GVF Snake与显著特征相结合的高分辨率遥感图像道路提取

高分辨率遥感图像中的道路信息,对地理信息系统数据库的更新具有重要的意义。本文通过分析道路在遥感图像中所呈现的特性,提出了一种基于显著特征和GVF Snake的高分辨率遥感图像道路提取方法。该方法根据视觉认知理论将道路的几何特性和辐射特征作为显著特性。首先,通过融合颜色对比度和空间统计特征计算显著性图,并以输出的显著图的最大值作为GVF Snake的初始种子点;再利用区域生长法求出道路的初始边界,通过梯度矢量流模型的迭代求解,并最小化能量函数,实现道路信息的自动提取。试验结果表明,本文所提出的方法提高了不仅可以提高计算效率,还具有较好的检测精度。

Snake模型与深度凹陷区域的分割

在基于Snake模型的图像分割中,深度凹陷区域的分割是一个难点.尽管GVFSnake模型极大地改善了这个问题,但它需要事先求解一个偏微分方程组,增大了计算量;同时,GVFSnake模型在初始化时还存在一个“临界点”问题.探讨了深度凹陷区域的分割,用离散轮廓上顺序3点所成三角形内切圆圆心来定义离散轮廓的曲率,该曲率既能反映轮廓的弯曲程度,又具有合理的方向.基于该曲率定义了曲率外力项,构造了基于Snake模型的两阶段算法,先采用传统Snake模型使离散轮廓逼近目标边缘,然后在曲率外力的作用下使离散轮廓进入目标的凹陷区.曲率外力项的引入能较好地解决深度凹陷区域的分割问题,也可以扩展该外力项来扩大Snake模型的捕捉范围.实验结果表明该方法是有效的.

GVF Snake模型中初始轮廓线设置算法的研究

在详细分析了动态轮廓模型抗干扰性差、运算量大、不能逼近比较复杂轮廓、初始轮廓线设置复杂等问题原因的基础上,提出了轮廓线"有效逼近域"概念,进一步研究发现,这些问题都可以通过设置初始轮廓线到"有效逼近域"内,并有效地控制"有效逼近域"范围而得以解决。由于初始轮廓线只要求设置在"有效逼近域"内,因此符合基于小波变换多尺度边缘检测算法的特性,"有效逼近域"也可以通过控制GVF力场迭代次数来有效控制其大小。基于此,通过采用小波变换多尺度边缘检测获得不同分辨率边缘点,合理控制GVF力场迭代次数,提出初始轮廓线连接算法,成功地实现了初始轮廓线的有效设置。实验结果表明,能够准确地将初始轮廓线设置在"有效逼近域"内,并且"有效逼近域"的大小可以减小到真实轮廓左右5个像素以内,运算量有效的减小,抗干扰性也得到了很大的提高。

基于粒子滤波和GVF-Snake的目标跟踪算法

提出了一种基于粒子滤波和GVF-Snake的自适应目标跟踪算法。该算法首先采用背景差分法获取目标初始轮廓,利用改进的GVF-Snake的强大搜索能力,使Snake收敛至运动目标的真实轮廓;然后根据控制点的距离增删控制点,达到自适应地跟踪运动和变形目标的目的;最后通过结合粒子滤波和改进的GVF-Snake,得到一种能量粒子滤波(EPF)目标跟踪算法,并利用提出的的跟踪策略,改进其抗遮挡能力。实验结果表明,被跟踪目标在遮挡情况下也能够保持良好的跟踪效果。

应用梯度矢量流Snake和灰预测的人脸轮廓跟踪

为了提高动态图像序列中人脸轮廓跟踪时梯度矢量流(GVF)Snake算法的实时性,同时解决人脸跟踪中的遮挡问题,提出了GVF Snake和单变量一阶灰色模型GM(1,1)相结合的人脸轮廓提取方法。该方法首先利用人脸运动信息和肤色模型粗略地检测出运动人脸轮廓,然后采用GVF Snake算法将人脸轮廓精确地提取出来,从而有效解决GVF Snake算法的初始化问题。根据人脸轮廓运动的整体性,利用GM(1,1)模型预测人脸轮廓质心的位置,并以预测位置作为GVF Snake的迭代依据,同时将GVF Snake提取的人脸轮廓质心位置作为下一帧图像GM(1,1)模型的预测依据。存在遮挡时,则以GM(1,1)模型预测保持跟踪的连续性。实验结果表明,该算法跟踪的平均时间仅为GVF Snake算法的8.0%,平均跟踪误差仅为GVF Snake算法的31.2%,而且能更好地反映人脸轮廓的运动规律,跟踪实时性强,鲁棒性好。

基于GVF Snake的运动目标跟踪方法

针对Snake不能收敛于凹形边缘和收敛速度慢的缺点,结合帧间差分和梯度矢量流主动轮廓模型(GVF Snake),提出了一种运动目标跟踪方法。首先通过帧间差分得到不同时刻的灰度差异图像,然后用形态方法得到的运动目标粗略轮廓作为Snake的初始轮廓,最后利用GVF Snake的特性,准确地收敛到目标边界。实验证明该方法运算速度快、能够快速地收敛到目标轮廓、准确地跟踪目标,并具有一定的抗噪能力。

GVF Snake模型在木材表面缺陷分割的应用研究

针对木材表面存在纹理、凹凸结构、边缘颗粒和弱边缘等特点,对其直接运用Snake模型进行分割难以得到有效边缘提取,因此提出运用改进的GVF Snake模型和维纳滤波相结合对其进行分割。首先对木材图像进行维纳滤波使得纹理变得平缓,同时可以使得缺陷边缘得到有效保留,再对其进行GVF Snake模型分割。该算法对初始轮廓的选择敏感度降低,拓展性增强,可以使得轮廓曲线更加快速地收敛到缺陷边缘,避免陷入局部最优现象,提高对弱边缘和凹凸图像分割效果,分割结果更加清晰、连贯,具有良好的实时性。为木材表面缺陷的分割提供一种更为有效的方法,拓宽了snake模型的应用范围。

区域生长与GVF Snake模型相结合的水域边界提取

利用梯度矢量流GVF(Gradient Vector Flow)Snake模型实现了全色遥感影像上水域边界的智能提取。对于形状特别复杂的水域,单独利用GVF Snake模型提取其边界,存在着人机交互繁琐、时间消耗大、提取精度有待提高等问题。为了解决这些问题,提出了一种自动初始化的GVF Snake,利用区域生长法自动提供GVF Snake的初始值。从而简化了人机交互,降低了时间消耗,提高了提取精度。

基于稀疏轮廓点模型的彩色重叠细胞图像分割

根据对细胞轮廓结构的分析,提出了描述细胞轮廓特征的稀疏轮廓点模型.该模型将细胞轮廓划分为强轮廓和弱轮廓2部分,并用一系列稀疏的轮廓点来近似表示细胞轮廓.在该模型的基础上,算法综合了彩色图像处理与灰度图像处理的方法,首先提取细胞与背景交界处的强轮廓作为基准轮廓.然后提出了一种环形动态轮廓搜索算法,沿着基准轮廓搜索位于重叠细胞区域的弱轮廓.经过轮廓搜索算法获得细胞的稀疏轮廓点组成初始轮廓,采用GVF(gradient vector flow)Snake模型进行细胞的精确分割.通过对2个细胞图像数据集的图像样本进行的分割实验验证了算法对于分割单细胞图像、同种颜色重叠细胞图像和不同颜色重叠细胞图像的准确性.

一种自动初始化轮廓的改进蛇模型算法

在Snake模型的初始化中存在不易实现自动化或初始化轮廓远离真实轮廓的问题,针对这些问题,本文提出了一种基于灰度梯度的自动初始化蛇模型方法,在针对一般灰度图像和CT图像的边缘提取取得了较好的效果.

基于颜色、梯度矢量流活动轮廓及支持向量机实现白细胞的提取和分类

提出了一种基于图像技术实现白细胞分类的方法。首先,利用彩色图像的信息转换、距离变换和梯度矢量流活动轮廓(GVF Snake)等方法从血液细胞图像中提取出白细胞;然后,利用细胞核在图像中具有较高颜色饱和度的特点,结合数学形态学和GVF Snake方法从白细胞中精确地提取出细胞核。最后,根据细胞的形态、颜色及纹理特征用支持向量机(SVM)对白细胞进行分类。实验结果表明:在上述图像分割的基础上,基于支持向量机分类器的方法对白细胞进行分类,分类准确度能够达到89.6%。与其他传统的分割和分类的方法相比,本文提出的方法具有一定的优越性。

基于GVF Snake模型的步态识别轮廓提取

步态识别作为一种新的生物识别技术,通过人走路的姿势实现对个人身份的识别和认证。步态特征提取是步态识别的关键步骤。采用背景消减法与对称差分法相结合对运动人体分割,采用改进的GVFSnake模型对人体运动步态轮廓进行边缘提取。实验结果表明该方法能准确高效地提取边缘特征作为步态识别的特征。

基于改进梯度向量流动态轮廓模型的图像检测

针对人造目标图像检测现有算法逐点扫描、计算分形维效率低的缺点,提出了基于分形理论和改进梯度向量流(GVF)动态轮廓(Snake)模型的算法。该算法应用微分计盒快速算法确定Snake初始轮廓,基于改进GVF模型确定目标真实轮廓。实验表明,该算法克服了其他分形算法逐点扫描效率低的缺陷,并较好地从自然背景中提取了目标图像的轮廓。

基于统计模型和活动轮廓的运动目标检测与跟踪

提出了一种静止背景视频序列中运动目标的检测与跟踪方法.对连续两帧图像序列作差分计算,对差分图像的灰度分布建立混和高斯模型(GMM),采用期望最大化(EM)算法估计模型参数,并引入基于GMM模型的边界检测算子,进而构造运动边界图像.改进静态图像轮廓提取算法GVF-Snake,利用运动边界图像修改GVF-Snake的能量项,使其能够提取视频序列中运动目标的轮廓.采用一种根据目标区域自动初始化轮廓的方法解决Snake初始轮廓需要手工设定的问题,采用一阶差分预测算法加快轮廓收敛速度.利用改进的GVF-Snake算法对运动目标进行检测与跟踪,结果表明,该算法对刚性和非刚性两类目标都具有较好的检测与跟踪效果.

结合角点信息GVF Snake模型的图像分割方法

GVF Snake模型在边缘检测和图像分割中应用广泛.GVF Snake模型相比于传统的Snake模型有更大的捕捉区域和更好的分割性能.然而,GVF Snake模型在分割带有尖角的目标时曲线很难收敛到尖角处.针对GVF Snake模型的不足之处,本文提出角点信息和GVF Snake模型相结合的图像分割方法.首先,运用基于边缘轮廓曲率的角点检测方法,检测出图像中的真实角点,局部修正GVF场,然后结合角点信息给出局部角点力,最后将角点力与修正后的GVF场相结合的得出一种新的外力.实验证明,本文改进的GVF Snake模型能够更好的收敛到图像的尖角处.

3种不同模型对木材表面缺陷图像分割算法的比较

木材表面缺陷会严重影响木材的质量和使用价值,因此对木材表面缺陷图像分割的研究有利于提高木材的利用率。本文分别对红皮云杉含有虫眼、活节、死节3种典型木材缺陷的图像采用改进的C-V模型、改进的GVF Snake模型和改进的GAC模型进行分割试验,对3种改进算法的复杂程度、分割时间、分割结果的完整性以及抗噪性进行对比和分析。结果表明,改进的GAC模型算法较为优越,其分割算法简单,运行时间短,缺陷分割效果较好,抗噪性强。而改进的C-V模型算法、改进的GVF Snake模型算法的分割效果和抗噪性最差,不宜作为3种木材表面缺陷图像的分割算法。

基于改进的GVF Snake模型CT图像轮廓提取技术

CT图像轮廓提取是逆向工程中的关键技术之一,由于基于边界检测算法很难提供一条连续的无间断的边界轮廓。采用一种改进的GVFSnake算法,首先通过人工取点,B样条拟合的方法,提取其初始轮廓,再利用改进的GVFSnake方法进行边界轮廓逼近,以获得比较精确的叶片边界轮廓,克服了传统活动轮廓模型梯度势能场捕捉范围小的缺点,并通过实验证明了该方法的有效性。

基于梯度向量流模型的图像分割方法

针对传统Snake模型存在目标边界捕捉范围小,且不能有效检测到目标对象深度凹陷部位等问题,提出应用GVF Snake模型改进传统Snake模型的外部力,以增大Snake曲线的捕捉范围,使曲线能收敛在全局能量最小点,并提高检测深度凹陷部位的性能。理论计算和仿真分析表明:利用GVF Snake模型对飞机和坦克等军事目标图像进行分割,具有目标边界捕捉范围广、收敛性好的特点。

圆形运动目标的快速检测方法研究

实现对圆的快速轮廓检测,是进行圆形运动目标跟踪与定位的前提。针对圆形目标在成像时发生形变而难以准确检测其外形轮廓的问题,提出一种将随机霍夫变换(RHT)和梯度矢量流主动轮廓模型(GVF Snake)相结合的圆形运动目标检测方法。首先利用改进的随机霍夫变换快速获取目标初始轮廓,解决GVF Snake的初始轮廓自动设置问题,然后基于GVF Snake的轮廓逼近能力,解决传统方法中出现的目标轮廓丢失问题,准确完整地提取目标的真实边界。实验结果表明,该方法有效克服圆形目标的形变,能够快速地提取目标轮廓,具备圆形运动目标的实时检测能力。

一种基于断点处边缘方向保持假设的闭合轮廓提取方法

文中提出了一种新颖的闭合轮廓提取方法.分析了当GVF Snake模型处理边缘断裂的图像时,存在无法提取目标原始轮廓信息,尤其是目标边角信息的问题.在GVF外力场演化的能量模型的基础上,基于保持断点处边缘原方向的假设,提出了一种新的具有边角保持特性的能量模型,由此模型得到了边角保持GVF(CP-GVF)外力场.CP-GVF外力场解决了当目标轮廓发生断裂时断点对于GVF外力场的影响问题,能够根据断点处的边缘方向信息,以保持该边缘方向的方式恢复目标轮廓中丢失的边角信息,从而恢复这类目标的原始形状.不同边缘结构的仿真图像和真实图像的实验结果验证了算法的性能.