基于符号压力函数驱动的活动轮廓图像分割

针对用于图像分割的距离正则化水平集演化模型(DRLSE)具有初始化曲线不灵活,曲线演化方向不具有自适应性等缺点,提出一种新的活动轮廓模型。构造一个融合了局部信息和全局信息的符号压力函数(SPF),并证明SPF能够调节目标区域内外的压力符号;把SPF融入到DRLSE模型,从而解决初始化曲线必须设置在目标边缘的内部或者外部的问题。实验结果表明,新模型的初始化曲线可以置于图像的任何地方,能有效分割亮度不均匀和弱边缘图像,也能有效的分割包含多目标物体以及深度凹陷区域的图像。

基于多阈值算法融合的图像分割

针对一种阈值分割算法很难对不同类型的图像进行有效地分割的问题,提出一种多阀值算法融合的方法.该方法通过不同的算法得到一组阈值,由迭代的方式将它们有机地组合,并定义一个回报函数,来选取最优阈值.实验结果表明,该方法针对不同类型的图像能够选择最优的阈值进行有效的分割,消除了使用者必须具有先验知识的障碍,省去了人工选择分割方法的麻烦.

基于模糊C均值的水平集活动轮廓模型

针对SPF模型的水平集函数初始化方式不灵活、容易发生边界泄漏的问题,提出一个新的基于模糊C均值的水平集活动轮廓模型.首先,用图像灰度值与两个模糊聚类中心的平均灰度值的差构造一个模糊符号压力函数,并证明它能够调节目标区域内外的压力符号,用模糊符号压力函数取代SPF模型中的SPF函数;其次,使用正则化的Dirac函数?(?)取代|??|;最后,使用高斯滤波平滑水平集函数.实验表明,提出的方法精确有效.

基于改进的各向异性扩散方程Canny的边缘检测算法

在计算机视觉中边缘检测是一个热门的研究领域。边缘检测能缩减大量数据并滤掉无用的信息,同时保护图像中重要的结构特征。Canny边缘检测算法是一个经典的算法,对此提出基于改进的各向异性扩散方程的检测算法,以克服传统算法对噪声的敏感性。传统Canny算法的双阈值需要人工赋值,针对不同的图像具有使用缺陷,因此,提出基于Otsu方法的自适应方法。实验表明,改进的算法有效地提高图像边缘检测的准确性,定位精确度高。