局部熵驱动的GAC模型在生物医学图像分割中的应用

针对测地线活动轮廓(GAC)模型不能对包含噪声和灰度不均匀现象这类复杂背景图像成功提取目标的问题,本文提出局部熵驱动的GAC模型.首先提取图像的局部信息熵来刻画图像的灰度变化,再利用局部熵构造符号压力函数来指导轮廓曲线向目标边界靠近,实现目标的分割.为降低计算复杂度并提高模型对水平集变化的鲁棒性,采用二值水平集方法进行求解.实验结果表明,本文方法可以克服噪声和灰度不均匀对图像分割的影响,实现快速准确的分割.

CV-GAC模型与图割优化的运动目标检测和分割

针对视频图像序列中运动目标的分割问题,提出了一种融合测地线的水平集模型(CV-GAC)和图割优化相结合的算法。采用高斯混合模型和背景差分获取目标的运动区域,在运动区域内自动设置初始曲线的轮廓,对运动区域进行数学形态学运算,利用融合测地线的水平集模型自适应处理目标的拓扑变化,并用图割进行能量函数的最优化。实验结果表明,与其他传统方法相比,缩短了运动目标分割的时间,能够正确和快速提取运动目标的活动轮廓。

基于多尺度梯度矢量场GAC模型的MR医学图像分割

医学图像分割是图像分割技术的一个重要应用领域,GAC(测地线活动轮廓)模型是基于PDE(偏微分方程)方法中一种常用的图像分割模型,使用这种模型时,如何选择合适的平滑尺度是影响分割效果的重要因素之一。提出了一种基于多尺度梯度矢量场GAC模型图像对象轮廓提取的MR图像分割方法,用多尺度梯度矢量取代GAC模型中单一尺度下平滑图像的梯度矢量,提高了GAC模型的收敛速度,有效地改善了局部极小值问题。实验结果验证了该方法的有效性。

一种结合Snake与GAC模型的虹膜定位方法

为了提高虹膜定位的精度和可靠性,采用改进的Snake模型和改进的GAC模型分别定位虹膜的内外边缘。对于虹膜内边界,在传统的Snake模型的基础上,引入GVF力场代替原有的传统外力场,完成Snake模型对虹膜内边缘的定位。对于虹膜外边界,在传统的GAC模型的基础上,引入非负常数项作为演化收缩力,使其方向指向对象内部,从而实现GAC模型对虹膜外边缘的定位。采用CASIA虹膜库进行了大量实验,结果表明该方法与经典的虹膜定位算法相比,定位速度更快,抗噪性更强,定位更准确。

基于改进GAC模型的钢丝绳图像检测方法

目的针对测地线活动轮廓模型易受初始位置选择限制,处理弱边缘效果较差的问题,提出一种改进测地线活动轮廓模型.方法首先,将局部二元拟合的能量函数中引入图像的局部和全局方差信息,避免其在处理复杂图像时易陷入局部最小值;其次对该能量函数进行归一化处理,代替原来测地线活动轮廓模型的边缘停止函数;最后,驱使轮廓曲线运动到钢丝绳图像中的损坏区域的边缘处.结果改进后的模型能够有效地分割出钢丝绳图像中的轮廓和损坏边缘,以人机交互的形式提取轮廓部分和损坏部分,计算相应的面积,获得缺损度,实现钢丝绳的故障检测.结论笔者所提出的改进GAC模型可以简单、便捷的检测出钢丝绳故障缺损度,同时也证明了该模型在解决钢丝绳图像检测问题时具有较高的精度.

一种向量场卷积外力加速的GAC模型

结合参数活动轮廓模型和几何活动轮廓模型的优势,提出一种向量场卷积(VFC)外力加速的侧地活动轮廓(GAC)模型。利用外力场优势,通过引入基于VFC力场的双向边界吸引力和自适应膨胀力,自适应地调整模型曲线的演化方向。实验结果表明,该模型可以克服参数活动轮廓模型不能处理拓扑结构变化的问题,避免传统GAC模型曲线单边演化的现象,能够提取深度凹陷的目标边界,对初始轮廓不敏感,对图像噪声和弱边界具有较高的鲁棒性。

结合GAC与图割模型的彩色纹理图像分割方法

提出了一种测地线活动轮廓模型(GAC)与多层图割模型相结合的彩色纹理图像分割方法。将Chan-Vese模型扩展到多类测地线活动轮廓模型,通过对每个类别进行高斯概率密度描述,它打破了区域内部恒定密度的假设。且在边缘约束项中引入了测地线,因此,它能够捕获具有凹性的边缘。对于多类能量函数的最小化,通过构建多层图割模型,利用最大流/最小割的方法可快速求得全局近似最优解。最终通过实验验证了提出的方法能够捕获凹型边界、且量化准确率高。

基于改进的GAC模型的医学图像序列分割算法

为了快速有效地提取出图像序列的边缘,提出了一种基于改进的测地线活动轮廓(GAC)模型的图像分割算法。在该方法中,只需在第一幅图像中感兴趣区域的内部给出大致的初始轮廓。在后续图像中,首先采用运动估计与区域统计特征结合的方法得到轮廓模型的初始轮廓,然后利用结合先验信息的测地线活动轮廓模型进行分割。此外,为了有效地减少算法运算时间,采用手工办法在第一张图像上选定模型演化的区域,该区域在后续图像上将依据分割结果自动调整大小和位置。实验结果表明:方法能够快速有效地提取目标物体的边缘。

基于统计特征的GAC模型SAR图像分割

提出了一种基于统计特征定义边缘检测算子的测地活动轮廓(GAC)模型,并用于SAR图像分割中。首先,根据图像上每个点四个不同方向邻域统计特征的异同,计算边缘检测算子,得到GAC模型的能量泛函。其次,最小化能量泛函,得到曲线演化偏微分方程,水平集方法数值求解,最终完成SAR图像的分割。实验表明,与传统依赖图像梯度定义检测算子的GAC方法相比,文中的方法完全适用于SAR图像分割,不需要噪声的预处理过程,拓展了GAC模型的应用范围,提高了目标的正确识别率。

改进GAC模型肺部薄扫CT图像序列分割法

针对测地线活动轮廓(geodesic active contour,GAC)模型轮廓演化速度慢的问题,构造一个区域灰度相似性信息项,对GAC模型的能量泛函进行改进,加快轮廓演化速度,将其用于肺部薄扫CT(computed tomography)图像序列中肺实质的自动分割。采用基于Nystrom逼近的谱聚类算法分割CT图像序列中间位置CT中的肺实质,计算其灰度均值与标准差,构造区域灰度相似性信息项,以分割好的肺实质轮廓作为初始轮廓,分别从上下两个方向采用改进了能量泛函的GAC模型实现其它切片中肺实质的分割。实验结果表明,该方法能够较好实现肺实质的自动分割,与医师分割结果的重合率可达94.83%,时间消耗较少。

Snake模型的研究进展

为进一步理解Snake模型,首先以归类方式系统地总结了Snake模型的各种改进模型及其最新应用状况;在此基础上,讨论了Snake模型的研究难点和发展趋势。分析结果表明,虽然Snake各种改进模型和基本Snake模型有较大的差异,但其研究思想一脉相承。此外,可针对各种改进模型的优缺点将其应用到不同场景中。

采用测地线活动轮廓模型检测与跟踪运动目标

水平集几何活动轮廓模型能较好地适应曲线的拓扑变化.为了跟踪和获取刚体和非刚体运动目标的轮廓信息,提出了一种基于改进测地线活动轮廓(GAC)模型和Kalman滤波相结合的算法以检测和跟踪运动目标.该算法首先采用高斯混合模型和背景差分获取目标的运动区域,在运动区域内采用引入距离规则化项的GAC模型进行曲线演化,使改进GAC模型在运动目标的真实轮廓处收敛;然后通过结合Kalman滤波预测目标下一帧的位置,实现对目标轮廓跟踪.实验结果表明,该方法适用于刚体和非刚体目标,在部分遮挡的情况下也能保持良好的检测和跟踪效果.

基于先验知识和几何主动轮廓线的三维超声瓣膜分割

几何主动轮廓线模型是一种有效的图像分割方法。但对于被噪声严重干扰的目标依然很难准确分割。特定目标的先验知识可以有效地指导目标的准确分割。我们把特定目标的区域和形状先验知识表示成一种速度场,把此速度场嵌入到几何主动轮廓线模型中,指导目标的快速准确分割。先验区域限制水平集在特定区域迭代,先验形状使曲线向理想轮廓演化。我们把该算法应用于三维超声图像的二尖瓣自动分割,结果表明该分割算法是快速和高效的。

融合C-V和GVF的测地线活动轮廓模型

对于有凹陷边界或弱边界的待分割目标,采用传统的测地线活动轮廓(GAC)模型无法进行准确的图像分割.为了解决这一问题,提出了一种融合C-V模型、GVF模型和GAC模型的图像分割算法.在该算法中,GAC模型的单位内法向量与GVF模型的梯度矢量流共同作用,促使轮廓曲线向目标的边界方向运动;而GAC模型单位内法向量与C-V模型的区域信息的力场共同作用,不仅促使轮廓曲线向目标的边界方向运动,而且使轮廓曲线稳定在目标的边界上.仿真实验证明了上述方法的有效性,同时还证明了该方法对轮廓曲线的初始位置具有较好的适应性.

结合Hough变换与测地线轮廓模型的MR图像左心室自动分割

通过对MR图像左心室分割中各种主流方法的分析,提出一种自动分割MR图像左心室内外轮廓的算法.利用短轴图像上左心室心肌内外轮廓近似圆形的先验形状知识,先用Hough变换自动定位左心室的初始轮廓,然后在测地线轮廓模型基础上,结合K均值聚类提供的区域信息及心肌的生理结构约束对左心室的内外轮廓同时进行自动分割.实验结果表明,该算法能够有效地分割左心室内外轮廓.

融合边缘与区域信息的水平集分割算法

针对测地线主动轮廓(GAC)模型容易产生边界泄露且对初始位置敏感及局部图像拟合(LIF)模型容易陷入局部极小的问题,提出融合边缘与区域模型的水平集算法。通过设置权值,该算法能自适应地调整GAC模型和LIF模型在融合算法中所占的比例。对不同图像的实验结果表明该算法的迭代收敛速度比GAC模型和LIF模型要快,分割效果明显优于GAC模型和LIF模型。

一种测地线活动轮廓模型的快速算法

为了完成测地线活动轮廓模型在图像分割中的平滑预处理和图像梯度的计算,给出水平集方法以实现中符号距离函数的构造。通过对Gaussian函数以及差分运算的讨论,提出了一种基于Sobel算子图像预处理方法,并利用同心圆扩散方法计算符号距离。得出将图像平滑与梯度计算结合为Sobel算子的处理,一种计算符号距离函数的快速计算方法。通过实验比较,Sobel算子既可以完成平滑处理,又降低了差分计算梯度的时间复杂度,而同心圆扩散方法能够提高模型算法的执行效率。

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%。

基于水平集运动目标检测与跟踪方法

针对目前常采用的运动分析检测方法存在的缺点,提出了基于水平集理论的测地线活动轮廓模型与背景差分相结合的运动目标检测方法.该方法使水平集函数免重新初始化,大大减少了曲线演化迭代的次数和运行时间,得到准确的运动目标轮廓.通过与粒子滤波和mean shift跟踪方法的比较,最终采用效率最高、最优的Kalman滤波预测物体的运动轨迹.实验结果表明,该方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.

基于局部区域力的活动轮廓模型图像分割研究

研究活动轮廓模型的分割效果问题。针对目前测地线活动轮廓模型对初始化位置十分敏感,在穿越边界的初始化条件下易产生错误分割,以及耦合曲线活动轮廓模型在灰度分布不均匀时易做出错误分割的问题。提出由活动曲线附近的区域信息决定的局部区域力的新测地线活动轮廓模型,可以被图像梯度和区域信息的外力所驱动,达到有效地驱动活动曲线收敛到物体边缘的目的。新模型结合了测地线活动轮廓模型和局部信息的活动轮廓模型的优点。实验证明,新模型可以跨边界进行初始化操作,同时对弱边缘图像有更好的分割效果。