率提高了84.6%.

基于活动轮廓模型的左心室MR图像分割

本文提出一种基于局部与全局特征的活动轮廓模型左心室MR图像分割算法.该算法融合了图像局部信息和全局信息.局部信息包含了图像局部均值和方差信息,来克服图像灰度不均匀的影响.全局信息则较好地提高模型处理图像弱边界的能力,并防止模型陷入局部最优.实验结果表明,改进算法分割出较为精确的心脏左心室MR图像.

基于活动轮廓模型和统计特征的血管内超声图像的边缘提取

血管内超声(IVUS)图像边缘的提取对冠状动脉疾病的诊断和治疗有着重要的意义。为此,提出了一种用于自动提取血管内超声图像内、外膜边缘的方法。这种方法基于活动轮廓模型和超声图像的对比度特征量以及Rayle igh分布统计特性,有效利用动态规划和启发式图搜索方法,分别在不同的代价函数形式下,对血管内超声图像内、外膜边缘进行自动提取。实验结果表明,和以往的提取方法相比,该方法算法简单,准确性较高,对序列图像处理的可重复性和鲁棒性较强,是一种较好的全局最优化算法。

融合局部和全局图像信息的活动轮廓模型

为了克服局部图像拟合模型对轮廓初始化敏感的不足,结合改进C-V模型,提出一种融合局部和全局图像信息的活动轮廓模型.首先由改进C-V模型的全局灰度拟合力和局部图像拟合模型的局部灰度拟合力的一个线性组合来构造水平集演化力,然后通过调整这2个拟合力的权重以提升该模型对轮廓初始化的灵活性,最后利用高斯滤波正则水平集函数法实现水平集函数的正则化.实验结果表明,对于一些真实和人造图像,文中模型显示了对轮廓初始化的鲁棒性,以及较好地处理灰度不均图像的能力.

基于活动轮廓模型的超声心脏图像轮廓的自动检测

轮廓的提取是超声医图像学多维重建中最困难的问题之一。本文提出了一种超声心脏图像轮廓的自动检测方法。首先 ,根据超声图像的特点 ,对超声图像进行自适应加权中值滤波以消除斑点噪声。然后利用数学形态学的方法提取出心脏的初始轮廓。最后 ,运用活动轮廓模型 ,对初始轮廓进行逼近 ,得到精确的心脏轮廓。实验结果显示了方法的有效性。本方法在心脏超声图像的多维重建过程中 。

基于模糊速度函数的活动轮廓模型的肺结节分割

肺结节是肺癌在早期阶段的表现形式.利用计算机辅助诊断(Computer-aided diagnosis,CAD)技术对血管粘连型肺结节和磨玻璃型肺结节进行检测,需要对这两类肺结节进行准确的分割.目前基于传统活动轮廓模型的肺结节分割算法,存在边界泄露现象.对此,本文提出一种基于模糊速度函数的活动轮廓模型的肺结节分割算法.首先,采用结合灰度特征和局部形态特征的模糊聚类算法,计算模糊速度函数中的模糊隶属度;其次,将模糊速度函数引入到活动轮廓模型中,在肺结节的边界处,该速度函数为零,轮廓曲线停止演变,从而完成肺结节的分割.实验结果表明,本文提出的算法可以精确地分割血管粘连肺结节和磨玻璃型肺结节.

几何活动轮廓模型的多尺度扩散分割算法

提出了一种对几何活动轮廓模型中的停止速度场进行多尺度扩散的算法,它通过引进2个控制参数来定义停止速度场的目标边界、同质区域和过渡区域;对于不同复杂性的图像,采取不同的控制参数对其停止速度场进行多尺度扩散;并将多尺度扩散后的停止速度场应用于几何活动轮廓模型进行图像分割.实验结果表明:对1幅合成图像和2幅自然图像,该算法大大地减少了分割时间,在一定程度上也减少了边界泄漏.

几何活动轮廓模型中停止速度场的异性扩散

几何活动轮廓(GAC)模型广泛应用于计算机视觉和图像分析领域,特别是用于定位目标边界.然而,基于GAC模型的图像分割有演化时间长和边界泄漏两个缺点.一方面,停止速度场在同质区域一般不够平滑,这导致活动轮廓不能快速演化到希望的目标边界;另一方面,停止速度场在目标边界上不为0,导致活动轮廓不能停止于目标边界,活动轮廓继续演化进入目标边界内(边界泄漏).针对这两个问题,提出了一种对停止速度场进行各向异性扩散的方法.它基于提出的各向异性扩散模型.然后把各向异性扩散后的停止速度场应用于GAC模型进行图像分割.实验结果表明:对1幅合成图像和2幅自然图像,该方法不仅减少了分割时间,在一定程度上也减少了边界泄漏问题.

方差能量最小化活动轮廓模型超声图像分割

针对超声图像含有斑点噪声、低信噪比和低对比度的特点,提出了基于方差能量最小化的活动轮廓模型。该模型根据超声图像的统计性,利用目标区域和背景区域不同的高斯分布方差和均值控制模型的内外能量,实现超声图像的自动分割。利用内核函数定义待分割目标附近能量信息的高斯分布,基于空间变量函数的局部均值和方差构建局部高斯分布能量,在全局图像域整合局部能量。将方差能量最小化能量函数并入水平集的标准变量方程,在能量泛函极小化驱动水平集曲线演化到目标边界的过程中,利用局部像素信息求取高斯分布的均值和方差,识别不同区域亮度的差异。对仿真和临床超声图像分割的主客观实验结果表明,提出的方法能有效克服斑点噪声影响,自动、准确地对各类超声图像进行分割。

用于图像分割的活动轮廓模型综述

图像分割和边界提取对于图像理解、图像分析、模式识别、计算机视觉等具有非常重要的意义,而活动轮廓模型(Active Contour Model)则是图像分割和边界提取的重要工具之一,它主要包括参数活动轮廓模型和几何活动轮廓模型两类。相对于参数活动轮廓模型,几何活动轮廓模型具有很多的优点,如计算的简单性和在变形的过程中能够处理曲线的拓扑变化,等等。近年来,几何活动轮廓模型在理论和应用方面的研究都有很大的发展,令人关注。为了使人们对这一技术有一概略了解,首先提出了一种新的分类方式用来描述参数活动轮廓模型、几何活动轮廓模型以及它们之间的联系,然后通过重点分析几个经典的活动轮廓模型及其算法实现来综述活动轮廓模型的研究、发展及其应用情况,最后指出了进一步进行活动轮廓模型理论与应用研究的方向。